X が For You フィードを動かすアルゴリズムをオープンソース化した
私はそれをすべて読み、Claude Code で、自分の声で投稿を生成し、アルゴリズムが実際に測定するすべてのシグナルに最適化されたエージェントを作った
同じことをする方法を紹介する：
X に関するほとんどのコンテンツアドバイスはフィクションだ：
- 定期的に投稿する
- ニッチと交流する
- ハッシュタグを使う
どれもアルゴリズムの実際の動作に基づいていない。なぜなら、最近まで誰も知らなかったからだ。
それが変わったのは、xAI が For You フィードのレコメンデーションシステム全体を → github.com/xai-org/x-algorithm でオープンソース化したときだ。
• アルゴリズムに関するブログ記事ではない
• 実際のソースコードだ
あなたをフォローしていない人にどの投稿が表示され、どの投稿が虚空に消えるかを決定する正確なパイプラインだ
私はそれを読むのに1週間費やした。そして、学んだことを活かして、自分の声で投稿を生成し、アルゴリズムが測定する特定のエンゲージメントシグナルに最適化された Claude Code エージェントを構築した。
この記事は、同じことをする方法について私が知っているすべてだ！
誰も読んでいないコード
X アルゴリズムリポジトリには4つの主要コンポーネントが含まれている：
→ Home Mixer（オーケストレーション層）
→ Thunder（ネットワーク内の投稿取得）
→ Phoenix（ML ランキングモデル）
→ Candidate Pipeline フレームワーク
これらは一緒になって、表示を検討するすべての投稿に対して14種類のユーザーアクションの確率を予測するレコメンデーションシステムを形成している。
スコアリングコードに隠された重要な洞察がここにある：
> phoenix/scoring からの実際の加重スコア式 最終スコア = Σ (weight_i × P(action_i)) アルゴリズムは14のアクションの確率を予測し、それぞれに重みを掛けて合計する。ポジティブなアクションは投稿を押し上げ、ネガティブなアクションは押し下げる。重みは公開されていないが、アクションは公開されている。
これは重要だ。なぜなら、コンテンツ戦略についての考え方が完全に変わるからだ。
アルゴリズムはエンゲージメントを単一の数字として見ているわけではない。14の具体的な行動を予測し、それぞれを異なる方法でスコアリングしている。
14のシグナル → あなたのコンテンツにとっての意味
リプライ（↑ 高重み）
リプライは真の関心を示す。
思考、反論、質問を促すコンテンツがリプライを生む。オープンエンドの投稿は宣言的な投稿よりも効果的だ。
リポスト（↑ 高重み）
リポストは「これを自分のオーディエンスに見せたい」というシグナルだ。
役立つ、新しい、または価値を認めるコンテンツは、個人的なアップデートよりもリポストを促進する。
お気に入り（↑ 中重み）
いいねは最も低摩擦のシグナルだ。重要ではあるが、スコアリングモデルではリプライやリポストよりも低い重み付けがされている。
フォロー（↑ 非常に高重み）
誰かにあなたをフォローさせる投稿は最も高いポジティブシグナルだ。独自の視点や貴重な専門知識を明確に示すコンテンツがこれを促進する。
クリック（↑ 中重み）
プロフィールクリックは著者への好奇心を示す。強い声と一貫したポジショニングが長期的にこのシグナルを促進する。
滞在時間（↑ 中重み）
インタラクションなしで投稿を読むのに費やした時間。長文スレッドや読む価値のある投稿がここで良いスコアを得る。
興味なし（↓ 高ペナルティ）
「興味なし」タップは強力なネガティブシグナルだ。
- おとり商法コンテンツ
- オフトピックの投稿
- 低品質のリポストがこれを引き起こす
著者のミュート（↓ 高ペナルティ）
ミュートはコンテンツが迷惑だが報告するほどではないことを示す。
- 繰り返し
- 低価値
- 過度にプロモーション的なコンテンツがこれを促進する
著者のブロック（↓ 非常に高ペナルティ）
報告に次ぐ最強のネガティブシグナル。攻撃的、スパム的、または非常に不快なコンテンツがこれを引き起こす。
報告（↓ 重大ペナルティ）
報告は核オプションだ。少数の報告でもすぐに配信が停止され、可視性フィルタリングが作動する。
ソースコードからの重要な洞察 アルゴリズムはすべての手動設計機能を排除した Grok ベースのトランスフォーマーは、あなたのエンゲージメント履歴から完全に関連性を学習する：• いいねしたもの • リプライしたもの • シェアしたもの • 滞在したもの つまり：トピックとスタイルの一貫性が、アルゴリズムにあなたのコンテンツを一致するエンゲージメント履歴を持つ人々に表示するように訓練する 一貫性のなさはモデルを混乱させる
コードからもう一つ重要なメカニズムがある：Author Diversity Scorer だ。
同じセッションでアルゴリズムがすでに同じユーザーにあなたの投稿を表示した場合、そのたびにスコアが減衰される。
つまり、投稿頻度は重要だが、短い期間にオーディエンスにコンテンツを大量に送りつけると、投稿ごとの配信が積極的に損なわれる。
手動投稿の問題点
あなたは自分の声を知っている...
あなたのオーディエンスを知っている...
何が効果的かおおよそ知っている...
問題は時間、一貫性、そしてすべての投稿に対してクリエイティブかつ分析的に同時になろうとする認知的負荷だ。
あなたのスタイルを知っているパーソナル AI エージェントは、一般的な AI ライティングツールとは異なる方法でこれを解決する。
違いは記憶とパターンだ：一般的なツールはコンテンツを生成する。
• パーソナルエージェントはあなたのコンテンツを生成する
アルゴリズムが報酬を与える特定のシグナルに合わせ、既存のオーディエンスが認識できる声で。
何かを構築する前に、一つの質問に答える必要がある：
あなたのパターンは実際どのようなものか？
パターン分析プロンプト → まず Claude Code でこれを実行してください
何かを構築する前にこれを実行してください。
これによって生成される Voice Style Guide は、エージェントが使用する最も重要なドキュメントです。他のすべてはその周りの足場にすぎません。
ワークフローに合ったアーキテクチャを選ぶ
唯一の正しいパーソナル X エージェントというものはない。
適切なアーキテクチャは、どれだけ制御を保持したいか、技術的にどの程度快適か、パイプラインをどの程度自動化したいかによって異なる。
ここに、最もアクセスしやすいものから最も強力なものまで、3つの完全な設計図を紹介する。
BLUEPRINT 01
セッションエージェント → Claude Code + MEMORY.md
実際に機能する最もシンプルなアーキテクチャ。
• あなたは、Voice Style Guide とアルゴリズムコンテキストを含む事前設定された MEMORY.md ファイルを使って、ターミナルで Claude Code を実行する。各セッションで、Claude はあなたのメモリを読み、何も再度説明することなく投稿を生成する。
構築するもの
そのディレクトリで Claude Code セッションを開くたびに、あなたの声、トピックポジショニング、アルゴリズムのスコアリング優先順位を読み込む CLAUDE.md プロジェクトファイル。
- インフラ不要
- Claude 自体以外の API キーは不要
毎日のワークフロー
プロジェクトディレクトリで Claude Code を開く。アイデアやトピックを一文で入力する。
スレッドと単独投稿のバージョンを含む3つの投稿バリエーションを取得する。適切だと感じるものを選び、現在の声に合わせて編集し、手動で投稿する。総時間：投稿あたり45分ではなく8分。
- インフラ不要
- 完全な制御、すべての投稿を承認可能
- 人間によるレビューで最高の声質を実現
- 手動投稿 — スケジュール機能なし
- 毎回 Claude Code を開く必要がある
BLUEPRINT 02
承認パイプライン → Claude Code + キュー + Telegram
バッチで投稿を生成し、Telegram 経由で承認のために送信し、承認されたコンテンツを X API 経由でスケジュールに従って公開する半自動化システム。
すべての投稿に関与しつつも、生成に時間を費やす必要がなくなる。
アーキテクチャ概要
3つのコンポーネントが連携する：
- 毎週日曜の夜に週次投稿バッチを生成する Claude Code エージェント
- 下書きをあなたのスマートフォンに配信し、ワンタップで承認または拒否できる Telegram ボット
- 承認されたコンテンツをアルゴリズム最適な時間に投稿するスケジューラー
最適な投稿時間 → アルゴリズムコンテキスト
アルゴリズムの Thunder コンポーネントは、フォローしているアカウントからの投稿をリアルタイムで取得する。
投稿の最初の1時間のエンゲージメントが、それがネットワーク外に配信されるかどうかを決定する主要なシグナルである。
最もエンゲージメントの高いフォロワーがアクティブな時間に投稿をスケジュールすること。あなたの特定のオーディエンスのピーク時間については、X Analytics を確認すること。
一般的には：火曜日～木曜日、午前8～10時または午後6～8時（オーディエンスの主要タイムゾーン）。
- すべての投稿を承認するため品質が高い
- スケジュール機能が自動的にアルゴリズムタイミングを処理
- 週次バッチ生成、週に30分の時間のみ
- Telegram ボットのセットアップと X API アクセスが必要
- X API の無料ティアには投稿制限あり
BLUEPRINT 03
自律スタック → フィードバックループ付きマルチエージェント
3つの専門エージェントを持つ完全自律システム：投稿を生成するコンテンツエージェント、X パフォーマンスデータを読み取り何が機能しているかを特定する分析エージェント、実際のエンゲージメント結果に基づいて Voice Style Guide を継続的に更新する最適化エージェント。
システムは毎週、手動介入なしに学習し改善する！
3エージェントアーキテクチャ
フィードバックループ → これが他と違う点
ほとんどのコンテンツシステムは、書くことが気持ちいいものを最適化する。
このシステムは、アルゴリズムが実際に報酬を与えるものを最適化し、毎週実際のデータに対して測定する。
最適化エージェントはエンゲージメントメトリクスを読み取り、具体的でエビデンスに基づいた変更を Voice Style Guide に更新する：
[ 直接的な質問で終わる投稿は、宣言文で終わる投稿より3.2倍多くのリプライを得た ]
ガイドを更新：投稿の70％に質問を含める
- 完全自律、一度動けば毎日の労力ゼロ
- 自己改善、実際のデータから毎週良くなる
- 追加の時間投資なしで任意のボリュームにスケール可能
- 分析データに X API 昇格アクセスが必要
- 月次レビューを行わないと声のドリフトリスクあり
- 初期構築に多大な時間が必要、最低でも丸1週間
エージェントに何を指示し、絶対にさせてはいけないこと
アルゴリズムのソースコードを理解することで、ほとんどのコンテンツアドバイスが完全に間違っている特定のルールが明らかになる。
これらをエージェントの指示に直接組み込むこと。
エージェントが従うべきルール
- ハッシュタグを使用しない
アルゴリズムの Phoenix モデルは、ハッシュタグではなく、エンゲージメント履歴とコンテンツセマンティクスから関連性を学習する。
ハッシュタグは低品質コンテンツのシグナルであり、配信を改善しない。
- エージェントの出力から完全に削除する。
- トピックの一貫性はアルゴリズムのトレーニングとなる
Grok トランスフォーマーはあなたのコンテンツタイプを学習し、互換性のあるエンゲージメント履歴を持つユーザーにマッチングする。
トピック外のコンテンツを投稿すると、このマッチングが混乱する。エージェントは定義されたトピック範囲外の投稿を生成することを拒否すべきである。
- リプライのウィンドウが重要
アルゴリズムのネットワーク内コンポーネント（Thunder）は、フォロワーにほぼリアルタイムで投稿を表示する。
しかし、ネットワーク外の配信（Phoenix）は、最初の1時間のネットワーク内エンゲージメント率に依存する。あなたにとって都合の良い時間ではなく、最もエンゲージメントの高いフォロワーがアクティブな時間に投稿すること。
- 滞在時間は測定されるシグナルである
P(dwell) は明示的にスコアリングモデルに含まれている。
読む価値のある投稿、つまり明白でない見返り、物語構造、または層状の情報を持つ投稿は、2秒で吸収できる投稿よりも良いスコアを得る。
- フォローシグナルは最も高いポジティブ重みである
独自の視点や他では見つけにくい特定の専門知識を明確に示すコンテンツは、P(follow_author) を促進する。
エージェントは、このシグナルに特化して少なくとも1日1つの投稿を最適化すべきである。
エージェントに絶対にさせてはいけないこと
- レビューのゲートなしに自動投稿させない
最もよく設定されたエージェントでも、時にはあなたの声を逃したコンテンツを生成することがある。
常に人間を承認ループに入れておくこと。たとえそれがワンタップの Telegram レビューであっても。
- エンゲージメントベイトを生成させない
[ 賛成？反対？ ] や [ どう思う？ ] は、低品質のリプライを生成する低シグナルのプロンプトである。アルゴリズムは実質的なリプライと一言の反応を区別できる。
- あなたの声から逸脱させない
AI コンテンツエージェントの最も一般的な障害モードは、徐々に声が均質化すること、つまり出力が徐々に一般的な AI トーンに収束することである。
Voice Style Guide を毎月レビューし、エージェントが実際に生成しているものと比較すること。
- 単一のシグナルに最適化させない
アルゴリズムは14のシグナルの加重和を使用する。
1つを最大化するコンテンツ（例えば、リプライのために論争を起こす）が他のもの（興味なしや報告を引き起こす）を犠牲にすると、ネットマイナスになる。
- エージェントはポジティブシグナルのポートフォリオに対して最適化すべきである。
> アルゴリズムは投稿にどれだけ労力をかけたかに関心がない > 14の具体的な行動を測定し、それぞれをスコアリングする > エージェントはその14すべてを知るべきである
ほとんどの AI コンテンツが AI コンテンツのように聞こえる理由
誰もが心配する障害モード
[ コンテンツが AI のように聞こえる ] → これは現実だ。
しかし、それは避けられないわけではない。特定の一つのミスのために起こる：
- エージェントにトピックではなくパターンが与えられていないこと。
エージェントに [ AI ツールについて書け ] と指示すると、AI ツールについての一般的な AI コンテンツが生成される。エージェントに [ ハイプに対して根本的に懐疑的で、具体的な例のみを使用し、すべての投稿を逆説的な答えを暗示する質問で終わる誰かの声で AI ツールについて書け ] と指示すると、あなたのように聞こえる何かが生成される。
違いは制約の具体性である。
Voice Style Guide が実際のパターン（トピックだけでなく）をより正確に捉えれば捉えるほど、出力はより認識可能になる。
声の保存プロンプト → 毎週実行
最初の1ヶ月間、毎週この比較を実行すること。
4週目までに、エージェントの出力と自然なあなたの声のギャップは十分に狭くなり、承認プロセスが速くなり、編集が最小限になる。
実際に重要ないくつかの指標
ほとんどの人はフォロワー数と総インプレッション数を測定する。
どちらも、エージェントがネットワーク外配信を促進するアルゴリズムシグナルを捉えているかどうかを教えてくれない。
追跡する価値のある指標はこちら：
[ 週次エージェントパフォーマンスレビュー ]
エージェントが次のバッチを生成する前に、毎週月曜日にこれらの数値を追跡する：
- リプライ率（リプライ ÷ インプレッション）→ 目標：エージェント前のベースラインを上回る
- フォロー率（フォロワー以外からの新規フォロー数 ÷ 投稿数）→ 最も価値の高いシグナル
- ネットワーク外インプレッション比率（フォロワー以外からのインプレッションの割合）→ For You フィードの浸透度を測定
- プロフィールクリック率 → コンテンツがあなた自身への好奇心を生んでいるシグナル
- 興味なし/ミュート率 → これが上昇した場合、エージェントは一般的なコンテンツにドリフトしている
これらの数値を毎週分析エージェントに入力すること。
それらが最適化ループを駆動するシグナルである。
特に注目すべき1つの数値：ネットワーク外インプレッション比率。これは、Phoenix 検索システム（グローバルコーパスから投稿を発見する ML モデル）があなたのコンテンツをフォローしていない人々に提供している最も明確なシグナルである。
40％を超える比率は、アルゴリズムが積極的にあなたの投稿を新しいオーディエンスに配信していることを意味する。
• 20％未満は、ほぼ完全に既存のフォロワーにリーチを依存していることを意味する。
エージェントのアルゴリズム最適化（リプライフック、フォロー誘導投稿、滞在時間向上コンテンツ）は、特にこの比率を押し上げるように設計されている。
毎週追跡すること
動いていない場合、エージェントの出力を Voice Style Guide とアルゴリズムコンテキストに対して再調整する必要がある。
読んでくれてありがとう！
