X 刚刚开源了驱动“为你推荐”信息流的算法
我通读了每一行代码，然后用 Claude Code 构建了一个 Agent，它能用我的语气生成帖子，并针对算法实际测量的每一个信号进行优化
以下是你如何实现同样的目标：
大多数关于 X 的内容建议都是虚构的：
- 持续发帖
- 在你的领域里互动
- 使用标签
这些建议没有一条是基于算法实际的工作原理，因为直到最近，还没有人知道。
当 xAI 开源了整个“为你推荐”信息流的推荐系统时，情况发生了改变，地址在 → github.com/xai-org/x-algorithm。
• 不是一篇关于算法的博客文章
• 而是实际的源代码
正是这套管道决定了哪些帖文会被展示给不关注你的人，而哪些帖文会石沉大海。
我花了一周时间来阅读它。然后我构建了一个 Claude Code Agent，利用我所学到的知识，以我的语气生成帖子，并针对算法测量的特定互动信号进行优化。
这篇文章囊括了我所知道的关于如何做到这一点的全部知识！
无人问津的代码
X 算法仓库包含四个主要组件：
→ Home Mixer（编排层）
→ Thunder（站内帖子检索）
→ Phoenix（机器学习排名模型）
→ 候选管道框架
它们共同组成了一个推荐系统，用于预测算法考虑展示给你的每一篇帖子的十四种不同用户行为的概率。
以下是隐藏在评分代码中的关键洞见：
> 来自 phoenix/scoring，实际加权分数公式：最终分数 = Σ (权重_i × P(行为_i))。该算法预测 14 种行为的概率，然后将每种概率乘以一个权重并求和。正面行为会将你的帖子推高。负面行为会将其压低。权重并未公开，但行为是已知的。
这很重要，因为它彻底改变了你思考内容策略的方式。
该算法并不是在寻找一个单一的“互动”数字。它是在预测十四种特定的行为，并对每一种行为赋予不同的分数。
这 14 个信号 → 它们对你的内容意味着什么
回复（↑ 高权重）
回复表示真正的兴趣。
能引发思考、不同意见或提问的内容会驱动回复。开放式帖子优于陈述式帖子。
转发（↑ 高权重）
转发表示“我希望我的受众看到这个”。
有用、新颖或有价值的内容比个人更新更能驱动转发。
喜欢（↑ 中等权重）
点赞是摩擦成本最低的信号。它们很重要，但在评分模型中的权重低于回复和转发。
关注作者（↑ 非常高权重）
一篇能让别人关注你的帖子是最强的正面信号。能清晰展示独特视角或有价值专业知识的内容会驱动这一行为。
点击（↑ 中等权重）
个人资料点击表明对作者的好奇心。强烈的个人风格和一致的定位会随着时间的推移驱动这个信号。
停留（↑ 中等权重）
阅读帖子的时间，但没有互动。长文帖子和值得阅读的帖子在这方面得分很高。
不感兴趣（↓ 高惩罚）
点击“不感兴趣”是一个强烈的负面信号。
- 标题党内容
- 离题帖子
- 低质量的转发会触发这个
屏蔽作者（↓ 高惩罚）
屏蔽表明内容烦人但不值得举报。
- 重复的
- 低价值的
- 过度宣传的内容会驱动这个
拉黑作者（↓ 非常高惩罚）
仅次于举报的最强负面信号。攻击性、垃圾信息或令人极度反感的内容会触发这个。
举报（↓ 严重惩罚）
举报是终极手段。即使少量的举报也会立即扼杀内容的传播，并触发可见性过滤。
源代码中的关键洞见：该算法已消除了所有手工设计的特征。基于 Grok 的转换器完全从你的互动历史中学习相关性：• 你喜欢的 • 回复过的 • 分享过的 • 停留过的这意味着：话题和风格的一致性会训练算法将你的内容展示给具有匹配互动历史的用户。而不一致性则会混淆模型。
从代码中还能发现一个关键机制：作者多样性评分器。
在同一会话中，如果算法已经向同一用户展示过你的帖子，它会降低你帖子的分数。
这意味着发布频率很重要，但在短时间内用内容刷屏实际上会损害你每篇帖子的传播效果。
手动发帖的问题
你知道自己的风格……
你知道你的受众……
你大致知道什么内容表现好……
问题是时间、一致性，以及在撰写每一篇帖子时同时保持创造性和分析性这种认知负担。
一个了解你风格的个人 AI Agent，其解决方式不同于通用的 AI 写作工具。
区别在于记忆和模式：一个通用工具产出内容。
• 一个个人 Agent 则产出属于你个人的内容，它根据算法所奖励的特定信号进行校准，并且使用你现有受众已经熟悉的语气。
在构建任何东西之前，你需要回答一个问题：
你的模式实际上是什么样的？
你的模式分析提示 → 首先在 Claude Code 中运行这个
在构建任何东西之前先运行这个。
它生成的风格指南是你的 Agent 会用到的最重要的文档。其他一切都只是围绕它的框架。
选择适合你工作流程的架构
没有一个单一的【正确】的个人 X Agent。
正确的架构取决于你想保留多少控制权、你对技术的熟悉程度，以及你希望这个流程实现多少自动化。
以下是三个完整的蓝图，从最易上手到功能最强大。
蓝图 01
会话 Agent → Claude Code + MEMORY.md
最简单的、实际有效的架构。
• 你在终端中运行 Claude Code，并配有一个预先配置好的 MEMORY.md 文件，其中包含你的风格指南和算法上下文。每次会话中，Claude 都会读取你的记忆并生成帖子，无需你重新解释任何东西。
你构建什么
一个 CLAUDE.md 项目文件，每次你在该目录下打开 Claude Code 会话时，都会加载你的风格、话题定位以及算法的评分优先级。
- 零基础设施
- 除了 Claude 本身，无需任何 API 密钥
日常工作流程
在你的项目目录中打开 Claude Code。用一句话输入你的想法或话题。
获取三个帖子变体，每个都包含一个长文帖子和一个单篇帖子的版本。选择感觉对的那个，编辑以匹配你当前的语气，然后手动发布。总耗时：每篇帖子 8 分钟，而不是 45 分钟。
- 无需任何基础设施
- 完全控制，你批准每篇帖子
- 有人工审核，风格质量最高
- 手动发布——没有定时功能
- 需要你每次打开 Claude Code
蓝图 02
审批管道 → Claude Code + 队列 + Telegram
一个半自动化的系统，可以批量生成帖子，通过 Telegram 发送给你审批，并通过 X API 按计划发布已批准的内容。
你在每篇帖子上都保留了控制权，但完全不再花时间在内容生成上。
架构总览
三个组件协同工作：
- Claude Code Agent，每周日晚上生成周度帖子批次
- Telegram 机器人，将草稿发送到你的手机，供一键批准或拒绝
- 调度器，在算法优化的时间发布已批准的内容
最佳发帖时间 → 算法上下文
算法的 Thunder 组件会实时检索来自已关注账户的帖子。
你帖子的第一个小时互动率是决定它是否被推荐给站外用户的主要信号。
在你最活跃的粉丝们在线的时候发帖。查看你的 X Analytics 数据，了解你特定受众的高峰时段。
通常：周二至周四，你受众主要时区的上午 8-10 点或下午 6-8 点。
- 你批准每篇帖子，质量保持高水平
- 调度器自动处理算法时序
- 每周批量生成，每周只需 30 分钟
- 需要设置 Telegram 机器人和 X API 访问权限
- 免费版的 X API 有发帖数量限制
蓝图 03
自动化栈 → 带反馈循环的多 Agent 系统
一个完全自主的系统，包含三个专门的 Agent：一个生成帖子的内容 Agent，一个读取你的 X 表现数据并识别有效内容的分析 Agent，以及一个根据实际互动结果持续更新你风格指南的优化 Agent。
该系统每周都会学习和改进，无需人工干预！
三 Agent 架构
反馈循环 → 与众不同之处
大多数内容系统优化的目标是让写作者感觉良好。
而本系统优化的目标是算法实际奖励的内容，并每周根据真实数据进行衡量。
优化 Agent 会读取你的互动指标，并用具体的、基于证据的更改来更新风格指南：
[ 以直接问题结尾的帖子获得的回复量是以陈述句结尾的帖子的 3.2 倍 ]
更新指南：将 70% 的帖子加上问题
- 完全自主，一旦运行，每日零投入
- 自我改进，基于真实数据每周变得更好
- 可扩展到任何数量，无需额外时间投入
- 需要 X API 高级访问权限以获取分析数据
- 若每月不审查，存在风格漂移的风险
- 初始构建时间较长，至少需要整整一周
告诉你的 Agent 什么，以及永远不要让它做什么
理解算法源代码揭示了特定的规则，而大多数内容建议完全搞错了这些规则。
将这些规则直接构建到你的 Agent 的指令中。
你的 Agent 必须遵循的规则
- 不要使用标签 算法的 Phoenix 模型是从你的互动历史和内容语义中学习相关性，而不是从标签中学习。 标签是低质量内容的信号，不会改善内容分发。
- 从你的 Agent 的输出中完全删除标签。
- 话题一致性就是算法训练 Grok 转换器学习你的内容类型，并将其与具有兼容互动历史的用户进行匹配。 发布离题的内容会混淆这种匹配。你的 Agent 应该拒绝生成超出你定义的话题范围的帖子。
- 回复窗口期很重要 算法的站内组件（Thunder）近乎实时地将帖子推送给你的粉丝。 但站外分发（Phoenix）依赖于你头一个小时内的站内互动率。在你最活跃的粉丝们在线的时候发帖，而不是在你方便的时候。
- 停留时间是一个被测量的信号 P(dwell) 明确存在于评分模型中。 那些值得阅读、具有非显而易见的回报、叙事结构或分层信息的帖子，比那些两秒钟就能看完的帖子得分更高。
- 关注信号是权重最高的正面信号 能清晰展示独特观点或难以在别处找到的特定专业内容，会驱动 P(follow_author)。 你的 Agent 应该每天至少针对这个信号优化一篇帖子。
永远不要让你的 Agent 做什么
- 永远不要未经审核就自动发布 即使配置最好的 Agent，偶尔也会生成不符合你风格的內容。 始终在审批流程中保留人工环节，即使只是一个一键审批的 Telegram 审核。
- 永远不要生成互动诱饵 【同意还是不同意？】和【你怎么看？】 是低质量的提示，会引发低质量的回复。算法能够区分有实质内容的回复和单字反应。
- 永远不要让它偏离你的风格 AI 内容 Agent 最常见的失败模式是逐步的风格同质化——输出会慢慢趋同于通用的 AI 语气。 每月审查你的风格指南，并将其与 Agent 实际产出的内容进行比较。
- 永远不要只为一个信号优化 该算法使用了十四个信号的加权求和。 那种最大化一个信号【比如为了回复而制造争议】却以牺牲其他信号为代价【触发不感兴趣或举报】的内容，最终的净效果会是负面的。
- 你的 Agent 应该优化一组正面信号的组合。
> 算法不在乎你为了一篇帖子付出了多少努力 > 它测量十四种特定的行为并对每种行为进行评分 > 你的 Agent 应该了解所有这十四种行为
为什么大多数 AI 内容听起来像 AI 内容
每个人都担心的失败模式
【内容听起来像 AI】——是真实存在的。
但它并非不可避免。它发生是因为一个特定的错误：
- Agent 获得的是一个话题，而不是一个模式。
告诉 Agent 【写关于 AI 工具的内容】会产生关于 AI 工具的通用 AI 内容。而告诉 Agent 用以下特征的人的语气写关于 AI 工具的内容：一个从根本上怀疑炒作、只使用具体例子、
并且每篇帖子都以一个暗示着反面答案的问题结尾的人，会产生听起来像你的内容。
区别在于约束的具体性。
你的风格指南越精确地捕捉你实际的模式，而不仅仅是你的话题，产出的内容就越容易被识别出来。
语音保留提示 → 每周运行
在第一个月里每周运行这个对比。
到第四周，Agent 产出和你自然风格之间的差距会缩小到你的审批过程变得快速，编辑也降到最低。
真正重要的指标
大多数人衡量的是粉丝增长和总展示量。
这两者都无法告诉你，你的 Agent 是否成功触及了驱动站外分发的算法信号。
以下是值得追踪的指标：
【每周 Agent 表现审查】
每周一在你的 Agent 生成下一批帖子之前，追踪这些数字：
- 回复率（回复数 ÷ 展示量）→ 目标：高于使用 Agent 之前的基准线
- 关注率（每篇帖子来自非粉丝的新关注数）→ 价值最高的信号
- 站外展示比例（来自非粉丝的展示量百分比）→ 衡量“为你推荐”信息流的渗透率
- 个人资料点击率 → 表明内容是否引发了对你个人的好奇心
- 不感兴趣 / 屏蔽率 → 如果这个数字上升，你的 Agent 正在滑向通用内容
每周将这些数据输入你的分析 Agent。
它们是驱动优化循环的信号。
有一个数字值得特别关注：站外展示比例。这是最清晰的信号，表明 Phoenix 检索系统【从全球内容库中发现帖子的机器学习模型】正在将你的内容展示给不关注你的人。
比例高于 40% 意味着算法正在积极地将你的帖子分发给新受众。
• 低于 20% 意味着你的触达几乎完全依赖于你现有的粉丝。
你的 Agent 的算法优化——包括引发回复的钩子、驱动关注的帖子、奖励停留时间的内容——都是为了推高这个比例。
每周追踪它
如果它没有变化，就需要根据风格指南和算法上下文重新校准 Agent 的输出。
感谢阅读！
