解密 X 演算法：創造「有價值內容」才有流量，推特也存在帳號信用評分

（Twitter）的 For You 演算法到底怎麼決定一篇貼文該不該爆？按讚、留言、轉發誰比較重要？停留時間真的能增加流量嗎？「不感興趣」到底有沒有用？一天發太多文會不會自己搶流量？

這些長年困擾 X 創作者的問題，現在有一部分可以直接從官方程式碼找到答案。

X 在 8 月 13 日大幅更新官方開源的 “x-algorithm” repository，加入 For You 推薦系統的關鍵設定參數，包括各種使用者行為如何轉換成貼文分數，以及 Visibility Filtering 等決定貼文能否進入推薦頁面的系統。

X 的 For You 怎麼決定你看到什麼？

X 公開的架構顯示，每當使用者打開 For You，系統都會重新組合一次推薦內容，而候選貼文主要來自兩大來源。

第一種是 In-Network，由 Thunder 找出你已追蹤帳號近期發布的內容；第二種則是 Out-of-Network，由 Phoenix Retrieval 與 SimClusters 從你沒有追蹤的帳號中尋找可能感興趣的貼文。

兩邊內容最後會一起交給 Phoenix 排名。

Phoenix 的核心問題不是單純判斷「哪一篇貼文最熱門」，而是讀取使用者近期的互動紀錄，再針對每一篇候選貼文預測：「這個使用者看到這篇貼文之後，可能會做什麼？」

模型會同時預測 Like、Repost、Reply、Click 等多種行為的發生機率，再把不同預測結果依權重組合成最終分數。

官方公開的 Phoenix 說明也指出，推薦系統分成 Retrieval 與 Ranking 兩階段，前者先從數百萬候選內容縮小範圍，後者再使用 Transformer 對候選貼文進行排序。

互相追蹤的人留言，還有額外 15 權重加成

比「Reply 是 Like 的 10 倍」更值得注意的，是 X 還公開了一個與社交關係直接相關的參數：

BidirectionalFollowReplyWeightBoost = 15.0

也就是說，當兩個帳號處於雙向追蹤關係時，Reply 還存在額外的 15.0 boost。

這代表 X 的推薦系統並不是把所有留言完全視為同質互動，而會進一步考慮留言雙方之間的社交關係。

留言真的比按讚重要？權重是 10 倍

這次最值得創作者注意的，是 X 終於把部分 ranking weights 直接放進公開程式碼。

目前設定中，Favorite，也就是按讚的權重為 0.5；Repost 為 1.0；Reply 則達到 5.0。

換句話說，單看模型最後組合 predicted actions 時使用的係數，留言權重是按讚的 10 倍，也是轉發的 5 倍。

引用貼文 Quote 同樣是 5.0；一般 Share 為 2.0；透過 DM 分享則為 5.0。

但真正令人意外的是「複製連結」。

目前 Share via Copy Link 的權重達到 20.0，是 Favorite 0.5 的 40 倍，也是 Reply 5.0 的 4 倍。

不過這不能理解成「複製一次連結就等於按 40 次讚」。X 的模型是先預測某個使用者採取各種行為的機率，再乘上不同權重形成最終分數；官方也說明，這些權重同時反映行為的 ranking value 與它在平台上的典型發生率。

更精確的說法是：如果 Phoenix 認為某名使用者看到一篇貼文後，很可能願意把連結複製出去，這項預測在最終 ranking formula 中具有非常高的價值。

為什麼炎上文不一定更吃演算法？檢舉影響極大

「只要有互動就是好互動」也是社群平台長期流傳的說法，但 X 公開的程式碼並不支持這種簡化理解。

因為 Phoenix 不只預測正面互動，也會預測使用者是否可能對內容產生負面反應。

目前公開參數中，Not Interested 權重為 -43.2，Block Author 為 -31.2，Mute Author 為 -58.8，Report 更低至 -234.0。

也就是說，X 不只是計算「這篇文章能不能讓人留言」，還會同時考慮：「它會不會讓使用者討厭到直接靜音、封鎖甚至檢舉？」

因此一篇充滿爭議的貼文即使可能帶來大量留言、引用與分享，模型也可能同時預測它帶來 Not Interested、Mute、Block 或 Report，而這些訊號具有明確的負權重。

停留時間很重要嗎？答案比想像中複雜

另一個創作者經常強調的指標是 Dwell Time，甚至有人主張「讓讀者停留越久，流量就越高」。

X 的 Phoenix 確實會理解使用者的 Attention 行為，官方公開的模型範例中也把 dwell 列為 action type；Phoenix 會利用使用者過去的互動序列，學習其內容偏好。

但目前公開的 ranking parameters 顯示，一般 “DwellWeight” 本身為 0.0；另一方面，連續停留時間 “ContDwellTimeWeight” 則存在正權重，而 “NotDwelledWeight” 為負值。

因此至少從公開程式碼來看，不能簡化成「停留時間越久就一定越容易爆」。

較準確的理解是：Phoenix 確實會把使用者的注意力與停留行為納入模型，但不同類型的 dwell signal 有不同處理方式，並不是一個單純的閱讀秒數排行榜。

沒追蹤的人為什麼一直出現在 For You？

這個問題 X 的架構則回答得相當直接。

Phoenix Retrieval 會先從龐大的內容池尋找與使用者相關的候選貼文；SimClusters 也會根據使用者與內容之間的互動關係尋找可能感興趣的內容。

所以 X 不需要等到你 Follow 某個帳號，才能把他的文章推薦給你。

官方將這類內容稱為 Out-of-Network。

但陌生帳號並非與你已追蹤的帳號完全站在同一起跑線。目前程式碼存在 Out-of-Network 的 discount factor，也就是陌生帳號內容在 scoring adjustment 中可能受到額外折扣。

這代表 X 一方面積極尋找你沒有追蹤的內容，另一方面又會對這些內容設置較高的推薦門檻。

X 新帳號的冷啟動

X 的推薦系統存在一套針對低曝光、新作者內容的 Cold Start / New-Author Boost 機制，而且公開參數其實相當具體。

目前設定包括：

• ColdStartImpressionThreshold = 1000
• ColdStartFollowerCap = 1000
• ColdStartMaxPostAgeSecs = 86400
• ColdStartSlotMin = 15
• ColdStartSlotMax = 16

換句話說，在符合相關條件下，曝光低於 1,000、作者粉絲數不超過 1,000，而且貼文發布時間在 24 小時內的內容，可以被拉到第 15 至 16 個位置附近。

這是 X 目前公開演算法中相當值得小型創作者注意的一組數字。

它意味著 X 並不是完全讓「原本有流量的人繼續拿流量」，而是明確替低曝光、小型帳號保留探索機會，讓系統有機會測試這些內容是否值得進一步推薦。

一天發太多篇真的會自己搶流量？

至少在同一次 For You 排名中，X 確實不希望單一作者洗滿使用者的首頁。

系統存在名為 Author Diversity 的機制。

同一名作者的第一篇候選內容之後，後續內容會被乘上一個逐步下降的 factor，避免同一個人的貼文連續佔據推薦頁。

這項設計意味著，如果某個作者同時有多篇文章進入同一次推薦候選池，系統會刻意增加作者多樣性。

X 公開的是一次推薦請求中的 Author Diversity 機制，而不是「每日發文懲罰公式」。所以一天到底發幾篇最好，目前 repository 沒有答案。

貼文發布後 30 分鐘最重要？X 沒有這樣說

社群經營圈經常流傳「發文前 5 分鐘」、「黃金 30 分鐘」或「第一個小時決定一篇文會不會爆」等說法。

但在 X 目前公開的 repository 中，沒有足夠資料支持這些具體時間。

官方能確認的是 X 的 Pre-Scoring Filters 會排除超過 48 小時的候選貼文，除此之外還會先移除重複內容、使用者自己的貼文、遭封鎖或靜音帳號、符合 muted keywords，以及已經看過的內容。

因此至少就目前公開的 For You pipeline 而言，一篇貼文並不會無限期留在一般推薦候選池。

Shadowban 到底存不存在？

如果 Shadowban 指的是一個名稱就叫「Shadowban」的系統，X 公開資料沒有這樣描述。

但如果問題是：「有沒有可能一篇貼文仍然存在，卻因為系統判定而減少推薦範圍？」

X 這次公開了 Visibility Filtering 系統，它會決定內容應該正常顯示、直接 DROP，或者放到需要使用者額外操作才能查看的 INTERSTITIAL 後方。

這套系統會考慮使用者自己的 Block、Mute 等設定，也會使用其他系統替帳號與貼文產生的 labels。

X 還公開了 Agatha、BDSM、user-cred-v2、Botmaker、Scarecrow 等相關系統，用來建立影響內容可見性的各種訊號與標籤。

因此從使用者角度來看，確實可能出現「貼文還在，但推薦範圍受到限制」的結果，只是官方並沒有把這套機制稱作 Shadowban。

X 真的有「帳號信用分數」？

這次公開的程式碼還揭露另一個相當有趣的答案：X 確實存在 account-level scoring system。

其中 “user-cred-v2” 會利用社交圖譜等資訊產生帳號層級的分數；另外 Agatha、BDSM 等系統也會分析帳號與使用者行為，建立後續可能影響 visibility filtering 的 labels。

所以如果問題是「X 是否只看單篇貼文，完全不管這是哪個帳號發的？」

答案顯然是否定的。X 的 Candidate Hydration 階段本身就會加入作者資料、account labels、語言、engagement counts、subscription status 等資訊。

但這同樣不能被簡化成網路流傳的「帳號有一個隱藏 0～100 信用分數」。公開系統遠比單一數字複雜。

Premium 藍勾會不會直接增加流量？

這個問題目前反而沒有足夠答案。X 的 Candidate Hydration 確實會取得 subscription status。

然而「系統知道你是不是訂閱用戶」與「Premium 一定獲得排名加權」是兩件不同的事情。

僅根據目前公開 repository，無法據此證實網路上常見的「Premium 享有固定 2 倍、4 倍流量」等說法，因此這部分不做推論。

外部連結會被 X 降權嗎？

同樣沒有足夠證據支持這項都市傳說。Phoenix 的確會預測與連結相關的使用者行為，但這不等於「只要貼文包含外部 URL，整篇文章就直接被乘上一個降權係數」。

因此僅依這份官方程式碼，目前不能宣稱「貼外部連結一定被降流量」。