從零開始的 X
本篇依據推薦演算法原始碼解析小帳號專屬的冷啟動扶持機制,提煉出精準發文與關係經營策略。適合粉絲數 1000 以下、希望透過演算法規則高效獲取曝光的創作者參考。
從零開始最該知道的一件事:演算法給了新帳號一個補助,但那是限時的。 不是「新手保護期」那種行銷話術——是程式碼裡一段叫 author_cold_start 的邏輯,預設開啟,條件寫得很死。
它做的事是:在每一次 feed 請求裡,從所有「小帳號的原創貼文」中挑出分數最高的那一則, 把它的分數拉高到那一批候選裡第 16 高的分數。
注意兩件事——每次請求只挑一則,而且拉抬的落點是 那一批候選裡第 16 高的分數,不是第 1 名。 這不是「讓你爆紅」的機制,是「給你一個中段的位置被看見」的機制。
一、那個窗口的規格
冷啟動資格 — 以下必須同時成立
- 必須是原創貼文 —— 回覆不算、轉推不算(in_reply_to_tweet_id.is_none() 且 retweeted_tweet_id.is_none())
- 作者粉絲數 ≤ 1000 —— 剛好 1000 仍然合格,超過才失去
- 該貼文曝光數 < 1000 —— 嚴格小於。衝過 1000 就退出這個池子
- 排名位置還沒掉到後 15%(位置 < 0.85 × 有效候選數)
- 該貼文不是 Phoenix 檢索 MoE 來源(預設分組下的額外條件)
落點的精確算法(很多人會寫錯)
程式碼是把候選分數由高到低排序,然後取 ranked[random_range(lo..hi)] 當目標分數,其中 lo = min(ColdStartSlotMin, hi)、 hi = min(ColdStartSlotMax, 候選數)。
預設 Min=15、Max=16, 所以 random_range(15..16) 恆等於 15—— 「區間內隨機」在預設值下其實沒有隨機性,落點固定是第 16 高的分數。
而且候選數 ≤ 15 時 lo >= hi,函式直接回傳 None —— 整個冷啟動不啟動。要有這個補助,那一批至少要有 16 個有效候選。
一個常被誤傳的條件:24 小時。 程式碼裡確實有 ColdStartMaxPostAgeSecs = 86400(24 小時), 但那一條只在實驗的 Treatment 組生效—— cold_start_freshness_eligible() 對非 Treatment 組直接回傳 true。 而兩個分組開關(PhoenixMoeCodivertViewerIsTreatment / ...IsControl)預設都是 false,也就是預設走 Holdout 組。 所以在預設路徑上,冷啟動沒有 24 小時限制。 真正的硬牆是全域的 48 小時 AgeFilter——超過就直接砍掉,不是慢慢衰退。
這條我一開始也弄錯了。我派出去的素材包把 24 小時寫成通用條件, 外部代理的底稿就照著寫成了通用規則。回頭讀 author_cold_start.rs:149-154 才發現它被分組閘門包住。寫在這裡當提醒:條件式的東西,要看它被什麼包住。

兩個容易被忽略的性質
一、它不救爛貼文。 第 4 條資格是「排名位置還沒掉到後 15%」。冷啟動做的是把本來就不算差的貼文 從中段拉到第 16 名,不是把墊底的救活。內容品質仍然是入場券。
二、它是一場 argmax 競賽。 在所有合格的小帳貼文裡「只挑分數最高的那一則」—— 這種競賽獎勵「對某個窄人群極端有用」,不獎勵「對所有人都中等」。 中等內容在 argmax 下永遠排不到第一。所以主題要窄到一句話講得完。
| 項目 | 數值 | 說明 |
|---|---|---|
| 粉絲上限 | 1000 | ≤ 1000 合格;超過就失去資格 |
| 單則曝光上限 | 1000 | < 1000。衝過就退出冷啟動池 |
| 每次請求名額 | 1 | 所有合格者中只挑分數最高的一則 |
| 拉抬落點 | 第16 | 拉到第 16 高的分數。且候選數 ≤15 時完全不啟動 |
二、六個條件反推出的三條操作規則
規則一
同時只留「一則」主打原創在場上
因為每次 feed 請求只挑一則。你同時發三則原創,它們不會拿到三個名額,而是互相搶同一個。
依據:apply_cold_start 用 max_by(scores) 只取一個索引,然後只對那一則做分數拉抬。

規則二
第二則會「課稅」給第一則
更狠的是順序問題。在預設路徑上,程式碼的執行順序是:
冷啟動拉抬 → 同作者衰減 → 未追蹤折扣 ×0.75意思是:就算你的貼文被冷啟動拉起來了,如果你還有另一則排在它前面, 它接著會被同作者衰減乘上 0.625,然後再乘 0.75 的未追蹤折扣。 拉抬是先發生的,扣分是後發生的。
依據:ranking_scorer.rs 中 author_cold_start.apply() → apply_author_diversity() → after_diversity × effective_oon 的先後順序(已機器驗證)。

規則三
換下一則的時機,看兩個數字
一則主打貼文「用完」的信號有兩個:曝光衝過 1000(退出冷啟動池), 或發布滿 48 小時(被 AgeFilter 直接砍掉)。任一發生,就換下一則。
依據:ColdStartImpressionThreshold = 1000、 MAX_POST_AGE = 172800 秒。原始碼沒有「最佳發文時段」或「一天該發幾則」, 別人講的那些數字不在這份程式碼裡。
把它想成一個插槽:場上永遠只放一則主打原創, 等它衝過 1000 曝光或滿 48 小時,再換下一則進場。
一個系統不會幫你擋的坑:主題疲勞
已讀過濾(3 道)是貼文級的,不是主題級的。 同一個人可以在一週內看到你三則不同的、但講同一件事的貼文——系統完全不會攔。
而主題疲勞正是「靜音」(−58.8)的來源。所以這件事必須自己管: 同一主題最短重訪間隔 48 小時(等原貼被 AgeFilter 砍掉、不會自我競爭), 實務上排成 7 天輪替表。
附帶一個推論:超過 48 小時的舊內容,換角度重寫再發,在機制上沒有任何損失—— 原貼已經在 AgeFilter 之外,早就沒有流量了。這是這套打法的主力。
三、1000 粉絲不是天花板,是一張限時票
超過 1000 粉之後,你失去的只有這件事:原創貼文被挑中、被挑中、拉到第 16 高分數的機會。 程式碼裡沒有任何對「粉絲超過 1000」的額外懲罰——一般評分、候選、過濾流程完全一樣。
所以正確的看法不是「卡在 1000 以下比較好」,而是:
在 1000 粉之前,你有一個限時的免費測試場。 這段時間該做的事,是把「什麼內容能靠正常分數活下來」測出來—— 因為過了 1000,補助就沒了,剩下的全靠內容本身。

一個實際的判準:如果你的貼文只有在被冷啟動拉抬時才有曝光, 那表示內容本身的預測分數不夠,過了 1000 就會斷崖。 反過來,如果一則貼文的曝光遠超過 1000(早就退出冷啟動池了還在跑), 那才是「內容自己走得動」的證據。
四、寫什麼:價目表決定內容形態
分數 = 每個動作的預測機率 × 該動作的權重。權重是寫死在設定檔裡的定價:
| 動作 | 定價 | 對從零的人代表什麼 |
|---|---|---|
| 複製連結,拿去別處分享 | 20.0 | 最值錢。等於 40 次按讚 |
| 回覆(你和對方互相追蹤) | 20.0 | 5.0 + 15.0 加成。見第五節 |
| 回覆 / 私訊分享 / 引用轉推 | 5.0 | 各等於 10 次按讚 |
| 看完去追蹤作者 | 4.0 | 從零階段最實際的正向訊號 |
| 一般分享 | 2.0 | |
| 轉推 | 1.0 | 只有按讚的 2 倍,比多數人以為的低 |
| 按讚 | 0.5 | 基準單位 |
| 放大圖片 / 開影片 / 影片有效觀看 | 0.05 | 幾乎不值錢 |
| 停留(每秒) | 0.004 | 看一分鐘不到半次按讚 |
| 點進作者個人頁 | 0.0 | 目前完全不計分 |
所以內容目標不是「值得被按讚」,是「值得被帶走」。 問自己一句話就夠了:有人會把這則複製連結、貼到群組或私訊給朋友嗎?

從零階段可以優先做能被獨立帶走的內容單元:一份整理好的清單、一張對照表、 一組操作步驟、一個查得到出處的數字、一個講得清楚的判斷。 這些是為了 20.0 和 5.0 那幾項設計的形態——但要說清楚: 這是內容設計,不代表那些動作一定會發生。
五、互相追蹤:程式碼裡唯一為關係加分的機制
整份權重表裡,只有一個地方為「人跟人的關係」額外加分: 當你和作者互相追蹤時,回覆的權重從 5.0 變成 20.0。 沒有第二個。粉絲數本身不加分,單向追蹤不加分。
而這裡有一個對從零的人特別重要的組合:
兩條互不衝突的軌道
- 主貼軌道:原創貼文 → 走冷啟動,一次一則
- 回覆軌道:回覆沒有冷啟動資格(第一個條件就排除了), 所以回覆完全不會佔用、也不會稀釋你的主貼名額—— 而在互追關係下,它值 20.0
換句話說:多回覆不會傷害你的主貼。這兩條軌道在程式碼層面是分開的。 從零開始的實際做法是——每天一則主打原創走冷啟動, 其餘精力放在建立真實的互相追蹤關係並在那些人的貼文下認真回覆。

但「空殼互追」的價值是零,不是小,是零
關鍵在於:那 +15.0 的加成是乘在「模型預測他會回覆你」這個機率上的。 如果對方從來不回你的話,p(回覆) ≈ 0,那 15.0 × ≈0 ≈ 0。
而同時,每一個互追都會讓你的粉絲數 +1 —— 而粉絲數超過 1000 就永久失去冷啟動資格。
這是整套策略裡最尖銳的張力: 你只有 1000 個粉絲名額,而互追要花掉其中一格。 每一個空殼互追,都是在花掉你的補貼期額度,去買一個價值 0 的東西。
所以追蹤標準只有一條:這個人會不會真的回我話。可觀察的判準(在你追蹤他之前就看得到):
- 他的時間軸上有沒有大量「他回覆別人」的紀錄?只發不回的人,這條加成永遠拿不到。
- 他的主題跟你重疊嗎?重疊才有話可回,回覆才有內容。
- 粉絲量不重要。追大帳號幾乎不會互追,加成拿不到;追蹤他只會影響你自己看到的東西。
執行方式很土:每天挑固定幾個人,讀完全文再回一句有實質內容的話(不是「說得好」「同意」)。 追蹤發生在他回你之後,不是之前。
順帶一個推算:把互追加成算進去,正面總預算從 43.324 變成 58.324, 負/正比值從 8.48 降到 6.30。 這是整份程式碼裡唯一一個能改善你負正結構的槓桿。
但這不是「互追術」的許可。互讚互追群組(engagement pod)、 為了衝數字的大量機械回覆,是平台明文禁止的操縱行為。 而且從演算法角度它也划不來——理由在下一節。

六、從零最不能犯的錯:用爭議換第一批粉絲
| 項目 | 數值 | 說明 |
|---|---|---|
| 正權重合計 | +43.3 | 18 個正項全部做滿的上限 |
| 負權重合計 | −367.2 | 檢舉、靜音、不感興趣、封鎖 |
| 倍數 | 8.48× | 負面定價是正面的幾倍 |
先把 43.324 這個數字看懂:它是「一位讀者把每一種正面動作全部做滿」的理論上限 (機率全部等於 1,現實不可能)。有了這個上限,負面訊號就能換算成很具體的東西:
| 一次負面動作 | 定價 | 等於抵掉多少正面 |
|---|---|---|
| 檢舉 | −234.0 | 5.40 位「把每個正面動作都做滿」的完美讀者 = 468 次讚 = 46.8 則回覆 = 11.7 次複製連結分享 |
| 靜音作者 | −58.8 | 1.36 位完美讀者 = 117.6 次讚 = 11.76 則回覆 |
| 不感興趣 | −43.2 | 0.997 位完美讀者 —— 幾乎剛好抵掉一整位 = 86.4 次讚 = 108 次點擊 = 216 次外連點擊 |
| 封鎖作者 | −31.2 | 0.72 位完美讀者 = 62.4 次讚 |
| 滑過去沒停留 | −0.02 | 幾乎沒有 = 0.04 次讚 |
「被滑過去」和「被按不感興趣」,差 2160 倍。 所以千萬不要為了「防止被滑掉」而寫聳動開頭—— 你省下的是 0.02,換來的風險是 43.2。
用系統自己的算式,算一則貼文
分數就是 Σ(權重 × 機率),所以每次曝光的期望貢獻可以直接算。 下面的機率是為了示範算式而假設的,不是實測值——repo 裡沒有機率。
示範:一則「20% 的人按讚、3% 的人按不感興趣」的貼文
按讚貢獻 0.20 × 0.5 = +0.100
不感興趣貢獻 0.03 × 43.2 = −1.296
─────────
淨值 −1.1963% 的「不感興趣」吃掉 20% 按讚率的 12.96 倍。 想靠按讚打平?需要按讚率 259.2% —— 不可能。 想靠複製連結分享打平?需要 6.48% 的人複製你的連結 —— 極高,但至少是個可能的數。
這就是整套策略的核心:在這個定價結構下,唯一扛得住負面訊號的正項是「被複製帶走」。 按讚扛不住。
幾個常見漲粉手法的期望值
| 手法 | 它換到的 | 它的成本(定價層換算) |
|---|---|---|
| 引戰/對立框架 | 回覆 5.0 | 1 次檢舉需 46.8 則回覆抵銷;1 次靜音需 11.76 則 |
| 標題黨/釣點擊 | 點擊 0.4 | 1 次「不感興趣」= 108 次點擊 |
| 湊字數拉長停留 | 每秒 0.004 | 1 次檢舉 = 16.25 小時的停留 |
| 大量導流外站 | 外連點擊 0.2 | 複製連結分享是它的 100 倍,方向搞反了 |
| 設鉤子騙人看主頁 | ProfileClick 0.0 | 定價層 0 分。主頁不產生分數,它是把曝光換成「追蹤作者 4.0」的轉換頁 |
| 自己狂轉推 | — | 轉推不符冷啟動資格,這條路的冷啟動機會是 0 |
一次檢舉是 −234.0,而且——分數一旦算成負的,會被壓縮到 0 到 0.001 這個極窄區間, 負分貼文彼此之間的排序差異幾乎歸零,整批沉到最底下。這不是「排後面一點」。
把帳算給你看:靠引戰拿到 100 個讚(+50), 只要同時讓 1 個人按了靜音(−58.8),這筆交易就已經是負的。

這就是為什麼「爭議性內容漲粉快」在這個定價結構下是負期望值: 它同時推高正面和負面動作的預測機率,而負面那邊貴了一個數量級。 從零開始尤其危險——你還沒有內容資產可以攤銷這個成本。
選題的一票否決權
發布前先回答這一題
一個完全不認識你、也不同意你立場的陌生人讀到這則, 最可能的反應是「無聊,滑過」還是「想按不感興趣」?依據:−0.02 對 −43.2,差 2160 倍。 你的內容對非受眾的最壞情況必須是「無聊」,不能是「討厭」。
想被推薦給陌生人,內容要更乾淨
冷啟動的意義就是讓非追蹤者看到你。但推薦給非追蹤者的內容, 要比給追蹤者多過 26 道規則,而且那 26 道只能砍、不能放行, 其中包含「高召回率」的垃圾訊息與成人內容偵測——直白講就是寧可錯殺。
非追蹤者路徑沒有前情提要。需要脈絡才不冒犯的東西(反串、圈內梗、諷刺) 在這條路上只有被錯殺的份。擦邊球內容可以在粉絲圈流通,但幾乎不可能被推薦出去。
七、這件事能自動化到什麼程度
可以,而且應該——但要先分清楚三件事:哪些是機器該做的、哪些是機器可以做但必須人工放行的、 哪些是碰了就出事的。

✓ 綠燈:機器全自動,正當且該做
- 用官方 X API 發布「已經人工核准」的內容
- 拉取成效數據、建立 24/48 小時快照
- 維護「目前場上哪一則是主打貼」的狀態機
- 門檻告警:曝光衝過 1000、發布滿 48 小時、粉絲跨過 1000、排程衝突、API 錯誤
- 素材庫、版本紀錄、選題假設與實驗紀錄
- 重複內容偵測(避免自己撞自己)
▲ 黃燈:機器做草稿,人工放行
- LLM 產生貼文草稿、改寫、整理格式
- LLM 整理回饋、產生下一輪選題 brief
- 回覆與私訊的候選草稿——但送出前必須由人讀過
- 本地資格檢查(原創/非回覆/非轉推/粉絲/曝光)
✕ 紅燈:不要做,這些是平台明文禁止的操縱行為
- 假帳號、多帳號協同偽造互動訊號
- 互讚互追群組(engagement pod)
- 自動大量回覆、自動大量私訊
- 操縱投票
- 規模化的違規爬取
為什麼紅燈那些「即使沒被抓也划不來」
這不只是規則問題,從演算法機制也說得通:
- 機械互動衝不到值錢的動作。價目表上頂端是「複製連結分享」「私訊分享」「引用」—— 這些是真人覺得值得帶走才會做的事。自動化能刷的是讚(0.5),刷不到 20.0。
- 把內容推給不匹配的人,是在買負分。操縱換來的曝光會落到不感興趣的受眾身上, 推高 NotInterested/Mute/Report 的預測機率——那邊貴 8.48 倍。
- 量產反而稀釋自己。冷啟動每次只挑一則,同作者衰減又在拉抬之後才作用。 自動化狂發只會讓自己的貼文互相搶名額、互相課稅。
工具鏈長這樣
選題假設/素材庫
│
▼
LLM 草稿與格式整理
│
▼
機器資格檢查(本地可算的部分)
原創? 非回覆? 非轉推? 粉絲 ≤1000? 場上是否已有主打貼?
│
▼
╔══════════════════════════════════╗
║ 人工閘門:事實、語氣、風險、定案 ║ ← 不可省略
╚══════════════════════════════════╝
│ 核准
▼
發布佇列 ──► 官方 X API 發布
│
▼
狀態機:粉絲數/單則曝光/貼文年齡/場上主打貼
│
├─► 告警(曝光破 1000、滿 48h、粉絲破 1000)─► 人
├─► 24h / 48h 成效快照 ──────────────────► 報表
└─► 下一輪 brief ─────────────────────► LLM 草稿
留言/私訊另走人工支線:
分類與草稿(機器)─► 人讀過並判斷語境 ─► 真人送出一個關鍵設計:分清楚「本地能算」與「伺服器才知道」
本地算得出來(可以做成自動閘門):
原創 且 非回覆 且 非轉推
且 粉絲數 ≤ 1000
且 該貼文曝光 < 1000
伺服器才知道(不要假裝你算得出來):
該貼文在某次 feed 請求中的排名位置 < 0.85 × 有效候選數
該貼文是否為所有合格候選中分數最高的那一則
模型對每個動作的預測機率這個分界很重要,因為它決定你的儀表板能宣稱什麼。 你永遠看不到自己有沒有真的拿到那次拉抬。 曝光上升可能來自冷啟動,也可能來自一般排序或外部傳播—— 不要把相關當成因果,也不要自己發明一個「X 分數」放在儀表板上假裝那是真的。
量測要量對東西
最後一個實務建議:不要把「讚數」當主要指標。 按讚定價 0.5,而分享/引用/回覆是 5.0~20.0。 你的報表應該把分享類與回覆類單獨拉出來看, 因為那才是價目表上真正推動排序的部分。
八、這套策略最可能在哪裡失效
最大的風險是過度擬合一份公開快照。 冷啟動雖然預設開啟,但一則貼文仍必須先進入有效候選、通過 17 道前置過濾、 沒掉到後 15%,並且在同一次請求的所有合格候選中分數最高—— 而拉抬落點也只是第 16 高的分數;候選不足 16 個時根本不啟動。 如果內容與受眾不匹配,「一次一則」的節奏不會補救偏低的預測分數, 反而可能因為負面預測而落進 0~0.001 的壓縮區。 而且帳號端看不到模型機率、看不到實際排名、看不到完整的負面訊號, 很容易把一般波動誤讀成冷啟動生效。 還有一個結構性風險:一旦粉絲超過 1000,如果你還沒長出不依賴補助的內容能力, 這個排序支援就會直接消失,而原始碼裡沒有提供替代的成長機制。 但最根本的反駁是這一條:這整份手冊證明的是「怎麼不被扣分」,不是「怎麼得分」。 公式裡,正項和負項是分開加總的。 避開負分不會自動產生正分。 如果我把「避雷」講得太重,你寫出來的會是對誰都無害、因此對誰都沒用的東西—— 而那類內容的正面預測機率同樣趨近於零,最後分數一樣停在 0.001 附近。 更硬的缺口是:冷啟動每次只拉抬一則,如果全球合格小帳的數量遠大於 feed 請求數, 個別帳號拿到那個名額的頻率可能低到策略層面沒有意義—— 而競爭者基數原始碼未載,這個策略的期望值我算不出來。 還有一個結構性脆弱:EnableViewerColdStart 是一個開關。 同一份設定裡,NEW_USER_OON_WEIGHT_FACTOR = 0.00001 這種極端力道的參數存在、門檻設 0 關著——證明 X 保留了隨時翻轉新帳號分發的能力。 任何「靠冷啟動起步」的策略,對這個開關結構性脆弱。

九、這份手冊不能告訴你什麼
一、這是公開快照,不是線上實況。param.rs 開頭註解寫明它是 "mirrored from config feature-switch defaults; last sync 2026-08-12", 這些值線上隨時可調。程式碼能證明「公開版的預設值是多少」,證明不了「X 此刻用的是多少」。 二、定價不等於實際得分。公式是「權重 × 模型預測機率」,而機率不在 repo 裡。 所有「A 比 B 值錢 N 倍」只成立在定價這一層,不能拿權重乘上互動次數冒充演算法分數。 三、只涵蓋 For You 一條線。另有 6 個 filter 屬於其他管線未公開; Grox 的 LLM 內容安全提示詞 X 明說沒放。 四、這是營運策略,不是成效承諾。 上面每一條都是從已公開機制推出來的操作建議,不是平台保證,也不保證觸及或粉絲成長。 原始碼裡沒有「最佳發文時段」「一天該發幾則」這種東西——看到有人給你這類精確數字, 可以問他是從哪一行讀出來的。
原始碼未載清單(不能拿來做決策的東西)
把「我不知道」明確列出來,比假裝知道有用:
| 未載項目 | 因此不能宣稱 |
|---|---|
| 各動作的模型預測機率 | 任何一則貼文的實際得分 |
| 發文時段、時區、使用者活躍分布 | 「幾點發最好」——看到有人給你精確時段,可以問他從哪一行讀出來的 |
| 冷啟動合格競爭者的數量級 | 拿到那個名額的期望頻率 |
| 「有效候選數」是否等於一批 64 則 | 0.85 位置門檻的實際值 |
| 同作者衰減的 k 是否把回覆計入 | 回覆會不會稀釋主貼(本文假設不會,但這條未證) |
| PreviouslyServed 的作用域是貼文 ID 還是內容指紋 | 「48 小時後重寫再發」是否真的乾淨 —— 如果是指紋,這條主力打法直接失效 |
| 未追蹤折扣套用在 pos/neg 還是 combined 上 | 折扣對負分貼文的實際效果 |
| 「帶主題」的定義(hashtag?topic entity?) | —— 注意它的折扣 ×0.5 比一般未追蹤 ×0.75 更重,這跟「用主題標籤打陌生人」的常見做法方向相反 |
| Grox 的 LLM 內容安全提示詞 | 「什麼算不安全」的判準 —— 這恰好是 X 明說沒放的那一份 |
一個誠實的內在矛盾:這份手冊的核心是「避開安全懲罰」, 但判定安全與否的那份提示詞,正好是 X 沒有公開的部分。 用一份缺了安全判準的快照,去寫一份以避開安全懲罰為核心的策略—— 這件事本身就有矛盾,我沒辦法從公開材料內部解決它。
這份手冊是怎麼做出來的(含一次我自己的錯)
我把同一份素材包同時發給兩個獨立代理各寫一份底稿,再逐條對原始碼驗收。 兩份底稿的算術我全部重算過(23 條全對),採用的部分都標在上面。
但兩份底稿都繼承了我的一個錯誤。 我在素材包裡把「24 小時」寫成了冷啟動的通用條件, 兩個代理都照著推導出「間隔 24 小時發文,讓資格窗不重疊」這種結論。 回頭讀 author_cold_start.rs:149-154 才發現那條被實驗分組閘門包住, 預設路徑根本不生效。「一天一則」這個結論仍然成立, 但它的依據是「每次只挑一則」+「同作者衰減在拉抬之後」, 不是那個不存在的 24 小時窗。 抓到它的不是代理之間的分歧,是回去讀原始碼。 兩個獨立代理拿到同一份錯誤前提,會一致地推出同一個錯誤結論—— 共識不等於正確。
一句話帶走
在 1000 粉之前,場上只放一則值得被帶走的原創; 其餘時間去建立真實的互相追蹤關係。 自動化管線,人工管判斷。
來源與驗證
本文依據 xai-org 於 GitHub 公開的 X 推薦演算法原始碼撰寫,判讀日期 2026 年 8 月 14 日。
| 項目 | 內容 |
|---|---|
| 原始碼儲存庫 | xai-org/x-algorithm |
| 判讀版本 HEAD | a389166f6cf5da70a286b568c87695d4dcdce3a1 |
| 快照日期 | 2026-08-13 |
| 機器命題驗證 | 76 條,全數通過 |
| 本文引用的原始碼檔案 | x-algorithm README(官方說明)、冷啟動機制 author_cold_start.rs、權重與門檻參數 param.rs、評分器 ranking_scorer.rs |
文中所有機制與門檻值取自原始碼,並經機器命題逐條復現驗證。
效力界線:原始碼中的參數註明為 feature switch 預設值的鏡像,線上可隨時調整。 本文能證明公開版本的預設值,不能證明平台線上當下實際使用的數值。 最終分數為「權重乘以模型預測機率」,而機率不在公開原始碼內,因此所有倍數比較僅成立於定價層。
FAQ
- 獲得小帳號冷啟動補助的具體資格條件是什麼?
- 必須同時符合五項條件:貼文為原創(非轉推或回覆)、作者粉絲數不超過 1000 人、該貼文曝光數小於 1000 次、貼文原始排名未落入後 15%、且非 Phoenix 檢索 MoE 來源。
- 小規模アカウントのコールドスタート支援を受ける具体的な資格条件は? — 次の五条件をすべて満たす必要がある:投稿がオリジナル(リポストでも返信でもない)、作者のフォロワー数が1000人を超えない、当該投稿のインプレッション数が1000回未満、投稿の元の順位が下位15%に入っていない、かつ Phoenix 検索 MoE のソースではない。
- What are the exact eligibility requirements for small-account cold-start support? — All five conditions must be met: the post is original (not a repost or reply); its author has no more than 1000 followers; it has fewer than 1000 impressions; its original ranking is not in the bottom 15%; and it is not from the Phoenix retrieval MoE source.
- 冷啟動機制會將貼文提升到推薦池的哪一個位置?
- 依據預設參數設定,冷啟動會將合格候選中分數最高的一則貼文,分數拉抬至該批候選中第 16 高的位置。若該批有效候選數小於或等於 15,冷啟動機制將不會觸發。
- コールドスタート機構は投稿を推薦プールのどの位置まで引き上げる? — 既定パラメータ設定によれば、コールドスタートは条件を満たす候補のうち最もスコアが高い一件の投稿を、その候補バッチで16番目に高い位置まで引き上げる。当該バッチの有効候補数が15以下の場合、コールドスタート機構は発動しない。
- To which position in the recommendation pool does cold start raise a post? — Under the default parameter setting, cold start raises the highest-scoring eligible post to the 16th-highest position among that batch's candidates. If the batch has 15 or fewer valid candidates, the cold-start mechanism does not trigger.
- 為什麼小帳號在同一時間只建議在場上保留一則主打原創貼文?
- 每次 feed 請求只會挑選一則原創進行拉抬,多發原創只會自我競爭同一名額。此外,排在後面的貼文還會接連承受同作者衰減與未追蹤折扣,反而削弱曝光效益。
- 小規模アカウントに、同時に場に残す主力オリジナル投稿を一件だけと勧めるのはなぜ? — フィードリクエストごとに、引き上げ対象として選ばれるオリジナル投稿は一件だけであり、複数のオリジナル投稿は同じ一枠を奪い合うだけである。さらに後ろに並ぶ投稿は、同一作者減衰と未フォロー割引を続けて受け、かえって露出効果を弱める。
- Why are small accounts advised to keep only one lead original post in play at a time? — Each feed request selects only one original post for a boost, so posting more originals merely makes them compete for the same slot. Later posts also incur same-author decay and out-of-network discounts, weakening exposure instead.
- 判斷換下一則主打貼文進場的信號是什麼?
- 當前主打貼文若曝光累積突破 1000 次(退出冷啟動池),或發布時間已滿 48 小時(被年齡過濾器剔除),即為更換下一則原創貼文進場的最佳時機。
- 次の主力投稿を出す判断シグナルは? — 現在の主力投稿のインプレッションが1000回を超えたとき(コールドスタートプールから退出する)、または公開から48時間が経過したとき(年齢フィルターで除外される)が、次のオリジナル投稿を出す最適なタイミングである。
- What signals indicate it is time to bring in the next lead post? — When the current lead post surpasses 1000 impressions and leaves the cold-start pool, or reaches 48 hours and is removed by the age filter, it is the best time to bring in the next original post.
- 為什麼追求無實質互動的「空殼互追」對新手帳號反而有害?
- 互追加成的 15.0 分需乘上對方回覆你的預測機率,若對方不回則加成趨近於 0。同時每個互追都會消耗寶貴的 1000 粉絲冷啟動額度,形同浪費補貼資格。
- 実質的な交流のない「見せかけの相互フォロー」を追求すると、新規アカウントにかえって害となるのはなぜ? — 相互フォロー加点の15.0点には、相手があなたに返信する予測確率を掛ける必要があり、相手が返信しなければ加点は0に近づく。同時に相互フォロー一件ごとに貴重な1000フォロワーのコールドスタート枠を消費するため、支援資格を浪費するのと同じである。
- Why can pursuing "hollow" mutual follows without meaningful interaction harm new accounts? — The 15.0 mutual-follow bonus must be multiplied by the predicted probability that the other party replies to you, so it approaches 0 if they do not reply. Each mutual follow also consumes part of the valuable 1000-follower cold-start allowance, effectively wasting eligibility for the subsidy.
來源錨定
- xai-org/x-algorithm 原始碼儲存庫 · https://github.com/xai-org/x-algorithm · 在 IDAEO 的其他引用
- x-algorithm README(官方說明) · https://github.com/xai-org/x-algorithm/blob/a389166f6cf5da70a286b568c87695d4dcdce3a1/README.md · 在 IDAEO 的其他引用
- 冷啟動機制 author_cold_start.rs · https://github.com/xai-org/x-algorithm/blob/a389166f6cf5da70a286b568c87695d4dcdce3a1/home-mixer/scorers/author_cold_start.rs · 在 IDAEO 的其他引用
- 權重與門檻參數 param.rs · https://github.com/xai-org/x-algorithm/blob/a389166f6cf5da70a286b568c87695d4dcdce3a1/home-mixer/params/param.rs · 在 IDAEO 的其他引用
- 評分器 ranking_scorer.rs · https://github.com/xai-org/x-algorithm/blob/a389166f6cf5da70a286b568c87695d4dcdce3a1/home-mixer/scorers/ranking_scorer.rs · 在 IDAEO 的其他引用
引用本文
TK Lin・《從零開始的 X》・IDAEO 知識庫・2026-08-14・https://km.idaeo.ai/post/ai/x-algorithm-playbook