你的動作，被標了什麼價

大部分人以為推薦演算法在找「你會喜歡什麼」。 看完程式碼之後，我認為更準確的說法是：它在算你會不會後悔。

X 的 For You 排序做的事其實很單純。模型先預測「這個人對這則貼文做每一種動作的機率」—— 按讚的機率、回覆的機率、檢舉的機率……然後每個機率乘上一個固定的分數，全部加起來。 分數高的排前面。就這樣。

關鍵在那些「固定的分數」。它們不是模型學出來的，是人手動寫死在設定檔裡的。 換句話說：那張表就是 X 對每一種使用者行為的定價。

價目表

以按讚當作基準單位（1 次按讚 = 0.5 分），其他動作是這樣定價的：

負面訊號的定價，是正面訊號的 8.5 倍。 單看「檢舉」一項（−234），就比所有正面動作加起來（+43.3）還大 5.4 倍。

最反直覺的一條：靜音（−58.8）的懲罰比封鎖（−31.2）重將近一倍。 合理的解讀是——封鎖是「我跟這個人有私人恩怨」，靜音是「這個人講的東西我不想看」。 後者才是對內容本身的評價，所以系統看得更重。

這個 8.5 倍要怎麼讀才不會讀歪。 上面比的是定價，不是每則貼文的實際得分。真正進公式的是「定價 × 模型預測的機率」， 而檢舉、封鎖的預測機率通常極小（萬分之一等級），按讚的機率高得多。 那些機率是模型跑出來的，開源碼裡沒有，我算不出來。 所以正確的說法是：X 對負面訊號的定價，比正面訊號貴一個數量級。 意思是「只要模型認為你有千分之一的機率會檢舉」，這一項就足以壓過好幾個按讚的正分。

還有一件更狠的事

分數算出來如果是負的，會被壓縮到 0 ~ 0.001 這個極窄的區間裡。 意思是：所有負分貼文之間的排序差異幾乎歸零，全部沉到最底下擠成一團。 這不是「排後面一點」，是「掉出可見範圍」。

一則貼文要過的關

從你打開 For You 到看見某則貼文，中間有八道關卡。其中兩件事值得記住：

1. 排序和「能不能看到」是兩套完全分開的系統

排序決定順序，可見度過濾決定能不能出現。 所以一則貼文可以分數很高，卻因為被貼了標籤而完全不出現。這兩件事互不相干。

2. 給粉絲看、跟推薦給陌生人看，標準差很多

那多出來的 26 道裡，好幾道是「高召回率」的偵測——直白講就是寧可錯殺。 同一則貼文，發給追蹤者可以過，推薦給陌生人時要多過 26 道寧可錯殺的關。

很多人覺得「我的貼文只有粉絲看得到」。 那不是錯覺，是設計。

3. 你只有 48 小時

超過 48 小時的貼文會被直接砍掉，連進入排序的機會都沒有。 這是寫死的常數，不是漸進衰減——48 小時之後就是 0。

4. 同一個作者，第二則就開始打折

同一次結果裡，同一個作者的第 2 則貼文分數乘 0.625、第 3 則乘 0.4375， 一路衰減到樓地板 0.25。洗版沒有用——不是被禁，是後面幾則的分數自己塌掉。

那麼，該怎麼做

以下每一條都直接對應價目表上的數字。我不會給「多互動」這種廢話—— 下面講的是哪個動作值幾分，以及那意味著什麼。

把「值得傳給別人」當成唯一目標

價目表最高的兩項都是把內容帶離這則貼文：複製連結分享（20.0）、私訊分享（5.0）。 按讚只有 0.5。也就是說——一次「傳給朋友」抵四十次讚。

怎麼用：問自己「有人會把這則截圖或轉貼到群組嗎？」 如果答案是不會，那它在演算法眼裡幾乎不值錢，不管拿到多少讚。

回覆比轉推值錢 5 倍，而且互相追蹤時再翻 4 倍

回覆 5.0、轉推只有 1.0。而如果你和作者互相追蹤，回覆的定價直接從 5.0 跳到 20.0。

怎麼用：與其求轉推，不如寫出讓人想回一句的東西。 而且經營互相追蹤的關係網，價值遠高於單向粉絲數——這是程式碼裡唯一一個為「互追」特別加分的機制。

影片和圖片本身幾乎不加分

放大圖片、開影片、影片有效觀看，各自只有 0.05——是按讚的十分之一。 停留時間是每秒 0.004。看滿一分鐘的影片，加起來還不到半次按讚。

怎麼用：媒體是拿來讓人願意讀完並轉傳的手段，不是加分項本身。 把資源放在「讓人想分享」而不是「讓人多看幾秒」。

負面訊號是你唯一真正的風險

你要累積 468 次按讚，才能抵銷一次檢舉。118 次按讚才抵得過一次靜音。 而且負分貼文會被壓縮到底部擠成一團。

怎麼用：不要用引戰或標題殺人換互動。 那種內容確實會拿到讚和回覆，但同時會拉高「不感興趣」和「靜音」的預測機率—— 而那邊的定價貴了兩個數量級。這筆帳在演算法眼裡幾乎不可能划算。

發文節奏：一天分散，不要連發

同作者衰減是在同一次結果內生效的，第 2 則就打到 0.625。 加上 48 小時的硬性上限，以及「已經看過的會被過濾掉」。

怎麼用：把貼文分散在不同時段，讓它們落在不同批次的結果裡， 而不是一口氣連發五則互相稀釋。

如果目標是觸及陌生人，內容要能過「寧可錯殺」的關

推薦給非追蹤者要多過 26 道只能砍不能放行的規則，包含高召回率的成人與垃圾訊息偵測、 惡意網址、「不要放大」標籤等。

怎麼用：擦邊球內容可以在粉絲圈流通，但幾乎不可能被推薦出去。 想破圈就得乾淨——這不是道德勸說，是那 26 道關的實際設定。

如果你是讀者，不是創作者

「不感興趣」是你手上最有力的工具

它值 −43.2，是按讚的 86 倍反向力道。而滑過去不看只有 −0.02——幾乎等於沒表態。

怎麼用：想調整你的 feed，按一次「不感興趣」的效果， 勝過默默滑過去兩千次。想讓某類內容消失，靜音（−58.8）比封鎖（−31.2）力道更大。

你點進去的每個個人頁，目前都不計分

ProfileClickWeight 的預設值是 0.0。模型有在預測這個行為，只是目前定價為零。

為什麼值得知道：這是一個隨時可以打開的開關。 X 只要把這個數字從 0 改成 5，整個 feed 的行為導向會立刻改變，而且不需要重新部署程式碼。

那些「蓋好了但關著」的開關

這份程式碼公開的不只是「現在怎麼跑」，更是「隨時可以怎麼跑」。我找到好幾個已經完工、 但預設關閉的機制：

真正的權力不在那些數字本身。 在於那些數字是線上可調的——改一個值，不必動一行程式碼。

還有一條線，接好了但沒接水源

程式碼裡有一個叫 BRIDGE_PROBABILITY 的訊號。 在推薦系統文獻裡，bridging 指的是能跨越對立群體、取得共同認可的內容—— 社群備註（Community Notes）用的就是這類演算法。

它在 X 的模型結構裡有名字、有位置、有兩條完整的接線。但是： 零個開關被打開、零個訓練損失、排序公式裡零個權重參數， 連即時服務的資料生產端都從來不會寫入它。

其他關著的開關，背後至少有訓練好的模型，明天調個數字就有效。 這條線比那更早期：水管接好了、閥門關著、上游根本沒接水源。

在已公開的程式碼範圍內，X 的 For You 排序沒有任何一項是為「跨越對立群體的共識」計分的。

最後：這篇文章不能告訴你什麼

一、這是公開快照，不是線上實況。 設定檔開頭那行註解寫明它是「mirrored from config feature-switch defaults」， 而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 此刻線上用的是多少」。 二、定價不等於實際得分。 公式是「定價 × 模型預測機率」，而機率不在開源碼裡。 所有「A 比 B 值錢 N 倍」的說法，都只成立在定價這一層。 三、這只是 For You 一條線。 我在程式碼裡找到 6 個過濾器屬於其他 timeline 管線，那些管線沒有公開。 另外 X 自己承認沒放 Grox 的 AI 內容安全提示詞——也就是「AI 判定內容時到底問了什麼」，那塊是黑的。

一句話帶走

做讓人想傳給別人的東西，不要做讓人想按「不感興趣」的東西。 前者一次抵四十次讚，後者一次抵掉八十六次。

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。

文中所有權重數值取自原始碼內建預設值，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。