夜雨聆风
刚刚!X 官方算法源码全公开小白保姆级深度解读:Grok 是怎么决定你看到什么的?
⚠️ 免责声明：本文基于 X 官方开源代码库解读整理，旨在帮助理解算法原理。平台政策持续迭代中，具体运营效果因人而异，仅供参考学习。
🔥 刚刚！X 官方算法源码全公开
小白保姆级深度解读：Grok 是怎么决定你看到什么的？
2026年1月19日 · GitHub: xai-org/x-algorithm · 大白话拆解
🚨 刚刚发生的大事
就在几小时前，X（原 Twitter）正式在 GitHub 开源了他们的最新推荐算法！
这不是 2023 年那个旧版本，而是全新的 Grok AI 驱动版本——代码仓库才 3 颗星，你可能是第一批看到这篇解读的人！
📍 github.com/xai-org/x-algorithm
✦ ✦ ✦
⚡ TL;DR 速览：30秒看懂核心变化
📋 Cheatsheet：新算法 vs 旧算法
❌ 旧算法（2023）
手工设计特征 + 规则系统 + 多个独立模型
✅ 新算法（2026）
Grok Transformer 一个模型搞定一切，完全消除手工特征
🎯 一句话总结
Grok 会阅读你的每一次互动历史，然后预测你对每条帖子会做什么（点赞？回复？拉黑？），按预测分数排序推给你。
🧩 四大核心组件（记住这四个名字）：
🏠 Home Mixer · 总指挥 · 协调所有流程
⚡ Thunder · 关注流 · 你关注的人发的帖子
🔥 Phoenix · AI大脑 · Grok模型做检索+排序
🔧 Candidate Pipeline · 流水线框架 · 可复用的推荐管道
✦ ✦ ✦
一 大白话：X 算法到底在干啥？
先别慌，咱们用点外卖来打个比方 👇
🍜 想象你打开美团点外卖…
美团怎么知道该给你推什么？
✦ 你之前点过什么（互动历史）
✦ 你收藏了哪些店（关注列表）
✦ 你给差评的店（屏蔽/拉黑）
✦ 附近还有什么新店（全网发现）
X 的 For You 信息流，原理一模一样！只不过”外卖”变成了”帖子”。
📐 核心公式（人话版）
你看到的帖子 = 关注的人发的 + AI 帮你发现的
（Thunder 提供） + （Phoenix 提供）
🔄 一条帖子是怎么出现在你首页的？
1你打开 X
系统开始给你”备菜”
2Thunder 去冰箱拿食材
把你关注的人最近发的帖子全拿出来
3Phoenix 去外面采购
用 AI 从全网找你可能喜欢的帖子
4过滤掉坏食材
删重复的、太老的、你拉黑的人发的…
5Grok 大厨来打分
预测你会对每道菜做什么（吃？扔？投诉？）
6按分数排序上菜
分高的帖子先让你看到
✦ ✦ ✦
二 Phoenix：算法的”AI 大脑”深度解析
Phoenix 是整个系统的灵魂，它干两件事：
🔍 功能1：检索（Two-Tower Model）
作用：从全网几十亿条帖子里，找出你可能感兴趣的那几千条
🏗️ 怎么实现的？双塔模型！
User Tower（用户塔）：把你的特征（关注谁、最近点赞啥）变成一串数字
Candidate Tower（候选塔）：把每条帖子也变成一串数字
匹配：用向量点积找最像的帖子（就像找”味道最像”的菜）
💡 打个比方：这就像相亲软件
把你变成一个”画像”（喜欢什么、讨厌什么），把帖子也变成”画像”，然后找最匹配的介绍给你。
📊 功能2：排序（Grok Transformer）
作用：对检索出来的帖子精排，决定谁排第一、谁排最后
🎯 Grok 会预测你对每条帖子的 15 种行为概率：
✅ 正向行为（分数加分）：
P(favorite) 点赞概率
P(reply) 回复概率
P(repost) 转发概率
P(quote) 引用转发概率
P(click) 点击详情概率
P(profile_click) 点击作者主页概率
P(video_view) 看视频概率
P(photo_expand) 展开图片概率
P(share) 分享概率
P(dwell) 停留阅读概率 ⭐
P(follow_author) 关注作者概率 ⭐
❌ 负向行为（分数减分）：
P(not_interested) 点”不感兴趣”概率
P(block_author) 拉黑作者概率 💀
P(mute_author) 静音作者概率
P(report) 举报概率 ☠️
📐 最终分数计算公式：
Final Score = Σ (weight × P(action))
正向行为权重为正，负向行为权重为负
如果 Grok 预测你大概率会拉黑这条帖子，它的分数会被压得很低
✦ ✦ ✦
三 过滤器：哪些帖子会被”踢出局”？
在打分之前和之后，系统会用一堆过滤器把不该出现的帖子干掉：
🚧 打分前过滤（Pre-Scoring Filters）：
DropDuplicatesFilter · 删重复帖子
AgeFilter · 删太老的帖子
SelfpostFilter · 删你自己发的帖子（不会给你推你自己的）
AuthorSocialgraphFilter · 删你拉黑/静音的人的帖子
MutedKeywordFilter · 删包含你屏蔽关键词的帖子
PreviouslySeenPostsFilter · 删你已经看过的帖子
PreviouslyServedPostsFilter · 删这次会话已经推给你的帖子
IneligibleSubscriptionFilter · 删你没订阅看不了的付费内容
🛡️ 打分后过滤（Post-Selection Filters）：
VFFilter · 删已删除/垃圾/暴力/血腥等违规内容
DedupConversationFilter · 删同一个对话线程的重复分支
💡 运营启示：
如果你的帖子从来没被推荐过，先检查：
✦ 是不是被当成”太老”的帖子过滤了？
✦ 是不是触发了某些安全审核？
✦ 是不是被目标用户设置了关键词屏蔽？
✦ ✦ ✦
四 官方透露的 5 个关键设计决策
这部分是 X 官方在 README 里直接写的，非常有价值：
🎯 决策1：完全消除手工特征
官方原话：“We have eliminated every single hand-engineered feature.”
人话翻译：以前算法是”工程师觉得什么重要就加什么特征”，现在全交给 Grok 自己学。
运营启示：没有”绝对的规则”了，Grok 会根据用户反馈动态调整什么重要。
🔒 决策2：候选隔离（Candidate Isolation）
官方原话：“Candidates cannot attend to each other—only to the user context.”
人话翻译：一条帖子的分数，不会因为”同一批里有哪些其他帖子”而变化。
运营启示：你的帖子是”独立打分”的，不用担心被同时期的爆款”压下去”。
🎲 决策3：基于哈希的嵌入
官方原话：“Both retrieval and ranking use multiple hash functions for embedding lookup.”
人话翻译：用哈希技术来快速查找相似内容，效率极高。
📊 决策4：多行为预测
官方原话：“Rather than predicting a single ‘relevance’ score, the model predicts probabilities for many actions.”
人话翻译：不是简单的”相关/不相关”，而是预测 15 种具体行为的概率。
运营启示：想被推荐，就要让 Grok 预测用户会对你做出正向行为（点赞、回复、转发…）
🧩 决策5：可组合的管道架构
官方原话：“Easy addition of new sources, hydrations, filters, and scorers.”
人话翻译：整个系统是模块化的，可以随时加新功能。
运营启示：算法会持续迭代，保持学习和观察。
✦ ✦ ✦
五 给普通人的运营启示
基于这份源码，我们可以得出一些可执行的策略：
🎯 新算法下的核心原则
让 Grok 预测用户会对你的帖子做正向行为，而不是做负向行为
✅ 策略1：最大化「正向行为概率」
✦ 写能引发回复的内容（提问、观点争议、征求意见）
✦ 写能引发转发的内容（实用干货、独家爆料、情绪共鸣）
✦ 写能让人停留阅读的内容（P(dwell) 是关键指标！）
✦ 写能让人想关注你的内容（展示专业性、独特价值）
❌ 策略2：最小化「负向行为概率」
✦ 避免发让人想拉黑的内容（人身攻击、极端言论）
✦ 避免发让人想静音的内容（刷屏、重复内容）
✦ 避免发让人想举报的内容（违规、低质、垃圾）
✦ 避免发让人点不感兴趣的内容（与你账号定位不符的内容）
💡 策略3：理解「互动历史」的重要性
Grok 是根据用户的历史互动来预测的，这意味着：
✦ 和你互动过的用户，更容易再看到你的内容
✦ 回复别人的评论很重要——这会增加”双向互动记录”
✦ 持续发布内容，建立稳定的”互动用户群”
📌 策略4：关于「网外流量」的机会
Phoenix Retrieval 会从全网帮用户发现内容，这对小号是好消息：
✦ 即使没人关注你，只要内容好，也可能被 AI 推给潜在用户
✦ 关键是让你的内容”匹配”上某类用户的兴趣画像
✦ 专注垂直领域，让 AI 更容易把你归入某个”兴趣社区”
✦ ✦ ✦
六 SOP Checklist：发帖前检查清单
每次发帖前，用这个清单过一遍：
✅ 发帖前检查（提升正向行为概率）
☐ 这条帖子有没有引发回复的点？（问题、观点、征求意见）
☐ 这条帖子有没有转发价值？（对别人有用、能帮他表达观点）
☐ 这条帖子能不能让人停下来看完？（信息密度、故事性、悬念）
☐ 这条帖子符合我的账号定位吗？（避免让关注者”不感兴趣”）
☐ 如果是视频，前3秒吸引人吗？（P(video_view) 很重要）
☐ 如果有图片，会让人想点开看大图吗？（P(photo_expand)）
❌ 避免事项（降低负向行为概率）
☐ 避免人身攻击、极端言论（P(block) 飙升）
☐ 避免短时间内刷屏发相似内容（P(mute) 飙升）
☐ 避免发违规/低质/垃圾内容（P(report) 飙升 + VFFilter 过滤）
☐ 避免发与账号定位完全无关的内容（P(not_interested) 飙升）
☐ 避免使用被大量用户屏蔽的关键词（被 MutedKeywordFilter 过滤）
📊 发帖后检查
☐ 前30分钟是否在线回复评论？（增加互动历史权重）
☐ 有没有引导用户做正向行为？（点赞、转发、回复）
☐ 有没有关注数据表现，记录什么类型内容效果好？
🛡️ 长期账号维护
☐ 保持稳定的发帖频率（建立用户互动习惯）
☐ 保持垂直领域聚焦（让 AI 更容易给你打标签）
☐ 主动与粉丝互动（增加双向互动记录）
☐ 避免被大量用户拉黑/静音/举报（负向信号会累积）
✦ ✦ ✦
七 一句话总结
新算法的本质：
Grok 在预测「用户会对你做什么」
让它预测到正向行为，你就赢了
“The Grok-based transformer does all the heavy lifting by understanding your engagement history.”
「Grok Transformer 通过理解你的互动历史来完成所有重活。」—— X 官方 README
💬 互动话题
你觉得这个新算法对小创作者是好事还是坏事？
欢迎在评论区分享你的看法！
📚 参考来源：
1. X 官方开源算法仓库 (2026年1月19日公开)
2. xAI Grok-1 开源模型
3. 仓库 README.md 文档
参考原文信息列表：
1. https://github.com/xai-org/x-algorithm
2. https://github.com/xai-org/grok-1
3. https://github.com/xai-org/x-algorithm/blob/main/phoenix/README.md
✨
— END —
