出海做账号，终于有一份能追溯到源码的算法 Wiki 了

做 X 账号的人大概都经历过：刷了一堆"算法攻略"，什么"多发帖多曝光""套这个模板流量翻倍"，照着做了两个月，数据纹丝不动。

问题不在你。问题在于——那些攻略，有几篇真的读过 X 的源码？

xAI 已经把 X 推荐算法（xai-org/x-algorithm）开源快四个月了，GitHub 上两万多个 Star。但市面上绝大多数解读，说白了就是把 README 换个说法重写一遍。"Grok transformer 替代了手工特征""双塔召回+排序"——来来回回就这几句。真正逐行啃过源码的人，屈指可数。

岚叔（@LufzzLiz）不但啃了，还啃完了。

他是谁

岚叔的账号简介是某大厂架构师，专注多模态、模型私有化领域。用他自己的话说，他本来只是想看看 X 的推荐算法到底是怎么做的，结果发现市面上的解读要么太浅，要么干脆是错的。

于是他干了件很硬核的事：把 xai-org/x-algorithm 仓库从头到尾啃了一遍，用 Opus 4.7 辅助分析，花了两天时间，做成了一份完整的架构 Wiki。

仓库地址：https://github.com/cclank/x-algorithm-wiki

这份 Wiki 有什么

29 个页面，5900 多行，分成两层：

上层是 7 页「白话导览」，零代码，多类比。从"一条帖子怎么走进你的 For You"讲起，到五大组件分别干嘛的，到常见疑问和术语速查。面向的是不想看代码、但想理解系统怎么运转的人。

下层是 22 页技术页，覆盖了这套系统的全部核心：

每一页都有真实代码片段、Mermaid 流程图、「设计决策」表解释架构选型理由，以及交叉引用链接。支持 Obsidian 本地知识库和在线站点浏览。

跟 AI 批量生成的区别在哪

一句话：每条结论都带 文件:行号

你把 Wiki 里任意一个结论拿到——比如"候选之间在排序时互相看不见"——翻到对应技术页，看到的不只是解释，而是 phoenix/grok.py:39-71 这种锚点。打开源文件，跳到那行，你能亲眼看到那个注意力掩码是怎么构建的。

市面上 AI 批量生成的解读，问题不在于"可能错了"，而在于你没法验证它对不对。不给你出处，不给你行号，你只能选择信或不信。

这份 Wiki 的逻辑是反过来的：结论给你，出处也给你，你自己去看源码确认。这是知识库和内容农场之间的本质区别。

举一个例子

Wiki 里有一页叫「运营迷思 vs 源码真相」，专门把市面上流行的涨号攻略逐条拉到源码前对质。随便挑一个：

流行说法：「多发帖 = 多曝光」

源码怎么说？排序器 RankingScorer 里有一个叫「作者多样性衰减」的机制——同一次 For You 计算里，同一个作者出现的次数越多，后面帖子的分数就被压得越狠（ranking_scorer.rs:186-217）。同一次计算里，同作者初始分最高的那条不打折，后续同作者候选会被递减。

刷屏不是多曝光，是自我稀释。

类似的还有：「套爆款模板能骗算法」——打分侧手工特征全删光了，没有规则可套；「被同批大 V 挤掉」——候选隔离机制让每条帖子单独判卷，同批是谁完全不重要；「做泛内容能破圈」——召回靠的是向量相似度 top-K，泛内容对谁都不够像，反而进不了任何一扇窄门。

六个流行迷思，条条附源码行号。读完你就知道之前看的那些攻略有多少是在刻舟求剑。

出海做号的人怎么用

Wiki 里还有一页「发帖指南」，从算法机制反推出具体的发帖策略。

几个来自源码的结论：

入口很简单：打开在线站点^[1]，从「白话导览」的 how-it-works 读起。想深入研究某个模块，切到技术页看源码细节。如果习惯用 Obsidian，整个仓库clone下来就是本地知识库，支持双向链接和关系图谱。

最后

X 算法开源后，解读不会少。但能让你逐条追溯到源码的，这是少见的、能逐条追溯到源码的一份。

能被运营的从来不是算法，是内容本身。算法这一侧，你唯一能做的是别被结构性机制白白扣分——这份 Wiki 帮你把雷排了。剩下的事，算法替代不了。

参考链接

[1] 在线站点: https://lansu-wiki-web.lank.workers.dev/wiki/cclank/x-algorithm-wiki