剖析X的檢索演算法——內容顯示的隱藏規則

由於伊隆·馬斯克將Twitter的演算法開源，像0xTodd等用戶開始在X上分享詳細的分析。這種透明度使我們得以揭示內容是如何被篩選，以及誰會看到這些內容的複雜機制。尤其值得注意的是，存在兩個並行運作的內容抽取系統，稱為「檢索機制」。理解這些機制後，用戶可以制定更有效的策略來觸及目標受眾。

Thunder vs. Phoenix Retrieval—兩種內容流動機制

X的演算法核心包含兩個重要的檢索系統。第一個是「Thunder（雷霆）」系統，僅取得你所關注帳號的內容。第二個是「Phoenix Retrieval（鳳凰檢索）」系統，則從整個平台的內容中抽取候選項，包括你未關注的帳號。

這些檢索系統由每個用戶的隱藏助手「Grock」調整。該系統預測貼文的互動可能性，並動態決定是優先顯示來自Thunder的內容，還是從Phoenix Retrieval中呈現較廣泛的內容。換句話說，你的時間軸不僅是單純的時間排序，而是由演算法持續計算出最適合的內容分配。

評價分數與隱藏的「等級」系統

每個用戶都會被分配一個在-128到+100之間變動的隱藏評價分數。這個數值在演算法中扮演極其重要的角色，直接影響你的內容被Phoenix Retrieval抽取的機率，也就是新用戶看到你的內容的可能性。

新帳號從較低的分數開始，只有透過與高評價用戶的積極互動，分數才會提升。相反地，與低品質帳號的互動可能會拉低分數，與不良內容的關聯也應避免。更有趣的是，負面反饋的影響遠大於正面反饋。例如，一次封鎖的影響可能比多個「讚」更大。

影片完成率、話題疲勞、驗證狀態—演算法的微調因素

X的演算法並非單純套用規則，而是相當靈活地演進。早在2023年，影片內容受到較大偏好，並抑制含連結的貼文。然而，現在的演算法更為精細，根據每個用戶的偏好進行動態評分。

「話題疲勞」機制也很重要。這個系統會降低短時間內同一作者多次貼文的排名，並對重複內容施加懲罰，以促進即時性貼文，並維持平台內容的多樣性。

已驗證帳號（青V）較容易被Phoenix Retrieval優先抽取。未驗證帳號若要進入候選池，則需快速成長的互動數。此外，即使用戶未直接與貼文互動，貼文的「停留時間」——即用戶在該貼文上停留的時間，也會被記錄並作為加分因素。

演算法會將每則推文獨立評估，避免重複或過時內容的推薦，並高度評價影片完成率。這些多重因素相互作用，共同構建你的時間軸。

伊隆·馬斯克的透明化努力揭露了這些演算法細節，成為平台的重要轉折點。對檢索機制和評分系統的深入理解，讓內容創作者能更有策略地接觸受眾，也讓用戶能更清楚自己所看到內容背後的邏輯。