把你的室内咖啡杯带到户外散步，确实是一种幸福的窍门

你可能觉得我疯了，但我宁愿拥有一个年收入100万美元的SaaS公司而没有风险投资，也不愿拥有一个年收入1000万美元的SaaS公司并且有风险投资。

X刚刚开源了“For You”算法的代码 你需要知道的一切在1条推文和1张图片中： 1. 原始输入（数据） 一切都始于三个大数据桶： - 社交图谱 → 你关注的人，关注你的人，你的网络连接。 - 推文互动 → 点赞、转发、回复、书签。 - 用户数据 → 你的个人资料、行为、你点击的内容、你忽略的内容。 这就是驱动整个系统的“燃料”。 2. 特征工程 原始数据通过不同的模型/特征进行处理，试图理解它： - GraphJet → 推文、转发、关注的实时图。 - SimClusters → 将人和推文分组为兴趣社区（如“AI Twitter”或“NBA Twitter”）。 - TwHIN → Twitter的“异构信息网络”，基本上是用户与推文关系的地图。 - RealGraph → 预测用户之间连接的强度。 - TweepCred → 可信度评分。 - 信任与安全信号 → 监管、屏蔽、静音、NSFW过滤器。 把这一层看作是“过滤器”，它们决定了什么值得考虑。 3. 候选来源（主页混合器） 这是推文作为“候选者”被拉入的地方，可能会展示给你： 搜索索引（直接找到相关推文） - CR Mixer, UTEG, FRS（不同的混合器从集群、图和时效性中提取推文） 它们从不同的池中提取，因此你不会只看到同一圈子的人。 4. 重排名器 现在候选者通过一个大型神经网络（重排名器）。 它根据预测的互动对推文进行评分：你会点赞、转发、回复、花时间阅读的可能性。 5. 启发式与过滤 在机器学习排名器之后，一些手动编码的规则开始生效： 社交证明 → 这条推文是否被你关注的人点赞？ - 作者多样性 → 不要连续显示同一个人的10条推文。 - 可见性 / T&S → 屏蔽垃圾信息、NSFW、静音账户。 - 内容平衡 → 避免让你被一种类型的内容淹没。 - 反馈疲劳 → 避免重复显示同一条推文。 6. 混合 最后，排名的推文与以下内容混合： - 广告（显然）。 - 推荐关注的人。 7. 这对你意味着什么？ 可能没什么。 - 选择一个细分市场 - 写有价值的推文 - 用价值回复你细分市场中的人 - 你会成长并建立一个受众 X是一个美丽的地方，可以建立一个受众，结识有趣的人，并获得关于构建业务的见解 值得在这里。 享受吧。