X平台的推荐算法曾是个黑盒，如今其基于Grok大模型的纯数据驱动逻辑被公开。这套系统如何精准捕捉兴趣，又如何平衡信息多样性？通过拆解其核心流程，能清晰理解一个完全由AI主导的内容分发机制。
智能速览
系统通过历史互动、账号属性和负反馈收集用户兴趣线索。
推荐内容来源于关注的账号与全网检索两个渠道。
核心由Grok大模型进行纯数据加权打分，无人工干预。
通过前后置双重过滤，剔除无效与违规内容。
引入作者多样性机制，防止大V内容刷屏。
最终按加权总分从高到低排序，生成个性化信息流。
精华内容
这套算法的精妙之处，在于它将复杂的用户行为与内容特征，完全转化为一个可计算的量化分数。
兴趣捕捉
系统首先会收集用户的兴趣线索，主要来自三个方面。一是历史互动，包括点赞、转发、评论和点击等正向行为。二是账号基础属性，涵盖注册信息、使用设备、地域、社交关系等。三是负反馈，即用户对某些内容或作者执行了拉黑、静音、标记“不感兴趣”的操作，这些数据能帮助系统明确用户的偏好边界。
双重筛选
内容来源分为“圈内”和“圈外”两个渠道。“圈内”指用户已关注账号发布的内容，确保信息流与用户的社交圈保持关联。“圈外”则是从全网范围检索用户可能感兴趣但未关注的内容，旨在拓宽视野。在进入核心打分环节前，系统会进行前置过滤，剔除重复帖、过期帖、用户自己发布的帖子以及被屏蔽的内容，以此减少无效计算。
Grok核心打分
这是算法最核心的环节。所有经过筛选的内容都会被送入Grok大模型进行纯数据化的打分。Grok会预测用户对每一条内容进行点赞、转发、评论的概率，然后基于这些概率和不同的行为权重计算出总分。例如，假设点赞权重为1，转发权重为5，评论权重为3，若预测的概率分别为80%、20%和30%，那么加权分数就是0.81 + 0.25 + 0.3*3 = 2.2分。整个过程没有任何人工干预。
多样性保障
为防止信息茧房化，算法内置了作者多样性调整机制。如果同一作者在短时间内发布多条内容，后继内容的分数会进行衰减。同时，系统会有意扶持中小创作者的曝光，确保推荐页的信息来源更加分散和丰富，避免被少数大V垄断用户的视野。
最终排序
在Grok打分和多样性调整后，系统还会进行最后一道后置过滤，彻底移除垃圾、暴利和违规内容。随后，将所有剩余内容按照加权总分从高到低进行排序，最终生成展示给用户的“For You”信息流，确保内容既安全又高度贴合个人兴趣。
X的推荐算法展示了AI在内容分发领域的潜力，实现了高度个性化与内容多样性的平衡。这种纯数据驱动的模式，为社交媒体的算法设计提供了一个新的参考方向。
