算法说明
解析 11 维信号评分体系的设计依据与权重逻辑。这是一套基于 X For You Feed 公开思想的运营启发式模型，非 X 官方内部排序模型复刻。
基于公开算法思想的运营评分系统，非 X 官方内部模型复刻。当前参考源码级解读校准，只用于爆款潜力诊断、改稿优先级和运营复盘，不预测平台真实推荐结果。
爆款四关
11 维雷达是内容运营代理：用来解释钩子、质量、互动入口、风险和重复等可改动作，不把分数当作平台内部排序或推荐结果。
候选池
先让内容被系统和目标人群识别成一个明确候选，而不是一团泛泛观点。
如何加爆款因素
收窄到一个读者、一个场景、一个冲突或收益点；标题句先说对象和问题，再补观点。
工作台动作
在工作台先生成 5 个候选角度，选最清晰的一个继续评分。
过滤
重复、低质、已看、过期、风险表达和安全问题会让内容在排序前失去机会。
如何加爆款因素
删掉套话、夸张承诺和人身攻击，补可验证事实、边界条件和更干净的表达。
工作台动作
优先看负面风险、安全风险、重复惩罚和质量分的解释。
排序
排序更接近多行为概率组合，而不是单看点赞或回复；正向停留、收藏、转发和高质量评论都重要。
如何加爆款因素
先提高钩子和信息密度，再设计一个具体讨论入口，让读者有保存、转发或补充的理由。
工作台动作
把 WARN 草稿按 11 维解释逐项改到 PASS，再生成二创版本。
混排/疲劳
最终信息流会混入其他模块，并考虑作者、题材和会话层面的多样性。
如何加爆款因素
同一主线下轮换观点、案例、教程、复盘和评论，避免连续几条只有同一种结构。
工作台动作
把同一观点改成不同内容形态，再用 dashboard 复盘题材疲劳。
源码校准后的管线转译
Candidate Pipeline
推荐链路由 QueryHydrator、Source、Hydrator、Filter、Scorer、Selector、SideEffect 等组件分阶段执行。
运营问题
这条内容卡在哪个关口：召回、过滤、打分、选择，还是最终混排？
输出
把抽象算法拆成可诊断的内容关口。
源码锚点
candidate-pipeline/candidate_pipeline.rs:21-137
Home Mixer
外层 ForYouCandidatePipeline 负责把已排序帖子流与广告、Who-to-Follow、Prompts 等模块混排。
运营问题
这条内容放进读者的信息流时，是补充价值还是制造疲劳？
输出
内容组合、节奏和信息流位置意识。
源码锚点
home-mixer/candidate_pipeline/for_you_candidate_pipeline.rs:48-269
Thunder
Thunder 从 Kafka 实时消费帖子事件，维护站内候选的内存库，是关注网络内内容的重要来源。
运营问题
这条内容是否能在既有关系和新鲜窗口里被识别、被保留？
输出
站内关系、新鲜度和基础可见性意识。
源码锚点
thunder-in-network-store / thunder-kafka-ingestion
Phoenix
Phoenix 先用双塔召回把全局语料缩小，再用 Grok transformer 预测多种行为概率，由 RankingScorer 加权成最终分。
运营问题
目标读者看到这条内容，正向行为概率是否足以压过负向反馈？
输出
把钩子、质量、讨论入口、风险和账号契合映射成运营代理信号。
源码锚点
home-mixer/scorers/ranking_scorer.rs:125-217
Filtering & Selection
内层流水线有预打分过滤、TopK 选择、选后水合与选后过滤；去重、已看、时效、可见性等在这里落地。
运营问题
有没有重复、过旧、低质、风险或已被读者看过的理由让内容被提前淘汰？
输出
风险清理、重复控制和首屏机会意识。
源码锚点
phoenix_candidate_pipeline.rs:274-321
Grox
Grox 作为异步内容理解服务，产出安全、垃圾、质量和多模态嵌入等信号，供过滤、召回和排序侧使用。
运营问题
内容本身是否足够清晰、安全、可理解，能被系统和用户正确归类？
输出
素材质量、媒体适配和安全边界。
源码锚点
grox-architecture / grox-classifiers
运营迷思 vs 源码事实
只保留能回到源码机制的结论，把运营动作和真实系统边界分开。
Thunder 是高速过滤器
Thunder 更准确地说是站内候选源；去重、已看、时效、可见性等过滤发生在 PhoenixCandidatePipeline 的过滤阶段。
改稿动作
把“先别被过滤掉”拆成独立检查：新鲜度、重复、风险表达、话题是否清晰。
filtering-pipeline / thunder-in-network-store
互动量越高越好
源码排序看的是多种行为概率的加权和，not_interested、block、mute、report、not_dwelled 等负向行为会拉低分。
改稿动作
不要只追求情绪回复；优先让收藏、转发、停留和高质量评论同时成立。
ranking_scorer.rs:83, 125-183
套关键词和模板能骗算法
打分侧不是手写关键词加分规则；模型学习的是用户行为历史与候选内容之间的相关性。
改稿动作
模板只能当结构草稿，最终必须补真实观察、证据、对象和读者场景。
README.md:55, 324-328
11 维评分等于真实推荐分
真实系统是 Phoenix 预测多行为概率，再由 RankingScorer 加权、多样性衰减和站外降权；本项目 11 维是可解释运营代理。
改稿动作
用 11 维来改稿和复盘，不把分数当平台内部排序值。
scoring-and-ranking
源码校准说明
参考源码级 wiki 后，把“能给创作者用”的部分和“真实系统实现”分开标注。
Thunder 不是过滤器
Thunder 更准确地说是站内候选源与内存库；去重、时效、已看、可见性等过滤发生在 PhoenixCandidatePipeline 的过滤阶段。
真实排序不是 11 维手写公式
源码里的排序由模型预测多种行为概率，再由 RankingScorer 加权、做作者多样性衰减和站外降权；本项目的 11 维是可解释的运营代理模型。
没有万能最佳发帖时间
源码机制强调新鲜窗口、已看过滤和用户行为历史；本项目的发布时间建议来自你的导入数据与运营复盘，不等同平台硬规则。
参考来源
源码出处来自 cclank/x-algorithm-wiki；本页只做运营化转译。
11 维信号与锁定权重
正向信号提升可分发性，风险与重复信号作为扣分项处理。
如何用这个表改稿
先补钩子和信息密度
再设计评论入口
最后检查风险与重复
| 信号 | 权重 | 含义 | 改进动作 |
|---|---|---|---|
| 钩子 | +0.22 | 前两行是否有清晰冲突、利益点或反常识判断。 | 把结论提前，用具体对象替代泛泛形容。 |
| 质量 | +0.18 | 信息密度、结构完整度和可验证细节。 | 补案例、数字、步骤或判断依据。 |
| 互动 | +0.16 | 是否自然引发收藏、转发、回复或引用讨论。 | 留下一个可回答的问题或立场分歧。 |
| 新颖度 | +0.12 | 相同话题里是否有新角度、新证据或新结构。 | 避开常见鸡汤，换成自己的观察切面。 |
| 作者契合 | +0.10 | 内容是否符合账号长期定位与读者预期。 | 显式连接账号主线与目标人群。 |
| 对话潜力 | +0.08 | 是否能开启高质量评论分支，而非只收获情绪表态。 | 设置边界清晰的讨论入口。 |
| 时机 | +0.06 | 发布时间和话题窗口是否匹配。 | 把热点评论拆成即时判断与次日复盘两段。 |
| 媒体适配 | +0.04 | 图片、截图、图表或视频是否真的提升理解。 | 只在能降低理解成本时加媒体。 |
| 负面风险 | -0.12 | 攻击性、引战、误导或强负面表达带来的扣分。 | 把人身判断改成现象判断。 |
| 安全风险 | -0.08 | 敏感、违法、危险建议或平台安全风险。 | 移除不可执行或不安全建议。 |
| 重复惩罚 | -0.05 | 与近期内容在题材、句式和结构上的重复度。 | 同观点换证据、场景、结论形态。 |
裁决逻辑
雷达图展示示例信号分布，真实草稿由评分接口返回。