作者基于 X 官方最新开源的 x-algorithm 仓库代码，用通俗语言拆解推荐算法的运作机制。帖子先进入候选池（48小时内的帖子有效），再由模型对每个用户预测互动概率并加权打分。核心权重：复制链接 20、回复/引用转发/私信分享 5、转发 1、点赞仅 0.5；扣分项包括举报 -234、静音 -58.8 等。此外还分析了互关加成（限原创帖回复权重+15）、同作者多帖连发的递减折扣、以及粉丝 5 万以下小号的冷启动扶持机制。结论是要创作能引发分享和讨论的内容，避免招人反感的表达。
作者通过研读 X 公开的推荐算法代码，解释了帖子获得流量的真实机制：X 不是简单计算帖子热度，而是个性化判断帖子对每个用户是否值得推荐。流程包括候选生成、特征获取、机器学习评分排序、过滤规则等环节。文章指出主题稳定有助于系统建立账号与受众的关系，用户行为（点赞、回复、转发、点击主页等）持续训练推荐模型，Hook、收藏和转发的价值在于触发后续行为。流量下降未必是被限流，可能是多样性与去重过滤等机制所致。最后给出可执行的发帖清单：选题、结论先行、引导讨论、积极回复评论、复盘不止看赞数。
作者基于X（xAI）公开的推荐算法代码与参数，解析推文分发机制：系统并非按点赞数直接推流，而是先筛选候选内容，再预测具体用户的行为（停留、回复、转发、关注或负反馈），按行为权重打分排序后分发。文章区分了In-Network与Out-of-Network分发，指出互动权重的差异及负反馈权重更高。结合作者自身账号流量低迷的情况，总结出内容标签不垂直、原创缺乏信息增量、回复流量不等于原创推荐、短时间发帖过密触发作者多样性衰减等四大原因，并提出改进方向：聚焦AI×Developer×Agent×Web3的定位，提升单条推文质量。
