推荐系统工作原理

本页面向产品、运营和创作者，介绍 For You 推荐流从请求到展示的完整流程。本页不贴代码；每节末尾链接到对应的技术页。

核心流程概述

用户打开 X 的 For You 时，home-mixer 实时组装一份推荐流。它从多个来源取出候选帖子，过滤掉不能看的，用 Phoenix 排序模型 给每条帖子打分，选出前 35 条，再检查每条能不能展示给这位用户，最后插入广告和推荐关注等模块。

另一条路径在后台持续运行：内容理解模型和规则给帖子、账号打标签。请求路径在“可见性检查”这一步读取这些标签。详见 系统架构总览。

排序靠模型预测，不靠人工加分规则

排序不靠“带图加分、粉丝多加分”这类人工规则。Phoenix 排序模型 读取用户最近的互动序列，预测用户对每条候选帖子做出各种行为的概率。

模型的输入也包括帖子的公开互动数：点赞、回复、转发、引用、浏览 5 个计数。帖子发布超过约 14 天后，这些计数不再输入模型（phoenix/xrex/data/recsys/feature_config.py:87-88）。

一条帖子进入推荐流的七个步骤

flowchart TB
    A["① 凑候选<br/>关注的人发的 + 站外来源"] --> B["② 补资料<br/>正文 / 作者 / 媒体 / 互动数"]
    B --> C["③ 预打分过滤<br/>拉黑 / 看过 / 超过 48 小时"]
    C --> D["④ 模型打分<br/>预测每种行为的概率并加权"]
    D --> E["⑤ 选择<br/>先取 50 条，最终留 35 条"]
    E --> F["⑥ 可见性检查<br/>按标签决定展示、遮罩或丢弃"]
    F --> G["⑦ 混排<br/>插入广告、推荐关注等模块"]

1. 凑候选：多个来源同时取帖

home-mixer 同时向多个候选源取帖（home-mixer/candidate_pipeline/phoenix_candidate_pipeline.rs:380-390）。主要来源有四个：

• 站内帖子（你关注的人发的）：由 Thunder 提供。Thunder 在内存里保存最近 2 天发布的帖子。
• Phoenix 召回（站外）：Phoenix 召回 用双塔模型从全网找出与你兴趣接近的帖子。用户会刷到未关注的人，主要来自这一路。
• SimClusters（站外）：SimClusters 用你最近互动过的帖子做种子，找相似的帖子。开源默认开启。
• 热门帖子（站外）：一份全站共享的热门列表。离线任务按粉丝数从高到低选作者，人数为近 7 天活跃发帖人数的 0.005%，每人最多 5 条、共 500 条（home-mixer/util/popular_authors.rs:11,25-30、home-mixer/util/popular_posts.rs:39-40）。

全部来源见 home-mixer 编排层。

2. 补资料（水合）

候选源返回的通常只有帖子 ID。水合（hydration）指按 ID 补齐帖子的正文、作者资料、媒体信息、互动数等字段。详见 home-mixer 编排层。

3. 预打分过滤：先去掉不该出现的帖子

打分之前，21 个过滤器依次去掉不合格的候选（home-mixer/candidate_pipeline/phoenix_candidate_pipeline.rs:285-543）。例如：

• 发布超过 48 小时的帖子（home-mixer/params/config.rs:39）。
• 你拉黑或静音的作者的帖子。
• 命中你屏蔽词的帖子。
• 你已经看过、或本次会话已经推给你的帖子。
• 你无权查看的订阅专属帖子。

完整清单见 过滤流水线。

4. 模型打分：预测行为概率，再加权求和

Phoenix 排序模型 对每条候选预测多种行为的概率，包括点赞、回复、转发、停留、点开主页，以及“不感兴趣”、拉黑、举报等负向行为。

vm-ranker 把每个概率乘以对应权重，再求和，得到帖子的最终分（xai-value-model/scoring.rs:79-218）。正向行为的权重为正，负向行为的权重为负。

权重乘的是“你做出这个行为的预测概率”，不是帖子收到的互动次数（xai-value-model/scoring.rs:28-56）。权重数值、作者多样性衰减、站外降权和新作者扶持，见 打分与排序。

5. 选择：先取 50 条，最终留 35 条

系统按最终分从高到低取前 50 条，再经过选后检查，最终保留 35 条（home-mixer/params/config.rs:17-18，开源默认值）。详见 选帖过程。

6. 可见性检查：按标签决定能不能展示

排序决定先后，可见性过滤 决定能不能展示。home-mixer 对选中的每条帖子询问可见性过滤服务（home-mixer/candidate_pipeline/phoenix_candidate_pipeline.rs:487）。服务读取后台打好的标签，给出四种答复之一：

对未关注的作者，有些规则更严格：同一条帖子可以推给关注者，却不推给非关注者。详见 限流与 shadowban。

7. 混排：插入广告和其他模块

外层流水线把排好的帖子与广告、推荐关注、提示卡片等模块组装在一起。广告混排开源默认使用 multi_risk 策略，按品牌安全等级决定广告能挨着哪些帖子。详见 广告混排。

为什么分成召回和排序两阶段

全网每时每刻都有大量新帖子，系统无法对每一条都运行大模型。因此分两阶段：

候选隔离：一条帖子的分数不受同批帖子影响

排序模型一次读入很多条候选，但注意力掩码让候选之间互相看不见。所以一条帖子的分数只取决于用户和这条帖子本身，不受同一批里其他帖子的影响。

这样同一条帖子在不同请求里得分一致，分数也可以缓存复用。详见 候选隔离注意力掩码。

后台的内容理解：给帖子和账号打标签

Grox 在帖子发布后异步运行一组分类器，判断垃圾内容、成人内容、暴力媒体等，并生成帖子的文本和图片嵌入。媒体模型 处理图片和视频。账号层面，账号信号 从拉黑、举报和行为序列给账号打分。

这些分数经 打标签规则 和 处置服务 变成标签，最终由可见性过滤读取。

深入阅读

• 系统架构总览
• 五大组件速览
• 术语速查表
• 常见疑问 FAQ

出处

本页结论均来自技术页，不引入新结论。精确行号见各技术页的“源码锚点”。

相关页面

• 选帖过程
• 运营迷思 vs 源码真相
• 发帖指南
• 限流与 shadowban
• 算法用了你的哪些数据
• 端到端数据流