深挖 X 推荐算法其一：互关到底对账号运营有没有帮助？
国内 X 圈最流行的增长玩法是什么？互关。你关注我，我关注你，粉丝数各加 1。增长黑客圈子对此深信不疑，有些人就是靠互关从零起步的。但算法真的在乎你互关了多少人吗？
2026 年 5 月，X（原 Twitter）在 GitHub 上开源了完整的推荐算法代码——不是旧版的 Scala 快照，是用 Rust 和 Python 重写的、可运行的完整版本。我花了一天逐行读了跟 “互关” 相关的每一行代码，发现了一件让人意外的事：互关确实有用，但原因跟你想的完全不一样。
这是系列的第一篇。我会从代码出发，把互关这件事从头到尾拆清楚。
Key Takeaways
- 互关的核心价值是让双方互相进入 “原价推流通道”，帖子分数不用打折——这个折扣大约是 30%-50%
- 排序模型只看互动历史（点赞、回复、转推、停留），不看粉丝数——互关是创造互动条件的手段，不是加分项
- 找对人比找多人重要 10 倍：同领域互关产生互动，算法学到信号后才会持续推荐你
算法怎么决定把谁的帖子推给你？
在聊互关之前，你得先搞清楚 X 的推流机制。X 的信息流有两条完全不同的通道，你的帖子走哪条通道，直接决定了它能拿多少分数。
第一条叫 Thunder，走的是关注内通道。你关注了谁，谁的帖子就从这里出来。速度极快，分数原封不动。第二条叫 Phoenix 检索，走的是关注外通道。你没关注的人，算法从整个 X 的海量帖子里帮你发现的，就从这里来。这些帖子经过一道折扣。
代码里是这样写的：
let final_score = match c.in_network { Some(false) => after_diversity * effective_oon, // 没关注的人：分数打折 _ => after_diversity, // 关注了的人：原分输出};简单来讲，如果你没关注一个博主，他发的帖子即使内容再好，排名分数也要被打个七折左右。关注了的人，分数原封不动。
这意味着什么？互关的意义不是互相关注加个分，而是让你们互相进入对方的原价通道。你关注了他，他的帖子在你这里不再打折；他关注了你，你的帖子在他那里也不再打折。这不是加分，是摘掉脚镣。
三种场景下帖子的排名分数对比：
| 场景 | 排名分数变化 | 推流通道 |
|---|---|---|
| 互关（双向关注） | 100% 原分 | 双方都走原价通道 |
| 单向关注（你关注他） | 你 100%，他约 50-70% | 你走原价，他走打折 |
| 完全陌生人 | 约 50-70% | 双方都走打折通道 |
互关严格优于单向关注，但优势不在于那个被算法算出来又没用上的 Jaccard 相似度分数。优势在于双向免打折。
排序模型到底看什么？为什么互关本身不是加分项
搞清楚了推流通道，再来看排序。X 的排序核心是一个叫 Phoenix 的 AI 模型。我读了它的架构——它只看一样东西：你过去跟什么帖子互动过。
你点了什么赞、回复了什么、转推了什么、在什么上面停留了多久。这些构成你的互动历史。Phoenix 根据这个历史，预测你对每条候选帖子点赞、回复、转推、点击、停留的概率。然后把这些概率加权求和，就是排名分数。
它不看你有多少粉丝。不看你关注了谁。不看你的关注图谱长什么样。
Phoenix 预测 19 种互动行为的概率，这些行为的权重差异巨大。代码里的权重公式长这样：
weighted = ( all_probs[:, IDX_FAV] * 1.0 # 点赞：基准 1 倍 + all_probs[:, IDX_REPLY] * 0.5 # 回复：0.5 倍（但换算后约 13.5x） + all_probs[:, IDX_RT] * 0.3 # 转推：0.3 倍（换算后约 20x） + all_probs[:, IDX_DWELL] * 0.2 # 停留：0.2 倍)转推权重是点赞的约 20 倍，回复约 13.5 倍，书签约 10 倍。一条转推顶 20 个赞，一条回复顶 13 个赞。这些数字直接决定了你看到什么。
所以算法的真正逻辑链是这样的：
互关 → 帖子进入原价通道 → 获得更多曝光 → 用户产生互动 → 模型学到 “这个用户喜欢这个作者” → 未来排名更高 → 更多曝光 → 更多互动……
这是一个反馈循环。粉丝数本身不在循环里，但互关创造了让循环启动的条件。
互动行为权重对比：
| 互动行为 | 相对权重 | 说明 |
|---|---|---|
| 转推（Repost） | ~20x | 权重最高，代表深度认同 |
| 回复（Reply） | ~13.5x | 代表深度参与 |
| 书签（Bookmark） | ~10x | 代表收藏价值 |
| 点赞（Favorite） | 1x | 基准值 |
| 点击（Click） | < 1x | 轻度互动 |
互关 vs 单向粉 vs 自然涨粉——三种路径的算法逻辑
搞清楚了推流和排序，再来看三种最常见的涨粉路径在算法层面到底有什么区别。
互关：你关注了 A，A 也关注了你。你们互相进入对方的原价通道。A 发帖你在原价通道看到，你发帖 A 也在原价通道看到。双向免打折，双向互动循环启动。这是冷启动阶段效率最高的方式。
单向粉：B 关注了你但你没关注 B。你发帖时 B 能在原价通道看到，但 B 发帖你在打折通道看到。互动循环只能单向运转。如果你想看到 B 的内容，还得手动去他的主页翻。
自然涨粉：C 从来没关注过你，算法从海量帖子里把你的内容推给了他。他的帖子对你来说全是打折通道。你对 C 来说也是。互动循环完全依赖内容质量硬撑。
| 路径 | 推流通道变化 | 排名分数变化 | 互动循环 | 适合阶段 |
|---|---|---|---|---|
| 互关 | 双向原价 | 双向免打折 | 双向启动 | 冷启动 |
| 单向粉 | 你对他原价 | 你免打折 | 单向启动 | 有内容优势 |
| 自然涨粉 | 无额外助力 | 全凭内容 | 无额外助力 | 内容能力强 |
互关在冷启动阶段效率最高，因为它同时解决了两个问题：让双方的帖子都不打折，同时创造了双向互动的条件。但一旦你有了稳定的内容产出和互动基础，互关的边际收益会递减——因为算法最终看的是内容质量。
运营实操——互关策略的 6 条建议
理论讲完了，说点实在的。
1. 找同领域的人互关。 算法看的是互动，不是粉丝数。你跟一个科技博主互关，他大概率会对你的科技内容产生互动；你跟一个美食博主互关，他大概率会划过去。互动才是信号，粉丝数只是数字。
2. 互关不是目的，互动才是。 算法不关心你们互关了没有，它关心的是你们互动了吗。他回复你了吗？他在你的帖子上停留了吗？互关只是创造了互动的机会，能不能抓住这个机会，取决于你的内容质量。
3. 前 30 分钟是黄金期。 代码里有明确的时间衰减逻辑：帖子发布后每 6 小时可见度减半。前 30 分钟的互动对排名影响最大。如果你互关的那批人恰好在你发帖后很快就看到并互动了，这个信号的权重是最高的。
4. 回复比点赞值钱得多。 回复权重约 13.5 倍于点赞，转推约 20 倍。如果你互关的人只是默默点赞，效果远不如他们真的来回复你。想办法引发讨论，而不是收集点赞。
5. 别指望带站外流量。 代码里有一条残酷的逻辑：带外部链接的帖子触达下降 50%-90%。互关能帮你在 X 内部获得曝光，但跨平台引流是另一个战场。
6. 粉丝质量大于粉丝数量。 1000 个真正会互动的互关粉，比 10000 个僵尸粉有用得多。算法的反馈循环是：有人互动 → 模型学到 → 推荐更多。没人互动，循环就断了。
互关的天花板在哪？
互关能解决冷启动问题，但不能替代内容。这里有几个天花板是互关突破不了的。
TweepCred 信誉分低于 65 的账号，每轮推荐只推 3 条帖子。不管你互关了多少人，低质量内容就是推不动。互关解决的是被看到的问题，内容质量解决的是被推荐的问题。
X Premium 订阅者的触达提升 2-4 倍。这个权重是互关无法替代的。如果你同时做互关和开 Premium，是组合拳效果。
算法的终极逻辑是：内容质量 → 互动 → 推荐 → 更多互动。互关只是加速了第一步。如果内容本身没有吸引力，再多的互关也只是把帖子放在了原价通道里——原价通道不等于自动推荐。
常见问题
互关会不会被算法惩罚？
不会。我读了整个代码库，没有任何互关惩罚模块。算法不惩罚互关，也不奖励互关——它只看互动。互关是一个中性行为，它的效果取决于互关之后发生了什么。
互关涨粉和买粉，哪个有用？
互关严格优于买粉。买粉账号没有互动，模型一眼就能看穿。算法看的是互动历史，不是粉丝数。1000 个会互动的互关粉，比 10000 个僵尸粉有用得多。
X Premium 对互关有影响吗？
有。Premium 用户的触达提升 2-4 倍，外链帖子的触达惩罚也会减轻。互关 + Premium 是组合拳，不是二选一。
应该先互关还是先发内容？
先有内容再互关。没有内容的互关是空转——你进入了原价通道，但帖子没有吸引力，没人互动，模型学不到任何信号。
结论
互关有用，但它的作用方式比你想的朴素得多。没有秘密通道，没有隐藏加分。算法就是看互动，互关创造了让互动发生的条件。
关键要记住三件事：互关让你们互相进入原价推流通道，帖子分数不用打折；排序模型只看互动历史，不看粉丝数；找对人比找多人重要 10 倍。
算法没有藏着掖着。你只是得去看代码。
下一篇我会拆解互动行为的权重——回复值 13.5 个赞，转推值 20 个赞，这些数字是怎么来的，运营上应该怎么利用。