演算法之惡：從推特到馬斯克的X，為什麼你感覺質量變差了
很多人可能感覺現在的X，相較於推特時代，在內容質量上是變差的。我們中文圈的人對此感受更明顯。這其中固然有中共對海外輿論的加強，但更底層的原因就是馬斯克對推特底層邏輯的徹底破壞。 以前的推特，內容獲取主要靠你關注的人的發帖和轉發。那麼，如果想被關注你就需要特別關注釋出的內容和轉發內容的質量。優質內容是透過關注者和轉發數量進行篩選的。可以說這是大型的真人篩選機制。現在，X將流量收編，自己透過演算法判斷哪些內容是優質的並強行推薦給更多人。這種演算法判斷怎麼能勝過真人的判斷呢？ 於是大家看到了，只要你深諳X推薦演算法，迎合X推薦演算法，你就能獲得更高閱讀量。這當然會拉低X的整體內容質量。或者說，拉低了你能看到的X的內容的整體質量。
下面是AI對此觀察的回答1： 你這段話其實抓住了一個核心問題：平臺的“分發邏輯”改變，會直接重塑內容生態。
在 Twitter 時代，內容傳播的主路徑確實是“關注關係 + 轉發擴散”。 這意味著：
- 你想被看到 → 需要被人主動關注
- 想被長期關注 → 需要持續輸出有價值內容
- 轉發是一種“信譽背書”
本質上是一種社交圖譜篩選機制（social graph filtering）。
而在 X 時代，平臺強化了“演算法推薦流（For You）”。內容不再主要透過你關注的人傳播，而是透過系統預測“你可能會感興趣”的內容強推給你。
這帶來了幾個結構性變化：
一、從“關係驅動”到“注意力驅動”
舊邏輯：
> 關係 → 信任 → 傳播
新邏輯：
> 互動率 → 演算法放大 → 更多互動 → 再放大
這是一種典型的“反饋迴路強化機制”。演算法不判斷“真偽”“深度”，它判斷的是：
- 停留時間
- 點贊率
- 評論率
- 轉發率
- 引戰程度
於是，高情緒、高衝突、高極端表達天然更容易被放大。
二、演算法無法真正理解“質量”
你說“演算法怎麼能勝過真人判斷”，這點其實有個關鍵差別：
- 人判斷質量，會考慮長期信譽、邏輯完整性、歷史一致性。
- 演算法判斷質量，是短期行為資料模型。
演算法是“統計學判斷”，不是“價值判斷”。
如果一個賬號懂得：
- 把複雜議題極端化
- 用強烈情緒觸發對立
- 製造爭議性標題
- 卡準釋出時間
- 頻繁互動拉高指標
它就能吃到流量紅利。
這並不等於“內容更好”，而是“更符合演算法放大機制”。
三、中文圈的感受為什麼更明顯？
你提到一個點：中文圈體感更強。
這可能有幾個原因：
- 中文使用者總體體量小於英語使用者
- 內容更容易被組織化操控（無論哪一方）
- 演算法在中文語境下的語義理解更弱
- 極端表達在小語種圈子更容易迅速形成“資訊繭房”
當社交圖譜被弱化後，原本靠“長期關注關係”維持的小圈層結構就會被打散。
四、這算不算“底層邏輯被破壞”？
某種意義上，你說得對——
平臺從“社交網路”轉向了“內容平臺”。
Twitter 時代更接近：
> 分散式社交關係網路
X 更接近：
> 以演算法為核心的內容分發機器
這不是單純“變差”，而是目標函式變了。
以前最佳化的是“關係活躍度”， 現在最佳化的是“整體互動量與平臺活躍度”。
五、一個現實問題
即便演算法放大低質內容，為什麼平臺還這麼做？
因為：
- 情緒比理性更有傳播力
- 衝突比深度更有停留時間
- 極端表達比中庸更有互動
演算法並不是“判斷錯了”，而是它的最佳化目標和你心中的“質量”不是同一個指標。
如果把你這段話壓縮成一句更理論化的表達，可以這樣說：
> X 的問題不在於內容變差，而在於內容分發從“基於社會信任的人工篩選機制”轉變為“基於互動資料的演算法放大機制”，導致情緒性內容結構性佔優。 以下是AI對此觀察的回答2： 你說得很透徹。你觀察到的這種現象，本質上是社交媒體從“關係鏈驅動（Social Graph）”向“興趣演算法驅動（Interest Graph）”轉型的陣痛。
在中文圈，這種“體感變差”尤為強烈。我們可以從產品底層邏輯的角度，拆解一下為什麼馬斯克的改造讓很多深度使用者感到“推特已死”：
- 從“真人背書”到“權重博弈”
正如你所說，舊推特的核心是關注（Follow）。
舊邏輯： 一個推文能火，是因為很多你信任的、有品位的真人手動點選了“轉發”。這是一場由人類智力和審美參與的分散式篩選。 新邏輯：X 的演算法優先考慮的是停留時長、互動率（哪怕是謾罵）和會員權重（Blue Check）。如果你購買了 Premium，你的評論會被強制置頂。這導致了“金錢購買話語權”而非“質量贏得話語權”。
- 演算法對“爭議”的天然偏好
演算法本質上是沒落的。它不理解什麼是“深刻”，它只理解什麼是“刺激”。
- 在中文圈，這表現為大量的營銷號、搬運引流貼、以及極具煽動性的情緒化言論（甚至是AI生成的廢話）。
- 因為這些內容最能激發人們反駁、爭論或點選，演算法便誤以為這是“優質內容”並推送到你的“For You”頁面。
- 後果：嚴肅的討論被淹沒，譁眾取寵的“流量密碼”統治資訊流。
- 中文圈的特殊困境：垃圾資訊（Spam）的入侵
馬斯克裁撤了大量負責內容稽核和社群治理的團隊，這給了一些特定勢力可乘之機：
- 灰產與政治水軍： 現在的中文 X 充斥著大量的色情引流機器人和有組織的政治水軍。
- 對抗失效：以往靠真人舉報和信用權重可以過濾掉這些噪音，但在現在的演算法邏輯下，只要這些賬號交叉互動（互贊、互評），演算法就會認為它們是“活躍社群”，進而推薦給真實使用者。
總結
你提到的“拉低了你能看到的整體質量”非常準確。X 現在不再是一個“資訊過濾器”，而變成了一個“注意力黑洞”。它不再服務於讓你獲取有價值的資訊，而是服務於讓你在平臺上留得更久。
對於中文深度使用者來說，這種改變是災難性的，因為我們不僅要面對演算法的平庸，還要面對更復雜的輿論攻勢。 怎樣改善？ 在 X（Twitter）底層邏輯已經改變的今天，我們不能再像以前那樣被動地等待演算法“餵飯”，而是要透過手動調節來奪回資訊流的控制權。
以下是針對目前中文圈現狀（營銷號、水軍、垃圾廣告多）整理的幾個進階技巧，能有效幫你把 X 變回曾經那個高效的資訊獲取工具：
- 強制切換至“正在關注（Following）”標籤
這是對抗演算法最直接的方法。
- 操作： 始終點選螢幕頂部的 “正在關注”，而不是預設的“為你推薦（For You）”。
- 技巧： X 經常會在你重新開啟 App 時自動切回“為你推薦”。請養成習慣，一旦看到亂七八糟的推薦，立刻手動切回來。只有在這裡，你看到的才是你親自挑選的資訊流。
- 利用“列表（Lists）”構建乾淨的生態位
如果你覺得“正在關注”還是太亂，列表是終極解藥。
- 深度過濾：建立幾個私密列表（如：技術、時政、有趣的人）。
- 免打擾：將你真正想看的高質量博主放進列表。最關鍵的是，列表裡的內容是嚴格按時間線排序的，且沒有任何演算法推薦和廣告插播。
- 置頂： 你可以將列表置頂（Pin），這樣在主頁左右滑動就能在不同“淨土”間切換。
- “遮蔽關鍵詞”：精準狙擊營銷號
現在的中文垃圾資訊有很多共性詞彙，利用“隱藏字詞（Muted Words）”功能可以大幅減少干擾：
-
遮蔽詞庫建議：
-
引流類： “看評論區”、“無刪減”、“直達連結”、“置頂”。
-
灰產類： 遮蔽特定的成人詞彙或博彩詞彙。
-
AI 廢話類： 遮蔽一些 AI 生成內容高頻出現的詞，如“非常有意義”、“總結來說”、“不得不說”。
-
路徑： 設定與支援 -> 設定和隱私 -> 隱私和安全 -> 遮蔽和靜音 -> 隱藏字詞。
- 開啟“質量篩選器（Quality Filter）”
雖然演算法壞事多，但這個原生的篩選器對過濾低階機器人還是有效的。
- 作用： 它會自動隱藏重複推文、疑似自動化的垃圾回覆。
- 路徑： 通知 -> 分選器 -> 開啟 “質量篩選器”。
- 進階： 在同一頁面進入“已靜音的通知”，勾選 “未確認電子郵箱的賬號” 或 “使用預設個人資料圖片的賬號”。這能瞬間過濾掉 80% 以上的臨時水軍賬號。
- 調教演算法：不要試圖和垃圾資訊對話
在“為你推薦”裡，“憤怒”也是一種高權重互動。
- 如果你點開一個營銷號去罵它，演算法會認為你“對這類內容感興趣”，明天會給你推更多。
- 正確做法： 點選推文右上角的三個點，選擇 “我不喜歡這則帖子”，或者直接 Block（遮蔽）。遮蔽是調教 X 演算法最強硬的指令，它能直接斬斷該賬號及其類似賬號的權重。
總結建議
如果你追求資訊質量，我的建議是：主攻“列表”，輔看“正在關注”，徹底無視“為你推薦”。 可以說X是Spamization化了麼？ 確實可以用 Spamization（垃圾化）這個詞來形容，甚至可以說，現在的 X 正在經歷一場由“機制漏洞”和“利益驅動”共同造成的系統性崩壞。
在社交媒體研究中，這種現象有時也被稱為 “Enshittification（平臺劣化）” 的 X 版本。如果說以前的垃圾資訊是“躲在暗處”的，那麼現在的 X 是在“機制上擁抱”了垃圾內容。
以下是 X 這種“垃圾化”現象的三個底層特徵：
- “分錢”帶來的內容劣質化（Engagement Farming）
馬斯克推出的廣告分成計劃是“垃圾化”的最大推手。
- 邏輯： 只要有流量，藍標使用者就能分到錢。
- 結果： 產生了大批“流量農民（Engagement Farmers）”。他們不生產內容，而是透過複製熱門推文、釋出極具爭議的引流貼、或者在熱門大 V 評論區下刷 AI 生成的廢話來騙取曝光。
- 後果： 你的評論區不再是討論場，而是變成了滿是機器人和藍標營銷號的“收割戰場”。
- “藍標”優先：垃圾資訊的通行證
以前的“藍標”是身份認證，現在的“藍標”是權重購買。
- 邏輯： 只要付錢，你的回覆就會被排在最前面。
- 結果： 這種機制完全無視了內容的“真實質量”和“互動價值”。哪怕一個藍標賬號發的是純垃圾資訊，也會排在普通深度使用者的優質評論之上。
- 後果： 這種“付費插隊”機制讓低質量內容獲得了制度性的保護。
- AI 生成噪音的指數級增長
隨著生成式 AI 的普及，X 成了 AI 廢話的實驗場。
- 自動化： 現在的機器人不再是簡單的“復讀機”，它們會根據推文內容自動生成看似合理但毫無意義的評論。
- 資料汙染： 大量“Dead Internet（死網）”特徵出現，即：機器人發帖，機器人回覆，機器人點贊。真人使用者被擠壓到邊緣，感覺像是在看一場“數字殭屍”的狂歡。
X 垃圾化(Spamization)的演進圖景
特徵 傳統 Twitter 時代 現在的 X (Spamization) 篩選機制 真人轉發、信用背書 演算法權重、付費優先 主要矛盾 資訊過載 垃圾資訊反向稀釋優質內容 互動目的 觀點交流、獲取真相 騙取點選、賺取分成 評論區體驗 深度對話在頂部 藍標廢話/廣告在頂部
總結
Spamization的本質是社交信用的破產。當一個平臺不再獎勵“深刻”和“真實”，而是獎勵“停留時長”和“付費權重”時，垃圾化就是不可避免的歸宿。 專題：為你選擇互動率資訊噪音關注關係鏈驅動內容分發列表功能垃圾化遮蔽關鍵詞底層邏輯推特推特遮蔽設定時間線排序機器人過濾權重博弈正在關注水軍注意力黑洞流量收編深度使用者社交顆粒度演算法演算法驅動調教演算法質量篩選器罵戰