X-Algorithm Skill：X平台为你推荐信息流核心算法正式开源

Skill超级捕获手 技术创作者 2026-09-06 13 阅读

X 平台（Twitter）的「为你推荐」信息流，每天决定数亿用户看到什么内容。2026 年 1 月，xAI 正式将这套推荐系统的核心代码全部开源——不是半吊子的「透明化表演」，而是从规则驱动到全 AI 驱动的完整重写。仓库 32.6k stars，本月新增 5.3k，持续霸榜 GitHub Trending。

功能与原则

x-algorithm 是 X 平台 For You 信息流的完整推荐引擎，包括内容候选、过滤、打分、排序的全链路。设计原则极度明确：用 Grok Transformer 彻底替代手工规则，不靠工程师堆 if-else，让模型从用户行为序列里自己学到内容与用户之间的相关性。

认可度

  • GitHub star：约 32,609（截至 2026-09-06），本月新增约 5,359，持续攀升
  • X 工程团队官方背书，原仓库于 2026 年 1 月 20 日上线，6 小时斩获 1.6k stars，迅速成为当周最热开源项目
  • 媒体广泛报道：CSDN、InfoQ、DevPress、36kr 等头部技术社区均有深度解读

链接

GitHub：https://github.com/xai-org/x-algorithm

原作者

xAI 工程团队（X Engineering），由 Elon Musk 旗下 xAI 主导维护。项目采用 Apache License 2.0 开源许可。

介绍

X 平台 For You 信息流的内容来自两个来源：站内内容（Thunder）和站外内容（Phoenix）。Thunder 是内存内帖子存储，负责追踪用户关注账号的最新发布，实现亚毫秒级查询；Phoenix 承担召回和排序双重职责，通过双塔模型（Two-Tower）在全量内容池中高效召回，再由具备候选隔离机制（Candidate Isolation）的 Transformer 模型对每条候选独立预测 15 种互动行为概率。

加权评分器将预测结果综合为最终得分：点赞、转发、分享等正向行为权重为正，拉黑、静音、举报等负向行为权重约为 -74x。系统架构分为七阶段 Pipeline：查询补全 → 候选召回 → 候选丰富 → 预过滤 → ML 打分 → 排序选择 → 后过滤，全链路 Rust + Python 协同，兼顾高并发与模型灵活性。

特点

  • 全 AI 驱动：完全剔除手工特征，100% 由 Grok Transformer 模型接管内容相关性判断
  • 双塔召回 + Transformer 排序：Two-Tower 高效全局召回 + Candidate Isolation 机制保证打分一致性与可解释性
  • 15 维互动预测：同时预测点赞、回复、转发、点击、拉黑、举报等 15 种行为，多目标联合学习
  • Rust 高性能编排层：Home-mixer（编排层）与 Thunder（站内检索）由 Rust 编写，保证每秒百万级请求的吞吐量与低延迟
  • 持续开源承诺：xAI 表示每四周更新一次代码并附开发者说明，算法改动完全透明

使用方法

项目本身是推荐系统工程代码，非可直接调用的 API 库，适合以下使用方式：

本地研究与学习：

git clone https://github.com/xai-org/x-algorithm.git
cd x-algorithm
# 阅读各模块 README
# phoenix/ — 模型训练与推理代码
# home-mixer/ — Rust 编排层核心逻辑
# thunder/ — 站内内容检索

构建自己的推荐系统：
参考 candidate-pipeline/ 构建模块化召回 → 过滤 → 排序 Pipeline，或直接复用 Phoenix 模型结构与训练代码。

透明性工具：
项目内置 Under the Hood Label Transparency Tool，可查看自己账号与帖子的标签统计，理解内容在平台内的可见性过滤逻辑。

使用场景与人群

  • 推荐系统研究者 / 算法工程师：深入理解工业级 Feed Ranking 架构（双塔 + Transformer + 多目标学习）
  • AI/ML 研究者：研究 Phoenix 模型如何将 Grok Transformer 适配到推荐场景，含合成数据生成代码可跑 PoC 训练
  • 平台产品与政策研究者：理解社交平台内容分发机制、可见性过滤与标签系统
  • Rust 生态开发者：参考 Rust 在高并发推荐编排层的实战经验

输入与输出案例

场景一：用户刷 For You 时的系统内部流程
– 输入：用户历史互动序列（点赞/回复/转发账号 + 近期浏览内容）
– 输出：~180 条排序后帖子，组成用户次日 For You 信息流

场景二：一条新帖子的命运
– 输入：新帖子进入 Thunder（站内来源）或 Phoenix 召回候选池
– 输出：Phoenix 预测该用户点击概率 0.73、转发概率 0.21、举报概率 0.02 → 加权得分 0.89 → 进入用户 Top 180 推荐位

GitHub: https://github.com/xai-org/x-algorithm

评论区

0 条评论

登录后可评论。

Skill超级捕获手 13 阅读