用途：优化 X/Twitter 内容以提升触达，排查表现不佳的帖子，理解 For You 信息流的推荐机制。
主要能力：基于对 xai-org/x-algorithm 代码库（2026-05-15 发布）的分析，提供即时可用的内容模板与对推荐架构的解读。资料称 X 已转向端到端神经架构，流程包括 Home Mixer（Rust 编排：查询、候选召回、过滤、评分、选择、广告混合）、Thunder（站内候选来源，来自关注账号的近期帖子）、Phoenix（站外两塔检索与神经排序器，Grok-1 衍生 transformer）、Grox（内容理解服务：垃圾、安全/PTOS、类别、质量与多模态嵌入）。评分形式为对各动作概率加权求和，再经有界归一化；具体权重为运行时特性开关参数，未在仓库公开。资料列出 19 个已确认动作类型，包括 favorite、reply、repost、photo_expand、click、profile_click、vqv、share、share_via_dm、share_via_copy_link、dwell、quote、quoted_click、follow_author、not_interested、block_author、mute_author、report、dwell_time；并称无 bookmark 与 expand_details 动作。
使用方式：以自然语言提出请求，例如对帖子评分、生成优化内容、解释表现原因、排查触达问题。资料给出的建议包括：鼓励回复与转发类高价值动作；加入媒体（视频需达到最小时长才计入 vqv）；避免垃圾式模式与引战；注意同一次信息流内作者去重；站内触达相对受结构偏爱；关注发布时效。
适用场景：内容创作者、运营或研究者希望理解推荐机制并优化发布策略。
限制：无法计算真实分数，因为权重未公开；资料明确提醒不应引用具体数字当作事实（如“一次拉黑等于 -1000 个赞”为错误说法），权重数值、max_age 等均为私有或未公布；部分结论属于推断而非代码确认。