我认真运营 X，大概有三个月了。
这三个月里，我一直在观察一个问题：
为什么有些账号粉丝不算多，但一条帖子可以获得非常高的曝光；有些账号粉丝很多，发出来的内容却很难获得推荐？
一开始，我也和很多人一样，把注意力放在点赞、转发、粉丝数量这些表面数据上。
但最近我重新研究了一遍 X 公开的推荐算法，又观察了两个完全不同的账号，我发现事情可能没有那么简单。
所以这篇文章不是一篇“X 运营教程”。
这是我把三个月的实际观察 + X 公开的推荐算法 + 两个真实账号的对比放在一起之后，目前得到的一套理解。
先说结论。
一、第一件事：先让 X 知道你是谁
这是我现在认为最重要的一点。
X 在 2023 年第一次公开了推荐算法的部分源代码。到了 2026 年，又公开了更新后的 X For You Feed Algorithm，也就是现在直接负责 For You 信息流推荐的一套核心代码。
我真正看进去以后，发现一个很重要的事情：
X 并不是简单地判断“这条帖子有多少点赞”，然后决定给多少曝光。
它首先需要理解的是：
这个用户是谁？这个用户平时关注什么？他会和什么内容互动？这条帖子可能适合什么样的人？
现在公开的推荐代码里，Phoenix 会读取用户近期的行为历史，并预测这个用户看到某条帖子之后可能发生什么行为。
这些行为包括：
点赞
回复
转发
Quote
点击帖子
点击个人主页
展开图片
观看视频
停留时间
关注作者
“不感兴趣”、屏蔽、举报等负向行为
然后系统综合这些预测结果，对帖子进行排序。
这让我重新理解了一个问题：
一个账号到底是什么，并不是你自己说了算，X 会通过你的持续行为去判断。
你发什么内容。
你和谁互动。
你回复什么帖子。
你关注什么人。
别人又会不会和你互动。
这些东西长期积累以后，都会帮助系统理解你的兴趣和你的内容属于什么范围。
所以，如果你想做一个长期账号，我现在反而不会特别纠结“我要不要在每条帖子里加 #buildinpublic”。
我更在意的是：
我的最近几十条主帖，是不是一直在告诉 X，我是一个什么样的人？
比如我现在做的是：
独立开发 + 开源 + AI 工具 + 公开构建
那么我的内容就应该长期围绕这个范围。
不是说一条都不能跑题。
而是如果 70% 以上的内容都在这个方向里，剩下 30% 再拿来发一些个人思考、生活、吐槽，其实就已经比较清晰了。
我现在越来越觉得：
账号定位不是写在 Bio 里的那句话，而是你持续发出来的内容和持续产生的互动。
二、第二件事：互动质量，比单纯点赞重要得多
这一点，是我研究算法以后变化最大的地方。
过去我会很自然地认为：
点赞越多 → 帖子越受欢迎 → X 就会继续推荐。
但公开的推荐机制并不是这么简单。
X 现在公开的 Phoenix 推荐模型，会预测用户对一条帖子产生各种行为的概率，而不是只看一个“点赞数”。
所以对于一个做账号的人来说，我现在更关注的是：
用户看到我的帖子以后，到底有没有真正发生行为。
比如：
点赞当然有价值。
但回复、Quote、点击、展开图片、观看视频、停留，以及之后继续访问你的主页、关注你，都可能成为更有意义的用户信号。
所以我现在运营账号，会把自己的时间更多放在：
自己的评论区 > 同赛道陌生人的评论区 > 无意义点赞
尤其是自己的帖子下面有人认真回复时，我会尽量认真回复。
因为这不只是“礼貌”。
它意味着一条帖子从：
我发了一条内容
变成了：
我发了一条内容 → 有人产生兴趣 → 留下回复 → 我继续回应 → 形成了一段真实对话
这和单纯几十个人点个赞，是完全不同的互动结构。
所以我现在给自己的原则很简单：
回对的人，比回更多的人重要。
三、对比两个账号
研究算法是一回事。
真正让我确认这些想法的，是我开始观察两个完全不同的账号。
一个是 @xupaopaogm。
另一个是 @cgnot996。
他们的内容风格、受众结构和账号定位差异非常明显。
徐跑跑
徐跑跑有一个非常明显的特点：
他的内容很容易让人停下来。
很多内容并不需要用户先了解复杂的技术背景，而是能够直接制造好奇、争议或者讨论。
于是用户会：
看到 → 停留 → 评论 → 争论 → Quote → 继续看评论 → 作者继续回复
从推荐算法的角度看，这其实非常有意思。
因为 X 公开的模型本身就在预测这些行为。
所以我现在不会简单地把它理解成：
“他的帖子点赞很多，所以 X 推他。”
更准确的理解应该是：
他的内容非常容易触发一系列连续的用户行为。
这才是我觉得真正值得研究的地方。
顺带一提，徐跑跑在最近一次创作者收益审核中遇到了暂时没有通过的情况。
但我认为这件事情本身不能证明什么长期规律。
下一次审核结果完全可能不同。
所以我更关心的，其实不是“这个账号能不能变现”，而是：
为什么他的内容能够持续制造这么多用户行为？
铁柱 AGI
铁柱 AGI 则完全是另一种模式。
他的账号规模并不算特别大，大约几千粉丝，但内容非常垂直：
Grok、AI、Codex、开发工具、开源项目、产品实践。
他的很多主帖不是为了制造争议，而是直接展示：
产品
功能
截图
使用体验
技术信息
价格对比
AI 工具实践
但其中一些原创产品型帖子，依然能够获得非常高的曝光。
这让我注意到了一个非常重要的区别：
粉丝数量并不能直接代表一个账号内容能够获得多少推荐。
一个几千粉丝的账号，如果它的内容和一群明确的人高度相关，那么它依然可能不断从自己的关注者之外获得推荐。
而 X 公开的算法也确实存在这样的机制：
For You 不只是从你关注的人那里找帖子，还会通过 Phoenix、SimClusters 等机制，从你没有关注的账号中寻找可能相关的内容。
这两个账号放在一起看，我反而更容易理解 X 的推荐逻辑了。
一个账号可以通过强烈的用户行为获得推荐。
另一个账号可以通过非常明确的内容和受众匹配获得推荐。
它们的形式完全不同。
但底层都指向了一件事情：
你到底在向 X 提供什么样的内容，以及 X 能不能找到可能对这些内容感兴趣的人。
四、所以我现在对账号定位的理解变了
以前我理解的账号定位是：
Bio 写清楚自己是谁。
现在我觉得远远不够。
真正的定位应该是：
让 X 能够通过你的内容和互动，持续判断你是谁。
所以如果让我现在重新开始做一个 X 账号，我不会一上来就追求很多粉丝。
我会先做一件事情：
让自己的账号变得足够清晰。
比如：
主方向：独立开发
第二方向：开源 / AI 工具 / 公开构建
然后持续输出。
这样做的好处是，当一条内容表现不错的时候，我希望 X 找到的是：
可能真的对独立开发、AI、开源感兴趣的人。
而不是随机找一群人把数字堆起来。
五、互关可以做，但我不会再把它当成增长模式
我现在对互关的态度也发生了变化。
刚开始冷启动的时候，找 20～50 个和自己内容方向一致、并且真的活跃的人，我认为没有问题。
因为你需要建立最初的关系网络。
而且这些人如果真的对你的内容感兴趣，后续产生回复、Quote、转发，本身就是正常的用户行为。
但如果变成：
今天关注 500 个人
明天等 500 个人回关
然后互相点赞
我觉得意义就很有限了。
因为你真正需要建立的不是一个“互关名单”。
而是一个：
与你内容方向高度相关的关系网络。
所以我现在的理解是：
互关是冷启动工具，不是增长模式。
六、社群可以加，但不要把社群变成刷量工具
这一点我也会做，但会非常谨慎。
如果一个社群里面的人本身就在使用 X，而且大家确实对 AI、独立开发、开源、产品这些内容感兴趣，那么它可以帮助一个新账号获得第一批真实的互动。
但如果规则变成：
每个人发帖以后，所有人必须点赞、评论、转发。
那就完全是另外一回事了。
我更愿意把社群理解成：
加速第一波真实互动的地方。
而不是：
制造虚假数据的地方。
内容本身还是最重要的。
最后，这是我接下来会怎么做
研究完算法，又观察了这两个账号之后，我现在给自己定了一套非常简单的执行方式。
第一，定位保持清晰。
独立开发 + 开源 + AI + 公开构建。
第二，主帖少一点，但认真一点。
我宁愿每天 1～3 条真正有东西的内容，也不想一天发十几条没有价值的水帖。
第三，评论的权重很高。
研究 X 的推荐机制后，我发现评论不是简单的“互动数据”，而是重要的用户行为信号。
所以相比单纯追求点赞，我会更重视真实的评论和对话：
自己的评论区 > 同赛道陌生人的评论区 > 无意义点赞
回对的人，比回更多的人重要。
第四，主帖不要放外部链接。
在 X 的算法里，主帖放外部链接会影响推荐，所以如果目标是涨粉，我会把链接放到评论区。
主帖先让用户停留在 X 里完成阅读和互动，链接需要放的时候，再放评论区。
第五，不追求每条帖子都爆。
我真正想做的是让 X 越来越清楚：
张三疯的风是谁？
他主要做什么？
什么样的人会喜欢他的内容？
如果这个问题越来越清晰，我认为账号的长期增长才会开始变得可预测。
这也是我研究 X 推荐算法三个月以后，目前最重要的一个结论：
运营 X，不只是想办法让一条帖子获得更多曝光。
而是持续告诉 X：你是谁，你在做什么，以及什么样的人应该看到你的内容。
我是 @indexflowing，一名独立开发者。
目前主要做独立开发、AI、开源和公开构建。
我开源了 AgentBridge 和 IndexFlow-core 两个项目。
这篇文章，是我系统运营 X 的一个起点。
接下来我会按照这套方法继续实践，并公开记录结果。