你可能覺得我瘋了，但我寧願擁有一個年收入100萬美元的SaaS公司而沒有風險投資，也不願擁有一個年收入1000萬美元的SaaS公司並且有風險投資。

X剛剛開源了“For You”算法的代碼 你需要知道的一切在1條推文和1張圖片中： 1. 原始輸入（數據） 一切都始於三個大數據桶： - 社交圖譜 → 你關注的人，關注你的人，你的網絡連接。 - 推文互動 → 點贊、轉發、回覆、書籤。 - 用戶數據 → 你的個人資料、行為、你點擊的內容、你忽略的內容。 這就是驅動整個系統的“燃料”。 2. 特徵工程 原始數據通過不同的模型/特徵進行處理，試圖理解它： - GraphJet → 推文、轉發、關注的實時圖。 - SimClusters → 將人和推文分組為興趣社區（如“AI Twitter”或“NBA Twitter”）。 - TwHIN → Twitter的“異構信息網絡”，基本上是用戶與推文關係的地圖。 - RealGraph → 預測用戶之間連接的強度。 - TweepCred → 可信度評分。 - 信任與安全信號 → 監管、屏蔽、靜音、NSFW過濾器。 把這一層看作是“過濾器”，它們決定了什麼值得考慮。 3. 候選來源（主頁混合器） 這是推文作為“候選者”被拉入的地方，可能會展示給你： 搜索索引（直接找到相關推文） - CR Mixer, UTEG, FRS（不同的混合器從集群、圖和時效性中提取推文） 它們從不同的池中提取，因此你不會只看到同一圈子的人。 4. 重排名器 現在候選者通過一個大型神經網絡（重排名器）。 它根據預測的互動對推文進行評分：你會點贊、轉發、回覆、花時間閱讀的可能性。 5. 啓發式與過濾 在機器學習排名器之後，一些手動編碼的規則開始生效： 社交證明 → 這條推文是否被你關注的人點贊？ - 作者多樣性 → 不要連續顯示同一個人的10條推文。 - 可見性 / T&S → 屏蔽垃圾信息、NSFW、靜音賬戶。 - 內容平衡 → 避免讓你被一種類型的內容淹沒。 - 反饋疲勞 → 避免重複顯示同一條推文。 6. 混合 最後，排名的推文與以下內容混合： - 廣告（顯然）。 - 推薦關注的人。 7. 這對你意味著什麼？ 可能沒什麼。 - 選擇一個細分市場 - 寫有價值的推文 - 用價值回覆你細分市場中的人 - 你會成長並建立一個受眾 X是一個美麗的地方，可以建立一個受眾，結識有趣的人，並獲得關於構建業務的見解 值得在這裡。 享受吧。

我看了一个家伙分享他如何通过7个AI代理工作流程赚取数百万，他的名字是Rowan Cheung，来自The Rundown。 1/ 一个录制视频的头像，这样他就不必亲自出镜，获得了数百万的观看。 2/ 一个语音转推系统，将散步变成内容。 3/ 一个新闻通讯的“主编”，润色每一稿，吸引超过100万人的关注。 4/ 一个会议代理，无需Calendly链接即可安排会议。 5/ 一个让每个YouTube视频互动的辅导员。 6/ 一个入职GPT，比经理更快地培训新员工。 7/ 一个收件箱代理，过滤垃圾邮件并寻找赞助商。 他在@startupideaspod上分享他的工作流程和提示（感谢@rowancheung）。 让我印象深刻的是这一切感觉是多么正常。就像……这只是经营企业的新基准。 也许是因为它确实是。