5.3
深览指数
科技TechCrunch·Aisha Malik··AI 生成
社交媒体的下一轮进化：用户可控的算法
社交媒体平台正从黑盒推荐转向用户可定制的算法，Threads、Instagram、TikTok 相继推出让用户直接调节内容偏好的工具。本质上是推荐系统从「千人一面」电视模式转向「流媒体」订阅模式，用户可明示兴趣与排斥内容（如设定时段性偏好或滑动调节话题权重）。文章以产品功能通报为主，具备具体工具名与上线日期，但缺乏对平台真实动机（用户留存 vs 广告效率）的批判性分析，也基本不涉及这种「受控自主」在现实使用中的摩擦与副作用。适合产品经理或对社交平台交互设计感兴趣的人快速了解功能现状。原文 ↗
核心观点
- ▍社交媒体正从平台控制算法单向推送，转向让用户通过新工具（如 Threads 的 Your Algo、Instagram 的 Your Algorithm、TikTok 的 Manage Topics）主动训练和个性化自己的推荐算法。
- ▍这种转变将推荐系统从「一个尺寸适合所有人」的电视频道，变成了更像「流媒体服务」的模式，用户可以像调订阅内容一样调教信息流。
- 012026 年 6 月 16 日，Threads 推出「Your Algo」功能，用户可私下设定偏好（此前 2026 年 2 月的「Dear Algo」需公开发布帖子方可生效）。新工具允许用户选择偏好生效时长（1、3 或 7 天），例如要求多看棒球内容、少看压力性新闻。
- 022026 年 6 月初，Instagram 推出「Your Algorithm」工具，用户可查看平台对自己兴趣的推断，并明示想多/少看什么；该工具此前只针对 Reels 信息流（2025 年 12 月上线），现已覆盖 Feed、探索和 Reels 三大板块。
- 03TikTok 于 2024 年推出「Manage Topics」工具，用户可通过滑块调节文体、旅行、幽默、时事等话题权重；2025 年又加入 AI 驱动的智能关键词过滤，自动同步过滤同义词（如筛选「翻新」也过滤「改造」「更新」）。
- 04Instagram 负责人 Adam Mosseri 表示，传统推荐模型缺乏透明度，LLM（大语言模型）能让推荐系统变得更可解释，并让用户更明确地表达内容偏好。
反方 / 局限
- — 文章未讨论的所有重要局限：用户调节偏好后，平台仍保留通过其他界面（如广告、推荐模块、搜索排序）操控可见性的能力，「算法可控」实际只是给用户改造一个由平台划定的可调节范围。
- — 文章未涉及的数据风险：用户输入的精细偏好（如「少看负能量新闻」「多关注棒球」）是高度敏感性元数据，平台可因此更精准地对用户进行画像和广告定向，这实际上增强了而非削弱了平台对用户的掌控。
ThreadsInstagramTikTokAdam MosseriDear AlgoYour AlgorithmManage TopicsLLM (大语言模型)
12 分钟 · 4 卡片 · 10 资料
读原文 →