你在 X 后台看到的总曝光,是把发的推和回复的曝光都算在一起的。榜单上的推文曝光只算推文本身,不含回复带来的曝光,所以会比你自己后台的数字少一些,这是正常的。
推文发出后我们会持续回访它的曝光。有些推是发出去一两天后才被推荐流带起来的,这部分后涨的曝光会补记到它发布那天,所以往前几天的曝光数字可能会往上修正,这也是正常的。
每天早上 8 点为界。8 点之后你看到的「今日」,统计的是从今天 8 点开始的数据;在这之前看到的「今日」还在攒,数字偏小是正常的。页面每小时重新生成一次,页面更新时间不等于数据截止时间。
X 个人页那个计数器把转发和回复都算进去了,看着虚高。榜单上的发帖量不算转发,也不算回复,只算他自己发的和引用的,所以会比你在 X 上看到的计数小。
一条推的曝光会一直涨。榜单上的曝光是当天新增的部分,不是这条推历史累计的总量。
X 没有公开的评论计数,榜单上的评论数是根据公开数据推算出来的,会有偏差,用来看量级和排序,不要当成精确值。
刚收录的账号需要攒几天数据才能进榜。观察期里看到「暂无数据」或「数据偏少」是正常的,不是出错。
某个账号某天的数据没能凑齐时,这一格显示「无数据」,不会拿旧数字顶上。看到「无数据」就是真的没有,不是零。
AI Engineer, dedicated to learning and disseminating knowledge about AI, software engineer
健康趋势仅为公开数据层面的走势参考,不代表账号在 X 平台的任何状态判定,一切以 X 官方为准。
| 维度 | 今天 | 昨日 | 7天 | 30天 |
|---|---|---|---|---|
| 推文曝光 | 7.9万 | 38.5万 | 214.2万 | 906.8万 |
| 发帖 | 1 | 9 | 60 | 247 |
| 评论 | 4 | 22 | 102 | 457 |
| 涨粉 | +172 | +245 | +2453 | +10463 |
| 帖均曝光 | 3.9万 | 3.9万 | 3.9万 | 3.9万 |
| 最高单帖 | 19.8万 | 19.8万 | 19.8万 | 19.8万 |
帖均曝光固定是近 7 天口径,不随时间档变。空着的格子表示这个账号在那个时间窗里数据还不完整,不是 0。
Claude Fable 5.2 发布:比 Opus 5.5 强一档,API 降价两成;Max、Ultra 送 1 次Fable reset,Pro 这一周也可以直接用 Fable Anthropic 11 月 9 日发布 Claude Fable 5.2 和 Claude Mythos 5.2,这是它最高端的一档模型。官方说,在测过的几乎所有能力上,新模型都比 Opus 5.5 强一档;输出速度比 5.1 最多快 30%;API 价格从每百万输入 / 输出 Token 10 / 50 美元降到 8 / 40 美元。 订阅用户的用法,Max(100 美元 / 月)、Ultra(200 美元…
纽约时报 11 月 5 日发了一篇 Anthropic CEO Dario Amodei 的长篇人物稿,赶在 Anthropic 本月上市之前。记者采访了他二十多位同学、朋友、老师和同事,还看到了他早年的邮件和在 OpenAI 的内部消息。 Dario 通过公司发言人拒绝受访。所以下面的故事大多是别人的回忆,只有一部分有邮件、博客等文件佐证。 这些人的说法归结起来是:Dario 年轻时泡在“理性主义”和“有效利他主义”两个圈子里,两者合在一起,让他认定 AI 危险到只有他和想法相近的人才值得托付去造。朋友和同事认为,这推动他抢在不在乎安全的人之前造出 AI,也让他想把这项技术掌控在自己手里…
现在虽然不用考 LeetCode 了,但要考 AI Coding 了,并不见得容易些,还更玄学。 以下内容来自 Reddit 的帖子 ------- 致所有觉得 AI 面试很好的人:那就祝你好运吧 :) 彭博社面试经历 [伦敦/法兰克福] 刚刚面完彭博社的第二轮 AI 代码库 (codebase) 面试。 考察的是 Python 的 Django 框架,而我对此一无所知。而且整个代码库非常庞大。 他们在前 30 分钟都在进行行为面试 (behavioral interview) ,所以留给你写代码的时间基本上就只剩 30 分钟了。 关于 AI 工具的使用边界非常模糊。你根本不知道…
斯坦福 CS329Z 课程资料公开:讲座每天上 YouTube,两份作业开源,第一份教你花几美元从零写个“Claude Code” 斯坦福新课 CS329Z“AI agent 工程”(Engineering AI Agents)开始对外公开全部课程资料。授课老师之一 Michael Ryan 11 月 10 日发帖说,讲座视频每天在 Stanford Online 的 YouTube 频道上一讲,两份作业的代码仓库也放到了 GitHub,都用 MIT 协议,别的学校注明出处就能拿去上课。 开课时情况不一样。课程页写的是录像只放在斯坦福内部的 Canvas 平台给选课学生看,校外的人只能下载…
每次新模型发布就是清理精简提示词的好机会(前提是你以后一直用新模型) > “阅读整个项目,找出所有损坏、不一致、低效或不再需要的东西。修复你确信的部分,并将其余部分列出供我审查。”
登录后收藏的账号会跨设备同步,换台设备也还在。
我们只保存邮箱和昵称,用来同步你的收藏。