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。
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。
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 | 8 | 288 | 5741 | - |
| 发帖 | 0 | 3 | 17 | - |
| 评论 | 0 | 1 | 11 | - |
| 涨粉 | 0 | +1 | +19 | - |
| 帖均曝光 | 375 | 375 | 375 | 375 |
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。
自己刷简历真是太累、太耗时间了，索性就用 Hermes Agent + egeo-lite @ego_agent 浏览器，帮我自动 Agent 岗位的投递，自动对 Boss 发应聘话术。 也算是另外一种形式的广撒网吧，祝我好运～ https://t.co/J16OkJNrgN
抽了大半天的时间去做一些研究探索，只为了解决一个问题：在做 AI 面试的过程中，面试官或多或少会问一些模型微调等方面的面试题。 其实这部分涉及的东西还挺多的，所以我花了很多时间，从整个底层认知（关于 GPU、显存等），到模型怎么去推理、怎么去部署，再到模型微调实战，以及选型和运维。此外，还包括只要你能背就能通过的面试题库。 所以我做了这样一个网站，通过交互式的动画、深入浅出的教程和测评题，来强化学习这方面的知识，希望能对你有所帮助。 https://t.co/HOIPNquRcM
千亿公司的掌舵人，夜里仍在写代码：不是作秀，是真的受不了工具不对、系统太慢、标准太松。Tobi Lütke 白天管 Shopify，晚上当父亲，夜里还是黑客。他讨厌“扮演上市公司 CEO”的那套仪式，更愿意把公司当成一套可重构的软件，亲自审查项目、砍掉低价值工作、起用创始人式高管，甚至用代码把组织本身建模出来。 对工程师，他最有说服力的地方是自己下场。Shopify 微调的 0.8B 专用模型，能在特定任务上打赢更大的通用模型；他周末用 Rust 重写面向大规模仓库的 Git，再把支撑自改进循环的基础设施开源。连 AI 编程工具的约定他都较真，不满 Claude 只认 CLAUDE.md、不…
AI 时代，做 MVP 以及快速上线一个产品已经变得越来越不稀缺了，真正稀缺的还是那些不变的能力：怎么做增长、怎么做分发等。而这些能力恰好是像我这样的开发者所不擅长的。 所以最近一段时间，我去 B 站看了增长黑客相关的视频，觉得这一系列的视频教程很不错。我就用 GLM 5.3 模型，通过本地命令行把 B 站这 40 多集视频的音频全部下载到本地，用本地的 FunASR 进行 ASR 处理，然后再并行 14 个子 Agent 去做 ASR 的润色优化，用 @RonVonng 开源的 OINK 框架快速搭建了一个关于增长黑客的站点。 https://t.co/mRX38u3BA0 这个站点可…
千问AI平台的这篇微信公众号对AgentTeam 理论分析的很好，从 ReAct 到 Agent Teams：一个工程师视角的 Agent 协作机制思考。 Agent 的本质是 ReAct 循环，而当前多 Agent 协作架构（Leader-Worker）远未达到人类团队的协作水平，作者提出了一套借鉴人类组织经验的"Agent Team"设计方案。 https://t.co/30jLXcQdIc
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。
