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。
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 | 3.7万 | 2.3万 | 54.6万 | - |
| 发帖 | 54 | 40 | 327 | - |
| 评论 | 140 | 110 | 1453 | - |
| 涨粉 | +58 | +82 | +723 | - |
| 帖均曝光 | 2061 | 2061 | 2061 | 2061 |
| 最高单帖 | 5.6万 | 5.6万 | 5.6万 | 5.6万 |
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。
我觉得 ZCode 可能是目前被低估得比较严重的 Coding Harness 之一。 之前因为未经充分告知就上传用户代码仓库的事情,口碑直接崩了,被骂一点都不冤。 但说实话,最近几个版本迭代下来,我个人的使用体验是真的不错。交互、功能完整度、细节打磨,都能感觉到团队在认真做产品。 安全问题该骂还是得骂,但我也不想因为一次严重失误,就完全否定一个产品后续的进步。 不知道还有多少人在用 ZCode?你们最近的体验怎么样?
分享一个 Pi 上的破甲插件:Pi-Purge,可以配合 RAE 一起使用。 原来的 dsh-purge 是给 DSH 做的,现在有人把它简化后移植到了 Pi 上。 我觉得移植到 Pi 反而更灵活了。Pi 本身的扩展机制就很开放,这个插件可以直接替换系统提示词,而且支持会话独立,不需要为了破甲去修改全局配置。 目前支持三种模式: - strict:只保留自定义人设和工作目录 - replace:替换 Pi 的部分默认提示词 - append:在原有提示词基础上追加内容 需要的时候开启,不需要就正常使用。配合 RAE,可以把模型调用和提示词控制拆开,玩法更多。 项目地址: https…
分享一套目前成本极低、相对可靠稳定的免费 AI Coding 使用方法:WorkBuddy + DeepSeek + Magpie。 WorkBuddy 每个新账号有 500 免费积分,每日签到再送 100 积分,目前 DeepSeek 的积分消耗倍率仅为 0.11,额度相当耐用。 通过开源项目 Magpie,可以将 WorkBuddy 的 DeepSeek 模型额度反代出来,再接入 Codex CLI、Claude Code、OpenCode 等其他 AI Agent 工具使用。 具体操作: 1. 注册 WorkBuddy,领取 500 免费积分。 2. 安装 Magpie,配置 W…
之前分享过一个 Pi-Purge 插件,可以配合 RAE 使用,实现一键破甲。 没想到作者这么快就搞出了升级版:agent-purge。 这次不再局限于 Pi,而是直接扩展到了 Codex、Claude Code、OpenCode、Grok、CodeBuddy 等一大批主流 AI Agent。 核心功能还是替换或注入 System Prompt,可以通过本地 Web 界面统一管理,不用再针对不同 Agent 单独折腾。 不过提醒一下,这种破甲主要针对 Agent 的提示词和 Harness 层,不代表能绕过模型服务端的安全审查。作者也提醒,部分国外模型存在云端审查,可能有封号风险,建议…
dax 说 OpenCode 自己部署的 DeepSeek,和 DeepSeek 官方 API 提供的服务完全一致。 但我实际测下来,总感觉两边的模型表现有差异。。。 按理说,如果模型、推理配置和服务方式都一致,效果应该差不多才对。 不知道是我的错觉,还是大家也有类似的体验?
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。