X가 방금 For You 피드를 구동하는 알고리즘을 오픈소스로 공개했습니다
모든 코드를 직접 읽어본 후, Claude Code로 제 목소리를 담은 게시물을 생성하는 에이전트를 만들었습니다. 알고리즘이 실제로 측정하는 모든 신호에 최적화되어 있죠
여러분도 이렇게 할 수 있습니다:
X에 대한 대부분의 콘텐츠 조언은 허구에 가깝습니다:
- 꾸준히 게시하세요
- 자신의 분야와 소통하세요
- 해시태그를 사용하세요
이 중 어느 것도 알고리즘이 실제로 작동하는 방식에 기반하지 않았습니다. 최근까지 아무도 몰랐기 때문입니다.
xAI가 For You 피드 추천 시스템 전체를 오픈소스로 공개하면서 상황이 바뀌었습니다 → github.com/xai-org/x-algorithm
• 알고리즘에 관한 블로그 게시물이 아닙니다
• 실제 소스 코드입니다
여러분을 팔로우하지 않는 사람들에게 어떤 게시물이 보여지고
어떤 게시물이 허공으로 사라지는지를 결정하는 정확한 파이프라인이죠.
저는 일주일 동안 이 코드를 읽었습니다. 그런 다음 Claude Code 에이전트를 만들어 배운 내용을 활용해 제 목소리로 게시물을 생성하도록 했습니다. 알고리즘이 측정하는 특정 참여 신호에 최적화되어 있죠.
이 글은 여러분도 똑같이 할 수 있는 방법에 대해 제가 아는 모든 것입니다!
아무도 읽지 않은 코드
X 알고리즘 저장소에는 네 가지 주요 구성 요소가 있습니다:
→ Home Mixer (오케스트레이션 계층)
→ Thunder (네트워크 내 게시물 검색)
→ Phoenix (ML 순위 모델)
→ Candidate Pipeline 프레임워크
이들은 함께 사용자에게 보여줄 각 게시물에 대해 열네 가지 사용자 행동의 확률을 예측하는 추천 시스템을 형성합니다.
점수 계산 코드에 숨겨진 중요한 통찰은 다음과 같습니다:
> phoenix/scoring 에서 실제 가중 점수 공식 최종 점수 = Σ (가중치_i × P(행동_i)) 알고리즘은 14개 행동에 대한 확률을 예측한 후 각각에 가중치를 곱하고 합산합니다 긍정적 행동은 게시물을 올리고 부정적 행동은 내립니다 가중치는 공개되지 않았지만 행동 목록은 공개되었습니다
이것은 콘텐츠 전략에 대한 생각을 완전히 바꿔 놓기 때문에 중요합니다.
알고리즘은 (참여도)를 단일 숫자로 보지 않습니다. 열네 가지 특정 행동을 예측하고 각각을 다르게 점수 매깁니다.
14가지 신호 → 콘텐츠에 미치는 영향
답글 ( ↑ 높은 가중치 )
답글은 진정한 관심을 나타냅니다.
생각, 의견 차이, 질문을 유발하는 콘텐츠가 답글을 이끌어냅니다. 열린 결말의 게시물이 단정적인 게시물보다 더 효과적입니다.
리포스트 ( ↑ 높은 가중치 )
리포스트는 "내 팔로워들이 이걸 봤으면 좋겠다"는 신호입니다.
유용하고, 새롭거나, 가치를 인정하는 콘텐츠가 개인적인 업데이트보다 리포스트를 더 많이 유발합니다.
좋아요 ( ↑ 중간 가중치 )
좋아요는 가장 진입 장벽이 낮은 신호입니다. 중요하지만, 점수 모델에서 답글과 리포스트보다 가중치가 낮습니다.
팔로우_작성자 ( ↑ 매우 높은 가중치 )
누군가가 나를 팔로우하게 만드는 게시물이 가장 높은 긍정 신호입니다. 독특한 관점이나 가치 있는 전문성을 명확히 보여주는 콘텐츠가 이를 유발합니다.
클릭 ( ↑ 중간 가중치 )
프로필 클릭은 작성자에 대한 호기심을 나타냅니다. 강한 목소리와 일관된 포지셔닝이 시간이 지남에 따라 이 신호를 유발합니다.
체류 시간 ( ↑ 중간 가중치 )
상호작용 없이 게시물을 읽는 데 소요된 시간입니다. 긴 형식의 스레드와 읽을 가치가 있는 게시물이 여기서 높은 점수를 받습니다.
관심 없음 ( ↓ 높은 페널티 )
"관심 없음" 탭은 강력한 부정 신호입니다.
- 미끼 전환 콘텐츠
- 주제에서 벗어난 게시물
- 저품질 리포스트가 이를 유발합니다
작성자 음소거 ( ↓ 높은 페널티 )
음소거는 콘텐츠가 짜증나지만 신고할 가치는 없다는 것을 의미합니다.
- 반복적
- 가치가 낮음
- 과도한 홍보 콘텐츠가 이를 유발합니다
작성자 차단 ( ↓ 매우 높은 페널티 )
신고 다음으로 가장 강력한 부정 신호입니다. 공격적이거나, 스팸성, 또는 매우 불쾌한 콘텐츠가 이를 유발합니다.
신고 ( ↓ 심각한 페널티 )
신고는 최후의 수단입니다. 소수의 신고만으로도 즉시 배포가 중단되고 가시성 필터링이 적용됩니다.
소스 코드에서 얻은 핵심 통찰 알고리즘은 모든 수동 엔지니어링 기능을 제거했습니다 Grok 기반 트랜스포머는 여러분의 참여 기록을 통해 관련성을 완전히 학습합니다: • 좋아요 • 답글 • 공유 • 체류 시간 즉, 주제와 스타일의 일관성이 알고리즘이 일치하는 참여 기록을 가진 사람들에게 콘텐츠를 보여주도록 훈련시킵니다 일관성이 없으면 모델이 혼란스러워집니다
코드에서 또 하나 중요한 메커니즘이 있습니다: 작성자 다양성 점수 산정기입니다.
알고리즘이 이미 같은 사용자에게 같은 세션에서 게시물을 보여준 적이 있을 때마다 점수를 낮춥니다.
즉, 게시 빈도는 중요하지만, 짧은 시간에 콘텐츠로 팔로워를 넘치게 하면 게시물당 배포에 오히려 해가 됩니다.
수동 게시의 문제점
당신은 자신의 목소리를 알고 있습니다...
당신의 팔로워를 알고 있습니다...
무엇이 효과적인지 대략 알고 있습니다...
문제는 시간, 일관성, 그리고 모든 게시물을 작성할 때 창의적이면서도 분석적으로 사고해야 하는 인지적 부담입니다.
자신의 스타일을 아는 개인 AI 에이전트는 일반 AI 글쓰기 도구와는 다르게 이 문제를 해결합니다.
차이점은 기억과 패턴에 있습니다: 일반 도구는 콘텐츠를 생산합니다.
• 개인 에이전트는 당신의 콘텐츠를 생산합니다
알고리즘이 보상하는 특정 신호에 맞춰 조정되고, 기존 팔로워가 알아보는 목소리로 말이죠.
무엇을 만들기 전에, 한 가지 질문에 답해야 합니다:
당신의 패턴은 실제로 어떤 모습인가요?
패턴 분석 프롬프트 → CLAUDE CODE에서 먼저 실행하세요
무엇을 만들기 전에 먼저 실행하세요.
이것이 생성하는 Voice Style Guide는 에이전트가 사용할 가장 중요한 문서입니다. 나머지는 모두 이를 기반으로 한 부가적인 것입니다.
워크플로에 맞는 아키텍처를 선택하세요
하나의 [ 올바른 ] 개인 X 에이전트는 없습니다.
올바른 아키텍처는 얼마나 많은 통제권을 유지할지, 기술에 얼마나 익숙한지, 파이프라인을 얼마나 자동화할지에 따라 달라집니다.
가장 접근하기 쉬운 것부터 가장 강력한 것까지 세 가지 완전한 청사진이 있습니다.
청사진 01
세션 에이전트 → Claude Code + MEMORY.md
실제로 작동하는 가장 간단한 아키텍처입니다.
• Claude Code를 MEMORY.md 파일과 함께 터미널에서 실행합니다. MEMORY.md에는 Voice Style Guide와 알고리즘 컨텍스트가 포함되어 있습니다. 각 세션마다 Claude가 메모리를 읽고, 다시 설명할 필요 없이 게시물을 생성합니다.
구축할 것
해당 디렉토리에서 Claude Code 세션을 열 때마다 음성, 주제 포지셔닝, 알고리즘 점수 우선순위를 로드하는 CLAUDE.md 프로젝트 파일입니다.
- 인프라가 전혀 필요 없음
- Claude 자체 외에 추가 API 키가 필요 없음
일일 워크플로
프로젝트 디렉토리에서 Claude Code를 엽니다. 아이디어나 주제를 한 문장으로 입력하세요.
스레드 버전과 단일 게시물 버전이 포함된 세 가지 게시물 변형을 받습니다. 마음에 드는 것을 선택하고 현재 음성에 맞게 편집한 후 수동으로 게시합니다. 총 소요 시간: 게시물당 45분 대신 8분.
- 인프라가 전혀 필요 없음
- 완전한 통제, 모든 게시물을 승인
- 인간 검토로 음성 품질 최고
- 수동 게시 — 스케줄링 없음
- 매번 Claude Code를 열어야 함
청사진 02
승인 파이프라인 → Claude Code + 큐 + Telegram
일괄 게시물을 생성하고 Telegram을 통해 승인을 위해 보낸 후 X API를 통해 일정에 따라 승인된 콘텐츠를 게시하는 반자동 시스템입니다.
모든 게시물에 대한 통제권을 유지하면서 생성에 소요되는 시간을 없앱니다.
아키텍처 개요
세 가지 구성 요소가 함께 작동합니다:
- 매주 일요일 저녁에 주간 게시물 배치를 생성하는 Claude Code 에이전트
- 한 번의 탭으로 승인 또는 거부할 수 있도록 초안을 휴대폰으로 전송하는 Telegram 봇
- 알고리즘에 최적화된 시간에 승인된 게시물을 게시하는 스케줄러
최적 게시 시간 → 알고리즘 컨텍스트
알고리즘의 Thunder 구성 요소는 팔로우한 계정의 게시물을 실시간으로 검색합니다.
게시물의 첫 1시간 참여도가 네트워크 외부로 제공될지 결정하는 주요 신호입니다.
가장 참여도가 높은 팔로워가 활동적인 시간에 게시물을 예약하세요. X Analytics에서 특정 팔로워의 최대 활동 시간을 확인하세요.
일반적으로: 팔로워의 주요 시간대 기준 화요일~목요일, 오전 8~10시 또는 오후 6~8시.
- 모든 게시물을 승인하므로 품질이 높게 유지됨
- 스케줄링이 알고리즘 타이밍을 자동으로 처리
- 주 1회 배치 생성, 주당 30분 소요
- Telegram 봇 설정 및 X API 액세스 필요
- X API는 무료 티어에 게시 제한 있음
청사진 03
자율 스택 → 피드백 루프가 있는 멀티 에이전트
세 개의 특화된 에이전트로 구성된 완전 자율 시스템: 게시물을 생성하는 콘텐츠 에이전트, X 성과 데이터를 읽고 효과적인 것을 식별하는 분석 에이전트, 실제 참여 결과를 기반으로 Voice Style Guide를 지속적으로 업데이트하는 최적화 에이전트입니다.
시스템은 수동 개입 없이 매주 학습하고 개선됩니다!
세 가지 에이전트 아키텍처
피드백 루프 → 이것이 다른 점
대부분의 콘텐츠 시스템은 쓰기 좋은 느낌이 드는 것을 최적화합니다.
이 시스템은 알고리즘이 실제로 보상하는 것을 최적화하며, 실제 데이터를 기준으로 매주 측정됩니다.
최적화 에이전트는 참여 지표를 읽고 Voice Style Guide를 구체적이고 증거 기반의 변경 사항으로 업데이트합니다:
[ 직접 질문으로 끝나는 게시물이 진술문으로 끝나는 게시물보다 답글을 3.2배 더 많이 받음 ]
가이드 업데이트: 게시물의 70%에 질문 추가
- 완전 자율, 실행 후 일일 노력 제로
- 자가 개선, 실제 데이터로 매주 더 좋아짐
- 추가 시간 투자 없이 모든 볼륨으로 확장 가능
- 분석 데이터에 X API 상승 액세스 필요
- 월간 검토 없으면 음성 표류 위험
- 초기 구축에 상당한 시간 필요, 최소 1주
에이전트에 무엇을 지시하고 절대 하지 못하게 해야 할까
알고리즘 소스 코드를 이해하면 대부분의 콘텐츠 조언이 완전히 틀렸다는 특정 규칙이 드러납니다.
이것을 에이전트 지침에 직접 구축하세요.
에이전트가 반드시 따라야 할 규칙
- 해시태그 사용 금지
알고리즘의 Phoenix 모델은 해시태그가 아닌 참여 기록과 콘텐츠 의미론에서 관련성을 학습합니다.
해시태그는 저품질 콘텐츠의 신호이며 배포를 개선하지 않습니다.
- 에이전트 출력에서 완전히 제거하세요.
- 주제 일관성은 알고리즘 훈련입니다
Grok 트랜스포머는 콘텐츠 유형을 학습하고 호환되는 참여 기록을 가진 사용자와 매칭합니다.
주제에서 벗어난 콘텐츠를 게시하면 이 매칭이 혼란스러워집니다. 에이전트는 정의된 주제 범위를 벗어난 게시물을 생성하지 않아야 합니다.
- 답글 창이 중요합니다
알고리즘의 네트워크 내 구성 요소(Thunder)는 팔로워에게 게시물을 거의 실시간으로 표시합니다.
하지만 네트워크 외부 배포(Phoenix)는 첫 1시간 동안의 네트워크 내 참여율에 따라 달라집니다. 가장 참여도가 높은 팔로워가 활동적인 시간에 게시하세요, 자신에게 편리한 시간이 아니라.
- 체류 시간은 측정된 신호입니다
P(체류)는 점수 모델에 명시적으로 포함되어 있습니다.
읽을 가치가 있는, 명확하지 않은 보상, 서사 구조, 또는 계층적 정보가 있는 게시물이 2초 만에 흡수할 수 있는 게시물보다 점수가 높습니다.
- 팔로우 신호는 가장 높은 긍정 가중치입니다
독특한 관점이나 다른 곳에서 찾기 어려운 특정 전문성을 명확히 보여주는 콘텐츠가 P(팔로우_작성자)를 유발합니다.
에이전트는 하루에 적어도 하나의 게시물을 이 신호에 특별히 최적화해야 합니다.
에이전트가 절대 하지 못하게 해야 할 것
- 검토 게이트 없이 자동 게시 금지
가장 잘 구성된 에이전트라도 가끔은 당신의 목소리를 놓치는 콘텐츠를 생성할 수 있습니다.
항상 승인 루프에 인간을 포함시키세요, 한 번의 탭으로 Telegram 검토만 하더라도 말이죠.
- 참여 미끼 생성 금지
[ 동의하시나요, 동의하지 않나요? ] 또는 [ 어떻게 생각하시나요? ]
는 낮은 품질의 답글을 생성하는 낮은 신호 프롬프트입니다. 알고리즘은 실질적인 답글과 한 단어 반응을 구분할 수 있습니다.
- 음성에서 표류하지 못하게 하세요
AI 콘텐츠 에이전트의 가장 흔한 실패 모드는 점진적인 음성 동질화입니다. 출력이 점차 일반적인 AI 톤으로 수렴합니다.
Voice Style Guide를 매월 검토하고 에이전트가 실제로 생성하는 것과 비교하세요.
- 단일 신호에 최적화하지 마세요
알고리즘은 열네 가지 신호의 가중 합계를 사용합니다.
하나를 극대화하는 콘텐츠는 [ 논란을 위한 답글 등 ] 다른 것을 희생하면서 [ 관심 없음 또는 신고 유발 ] 순 부정적이 될 것입니다.
- 에이전트는 긍정 신호의 포트폴리오를 최적화해야 합니다.
> 알고리즘은 게시물에 얼마나 공들였는지 신경 쓰지 않습니다 > 열네 가지 특정 행동을 측정하고 각각을 점수 매깁니다 > 에이전트는 이 열네 가지를 모두 알아야 합니다
대부분의 AI 콘텐츠가 AI 콘텐츠처럼 들리는 이유
모두가 걱정하는 실패 모드
[ 콘텐츠가 AI처럼 들릴 것이다 ] → 현실적입니다.
하지만 불가피한 것은 아닙니다. 한 가지 특정 실수 때문에 발생합니다:
- 에이전트에게 주제가 주어졌지, 패턴이 주어지지 않았기 때문입니다.
에이전트에게 [ AI 도구에 대해 써라 ]라고 말하면 AI 도구에 대한 일반적인 AI 콘텐츠가 생성됩니다. 에이전트에게 [ 과장에 근본적으로 회의적이고, 구체적인 예시만을 사용하며, 반대 의견을 암시하는 질문으로 모든 게시물을 끝내는 사람의 목소리로 AI 도구에 대해 써라 ]라고 말하면 당신처럼 들리는 무언가가 생성됩니다.
차이점은 제약 조건의 구체성입니다.
Voice Style Guide가 주제뿐만 아니라 실제 패턴을 더 정확하게 포착할수록 출력이 더 알아볼 수 있게 됩니다.
음성 보존 프롬프트 → 매주 실행
첫 달 동안 매주 이 비교를 실행하세요.
4주차가 되면 에이전트 출력과 자연스러운 음성 사이의 격차는 승인 프로세스가 빨라지고 편집이 최소화될 만큼 좁혀질 것입니다.
실제로 중요한 지표
대부분의 사람들은 팔로워 증가와 총 노출 수를 측정합니다.
이 중 어느 것도 에이전트가 네트워크 외부 배포를 유발하는 알고리즘 신호를 맞추고 있는지 알려주지 않습니다.
추적할 가치가 있는 지표는 다음과 같습니다:
[ 주간 에이전트 성과 검토 ]
매주 월요일, 에이전트가 다음 배치를 생성하기 전에 다음 숫자를 추적하세요:
- 답글률 (답글 ÷ 노출 수) → 목표: 에이전트 이전 기준치 이상
- 팔로우율 (비팔로워로부터의 새 팔로우 수 / 게시물) → 가장 가치 있는 신호
- 네트워크 외부 노출 비율 (비팔로워로부터의 노출 비율 %) → For You 피드 침투율 측정
- 프로필 클릭률 → 콘텐츠가 당신에 대한 호기심을 유발하는 신호
- 관심 없음 / 음소거율 → 상승 시 에이전트가 일반 콘텐츠로 표류 중 신호
이 숫자를 매주 Analytics Agent에 공급하세요.
이것이 최적화 루프를 구동하는 신호입니다.
특별한 주의가 필요한 숫자가 하나 있습니다: 네트워크 외부 노출 비율입니다. 이것은 Phoenix 검색 시스템 [ 전역 코퍼스에서 게시물을 발견하는 ML 모델 ]이 당신을 팔로우하지 않는 사람들에게 콘텐츠를 제공하고 있다는 가장 명확한 신호입니다.
비율이 40% 이상이면 알고리즘이 새 청중에게 게시물을 적극적으로 배포하고 있는 것입니다.
• 20% 미만이면 거의 전적으로 기존 팔로워에게 도달 범위를 의존하고 있는 것입니다.
에이전트의 알고리즘 최적화, 답글 유도, 팔로우 유발 게시물, 체류 시간 보상 콘텐츠는 특히 이 비율을 높이기 위해 설계되었습니다.
매주 추적하세요
움직이지 않으면, Voice Style Guide와 알고리즘 컨텍스트에 맞춰 에이전트의 출력을 재조정해야 합니다.
읽어주셔서 감사합니다!
