解密小红书：从技术架构到推荐算法，看普通人如何成为热点制造者

解密小红书：从技术架构到推荐算法，看普通人如何成为热点制造者

引用

数英digitaling

等

11

来源

1.

https://www.digitaling.com/articles/1291408.html

2.

https://blog.51cto.com/u_16213632/10794753

3.

https://blog.csdn.net/Kaiyuan_sjtu/article/details/141262319

4.

https://blog.csdn.net/qq_17065591/article/details/136719168

5.

https://www.gcores.com/talks/818289

6.

https://blog.csdn.net/tMb8Z9Vdm66wH68VX1/article/details/141834358

7.

https://xie.infoq.cn/article/245426761d9cb3696587685b2

8.

https://www.woshipm.com/operate/6150494.html

9.

https://www.21jingji.com/article/20241226/herald/3b2063e6668368b946c974980db0d556.html

10.

https://maimai.cn/article/detail?fid=1841387536&efid=NI4kbBsL3uJcW0l25wWFqA

11.

http://www.518wcb.com/709.html

2025年春节期间，小红书再次展现了其强大的热点制造能力。从"机器人扭秧歌"到"撒贝宁卸妆后还是蜡笔小新"，一个个趣味话题在平台上迅速发酵，吸引了数亿用户的参与和讨论。据统计，春节期间小红书的春晚相关总互动量超过14亿，创造了622个热门话题，较去年增长2.4倍。

这些数据背后，是小红书独特的推荐系统和技术架构在发挥作用。作为一个拥有数亿用户的UGC（用户生成内容）平台，小红书如何让普通人的生活细节被广泛看见？其背后的推荐系统又有哪些独特之处？让我们一起揭秘这个神奇社区背后的黑科技。

小红书的推荐系统面临着巨大的计算挑战。以主推荐场景为例，单个模型的sparse特征可达1TB，用户每刷一次小红书，计算的总FLOPs（浮点运算数）达到400亿次，而系统需要在300毫秒内完成这一过程。

为了应对这一挑战，小红书采用了GPU异构计算架构。通过将不同类型的处理器（如CPU、GPU）组合使用，小红书不仅提高了计算性能，还实现了更好的效率和更低的成本。在2021年开始的推广搜模型GPU化改造中，小红书成功提升了模型推理性能，为用户提供更流畅的使用体验。

小红书的推荐算法主要由三个部分组成：搜索流量、推荐流量和直播流量。其中，搜索流量占比超过65%，是用户获取内容的主要渠道。小红书的搜索流量算法基于关键词匹配和用户行为分析，通过优化标题和内容中的关键词，可以提高笔记的曝光机会。

推荐流量则通过CES算法（Community Engagement Score，社区参与度评分）进行内容分发。CES算法的核心指标包括点赞、收藏、转发、评论和关注等用户交互行为。具体来说，1个点赞等于1分，1个收藏等于1分，1个转发等于4分，1个评论等于4分，1个关注等于8分。这种评分机制鼓励高质量、高互动的内容获得更多的推荐机会。

直播流量则结合权重和流量两方面进行分配。基础权重主要考虑账号的历史表现，而实时排名权重则根据当前内容的表现动态调整。这种机制既能保证优质账号的稳定流量，又能及时发现和推广新兴的优质内容。

小红书的成功很大程度上得益于其去中心化的内容分发策略。为了让普通用户的内容获得曝光机会，小红书在多个层面进行了技术创新。

1. 强化sideinfo使用：sideinfo指的是除用户行为数据之外的内容特征信息。小红书通过优化模型架构，强化了对sideinfo的利用，使得系统能够更好地理解内容本身的价值，而不仅仅是依赖用户历史行为。

2. 多模信号全链路融合：小红书将文本、图像、视频等多种模态的信号进行深度融合，提升了对内容的理解能力。这种多模态预训练模型能够更准确地识别内容质量，为优质内容提供更多的曝光机会。

3. 兴趣探索与保护：为了避免信息茧房效应，小红书在用户兴趣探索方面做了大量工作。通过系统性地加强用户兴趣探索与保护机制，小红书能够更好地满足用户的多样化需求，让小众兴趣也能找到共鸣。

春节期间的"机器人扭秧歌"话题就是小红书推荐系统成功运作的典型案例。这个由张艺谋导演的创意舞蹈《秧BOT》节目，通过16个宇树科技H1机器人和新疆艺术学员的精彩表演，迅速在小红书上走红。用户不仅在平台上积极讨论，还发起了模仿挑战，相关热榜内容获得了29.3万个赞。

这一现象背后，是小红书推荐系统的精准推送和用户间的良性互动。通过CES算法和去中心化分发机制，优质内容能够快速获得大量曝光，进而引发全平台用户的参与和讨论。

小红书的技术团队正在持续优化推荐系统，目标是构建一个更加开放和多元的社区生态。通过不断改进算法和技术创新，小红书希望为用户提供更优质的内容推荐，同时为创作者提供更公平的展示机会。

随着5G和AI技术的不断发展，小红书也在积极探索更多可能性。例如，通过更先进的AI技术提升内容理解能力，利用5G网络实现更低延迟的互动体验。这些技术进步将进一步增强小红书的推荐系统，为用户和创作者带来更多价值。

小红书的成功证明了，通过先进的推荐系统和技术架构，一个去中心化的UGC平台能够激发普通用户的创造力，让每个人都有机会成为热点的制造者。未来，随着技术的不断发展，我们有理由相信小红书将为用户带来更多惊喜，成为连接人与人、人与信息的桥梁。