Facebook上线AI定制信息流功能，用户可实时调整推荐内容

Meta正加速推进其社交平台的个性化推荐能力升级。2026年10月，Facebook正式上线“You Algorithm”功能，将此前已在Instagram落地的算法自定义机制延伸至主平台。该功能允许用户主动管理信息流内容偏好，标志着社交平台推荐系统从“被动适应”向“主动对话”迈出关键一步。

根据Meta官方说明，用户可通过两种方式参与算法调优：一是在单条帖子右上角“三点菜单”中选择“感兴趣”或“不感兴趣”；二是进入独立的“You Algorithm”设置页，直接添加或移除关注的主题与创作者。系统会在用户操作后“立即响应”，更新后续推荐内容。更进一步，Meta表示，当用户点击反馈按钮时，系统“可能提出后续问题以获取更细致的偏好信息”，并支持用户“用自己的话说明希望多看或少看什么内容”，推荐结果将在同一会话内动态调整。

这一变化的核心技术支撑是大语言模型（LLM）在内容排序中的深度整合。Meta强调：“LLM能够理解自然语言中蕴含的兴趣、上下文与意图，从而解锁一种真正可对话的算法。”这意味着，用户不再仅限于二元选择（喜欢/不喜欢），而是可以通过自然语言表达复杂偏好——例如“减少健身广告但保留户外徒步内容”，系统将据此解析语义并调整权重。

“You Algorithm”并非孤立功能，而是Meta近期一系列AI驱动推荐优化的一部分。早在2026年初，该功能已在Instagram上线；随后，Threads平台也推出了名为“Dear Algo”的类似机制，允许用户以书信形式向算法“提建议”。此次Facebook的接入，意味着Meta旗下三大核心社交产品已统一采用基于LLM的交互式推荐框架。

值得注意的是，该功能的设计逻辑与当前大模型交互范式高度趋同。OpenAI于10月7日推出的Intelligent UI，同样强调模型能根据用户需求自动生成图表、表单与交互工具；Anthropic的Claude Artifacts则允许用户通过对话创建可编辑的网页与应用组件。这些进展共同指向一个趋势：通用模型正从“回答问题”转向“执行任务”，而社交平台的推荐系统正是这一演进的关键落地场景之一。

从技术实现角度看，Facebook的You Algorithm依赖于三层能力协同：第一层是用户显性反馈（点击“感兴趣”等）构成的强信号；第二层是LLM对用户自然语言描述的语义解析与意图建模；第三层则是实时重排引擎，确保推荐结果在毫秒级内完成更新。这种架构区别于传统协同过滤或隐式行为建模，更接近“人机共训”模式——用户不再是数据输入端，而是算法的持续协作者。

行业观察者指出，此举既是应对监管压力的主动调整，也是争夺用户注意力的战术升级。近年来，欧盟《数字服务法》（DSA）与美国各州立法均要求平台提升算法透明度与用户控制权。2026年纽约州新法规明确要求，企业若利用个人数据进行价格或内容定制，须提供清晰解释与退出选项。Facebook此次将控制权前置至前端交互层，既满足合规要求，又强化了用户粘性。

对比其他领域的AI应用，社交推荐的“可对话性”具有独特价值。麦当劳因AI定价工具被诉的案例显示，当算法决策影响经济利益时，用户对“黑箱”容忍度极低；而在内容消费领域，用户更愿接受“试错-反馈-修正”的渐进式调优。这解释了为何Meta选择以轻量级交互（如“感兴趣”按钮）作为入口，而非一次性复杂的偏好设置。

更深层的影响在于推荐生态的重构。过去，内容分发依赖平台预设的“热门”“朋友”“兴趣”等固定维度；如今，个体用户的算法画像可随时间快速漂移——例如一位用户在周末搜索露营装备后，系统可能临时提升户外类内容权重，待其返回工作场景后自动回调。这种动态适配能力，使推荐系统更接近“情境感知助手”，而非静态过滤器。

值得关联思考的是，PhAI Labs近期发布的RSI-Anything研究揭示了AI自我进化的新路径：通过世界模型预测不同环境下的行动后果，并利用真实反馈持续优化策略。虽然该研究聚焦于代码修复、实验规划等专业任务，但其核心思想——“预测→行动→反馈→再预测”——与Facebook的推荐闭环高度一致。区别仅在于尺度：前者面向物理世界决策，后者面向信息流消费。两者共同印证了一个方向：下一代AI系统将不再仅是“响应者”，而是具备持续适应与自我校准能力的“协作者”。

目前，You Algorithm功能已向全球Facebook用户开放，无需额外订阅。Meta未披露具体技术细节，但确认其底层排名系统已全面引入LLM增强模块。未来版本或将支持更复杂的自然语言指令，例如“今天只看科技新闻，避开政治话题”，甚至结合时间、地点等上下文自动切换推荐模式。

对内容创作者而言，这一变化意味着流量获取逻辑的微调：算法不再仅依据历史互动数据推断偏好，而是更重视用户当下的明确表态。短期内可能加剧内容同质化风险（因用户倾向选择安全选项），长期则有望提升信息匹配精度与用户满意度。

社交平台的算法民主化进程仍在继续。当推荐系统从“平台决定”变为“用户参与共建”，信息茧房的边界或许不会消失，但其形状将更易被用户亲手塑形。