Threads
共 7 篇關於「Threads」的技術文章。
Threads 公式 30 天實測第三週：乾淨樣本收斂到 −15%，轉發仍然全零
排程修正上線後的第一批乾淨樣本來了：兩篇公式文對基準中位數 −15% 與 −23%，比上週的 −56% 明顯收斂，但仍未站上中位數。公式文的轉發到起跑第 20 天依然全零，同一帳號的日常文本週卻拿了 13 次轉發。外加一筆要自首的執行延誤：risk 的新批補貨拖到收數之後才完成，本期零樣本。
Threads 公式 30 天實測第二週：樣本來了，四篇全部低於中位數
輪替修正上線後 5 天新增 4 篇公式文樣本，速度問題解決了，但四篇全部落在基準中位數之下（-51% 到 -63%）。公式文轉發依舊全零，帳號的非公式文卻出現 4 次轉發。外加一個我們自己排程器的 bug、和一筆對第 1 週基準數據的更正，照開篇的規矩全部攤開。
Threads 公式 30 天實測第一週：起跑 6 天、兩篇樣本、零轉發
開篇承諾每週交階段數據，這是第一次履約。起跑 6 天、兩個帳號各只發出 1 篇公式文：一篇 489 觀看落在第 72 百分位但沒過我們押的 +50% 門檻，一篇 276 觀看的第 80 百分位背後基準太弱。轉發全是零，而這可能才是最重要的觀察。
五百星的爆文方法論，人人收藏、少人實測：Threads 公式 30 天實測（開篇）
一份 500+ 星的開源中文爆文方法論在圈內瘋傳——收藏的人多，回來交數據的人少。我們把其中的 Threads 公式「立場宣言」做進排程產品、加上敘事疲勞冷卻，用真帳號跑 30 天長期實測。這篇是開篇：公式長什麼樣、我們怎麼設計這場實驗、以及先押注的誠實預期。
Content Cascade Engine：寫一篇部落格，自動變出 5 篇社群貼文
我建了一套 Content Cascade 系統：每天早上 7 點自動掃描新部落格文章，用本地 Ollama 模型拆成 3-5 篇 Threads 貼文，零 API 費用、零人工介入。一篇文章變六篇內容，寫作時間不變。完整架構、Prompt 設計、品質數據全公開。
我們讀了 25 個 Meta 演算法專利，然後改寫了發文引擎
不是猜測，不是經驗談。我們直接讀 Meta 提交給美國專利局的技術文件，逆向工程 Threads 演算法的底層邏輯，然後把結論寫進自動發文系統。
我們怎麼防止 AI 被留言攻擊：5 層 Prompt 防禦實戰紀錄
當你的 AI 每天自動回覆上百則留言，Prompt Injection 不是理論問題，是天天在發生的事。這是我們用 27 個帳號驗證出來的 5 層防禦架構。