打开十个 app，看到同一条消息、同一个解读、同一批人在说同一句话。

这不是内容审核的问题，也不是算法调坏了。这是结构。

点赞是一种投票，而投票只能选出共识

所有社交产品的排序机制——点赞、热度、转发、评论数——本质上都是同一个维度：有多少人认同。

一条内容说出了大多数人本来就在想的东西，它跑得快。一条内容挑战了大多数人正在想的东西，它跑不动。这个偏向不需要任何人主动设计，它是”用认同度排序”这件事的数学后果。

于是每个平台最终都会长成一台共识放大器。你越用它，你看到的东西越像你已经相信的东西。社区越大，这个效应越强，因为大数定律站在共识那一边。

问题在于：信息的价值和它的流行度，几乎是反着的。

一个判断在被提出的那一刻，如果所有人都同意，它不含任何信息——你不需要它也知道。真正有价值的判断，在提出的那一刻一定是少数派意见。等到它变成共识，价值已经被吃干净了。

所以现在的产品形态有个尴尬的结论：它们的排序机制，系统性地把最有价值的内容排在最后面。

一个朋友的想法

昨天和朋友 Van 聊到这件事，他抛出一个东西：

做一个”暴论指数”。指标是这条内容和主流媒体、主流观点的偏离程度。越不同，指数越高，价值越高。

我第一反应是这个方向是对的，而且比我自己之前想的任何一个定位都锋利。

因为它做的不是”把排序调得更好”，而是加了一个正交的坐标轴。

现在每条内容只有一个数字：多少人认同。加上这一轴之后，它有两个数字：多少人认同，和它离共识多远。这两个数字的组合本身就是一门语言：

• 高认同 + 低偏离 = 正确的废话
• 低认同 + 高偏离 = 要么是垃圾，要么是金矿
• 高认同 + 高偏离 = 真正的惊喜，罕见

第三种是所有做内容的人都在找的东西，但现有的产品结构里，它和第一种长得一模一样，都只是一个点赞数。

这不是拍脑袋

这个思路有很硬的先例。

Michael Steinhardt 把自己三十年的超额收益归结为一个词：variant perception——一个有充分依据、且与市场共识不同的判断。不是”不同”，也不是”有依据”，是两者同时成立。

预测平台 Metaculus 的核心评分叫 peer score，算法是：你的分数减去社区中位数的分数。你和大家一起答对，得分接近零；你在大家都错的时候答对，得分很高。这在数学上就是”暴论指数”的严格形式，而且已经跑了很多年。

再往前，Prelec 在 2004 年提出的 Bayesian Truth Serum，做的是同一件事：奖励那些”比预期更受欢迎”的少数派答案。

所以这条路不是没人走过。奇怪的是，走过的都是预测平台和对冲基金，没有一个社交产品走过。

但它有一个会致命的问题

我把这个想法拿去推演了几轮，第一刀就砍在最要害的地方：

“不同”是零成本可以制造的。

如果一个机制承诺”越不同、给的激励越高”，并且在你发出来的那一刻就兑现，那么三个月之内，这个平台上只剩下比赛谁更极端的人。因为制造分歧不需要任何洞见，只需要一点表演欲。

这是 Goodhart 定律最教科书的形态：一旦你为某个指标付钱，那个指标就不再衡量你原本想衡量的东西。

所以这个出发点是对的，但它的原始形态会自毁。

接下来几篇，我会把这个想法被推翻和修正的过程完整写出来——包括我自己在中间犯的一个明确的错误（我曾经坚持这套机制必须建立在有价格的标的上，这个前提是错的），以及我把它交给 AI 做对抗性评审之后，哪几刀真的命中了。

我不知道最终结论是什么，也不确定这个东西最后会不会做。

先写下来，是因为一个只在想清楚之后才敢公开的想法，本身就已经不符合它自己想要奖励的东西了。