机制

推荐流审查：你刷到什么，比你搜到什么更重要

推荐流通过候选内容池、账号权重和风险标签决定普通用户日常遇见什么。

核心问题

搜索需要用户先知道关键词，推荐流则在用户没有提出问题时安排内容。短视频和信息流平台因此获得了更深的议题设置能力：它们不必删除一条内容，只要不把它送进多数人的屏幕。

问题发生在哪里

推荐流覆盖娱乐、新闻、消费和社会事件。用户长时间停留在连续滑动的界面里，很少知道候选池里还有什么，也无法看见被排除的内容。审查在这里没有明显的空白页面，只有一种看似自然的日常。

机制如何运作

平台先建立可参与推荐的内容池，再根据账号信用、主题标签、互动预测和合规风险分配权重。敏感内容可能仍能通过主页链接访问，却无法进入陌生人的推荐流。安全内容得到稳定曝光后，还会反过来训练用户偏好数据，使信息环境越来越单一。

案例佐证

算法推荐管理规定明确覆盖生成合成、个性化推送、排序精选和检索过滤，并要求平台承担导向责任。Freedom House 对中国互联网的报告指出，平台和监管体系共同限制敏感政治、社会和人权信息。制度文本与实际报告放在一起，可以看出推荐机制具有明确的治理功能。

它怎样运行

内容发布后先接受机器和人工分类。系统判断它是否能进入推荐池，再计算账号和内容权重。政治风险会降低分发范围，互动数据则在被限制后的样本上继续计算。用户看到低互动，会误以为内容本身缺乏价值，形成第二次降权。

它造成的后果

推荐审查把公共知识变成偶遇概率。年轻用户可能从未主动搜索某些历史和权利议题，如果推荐系统持续排除这些内容，他们甚至不会意识到自己缺少信息。审查由禁止阅读转成了阻止问题产生。

读者如何判断

不要只看内容是否存在。用退出登录、不同账号和直接链接比较可见度；观察同一视频在关注页、搜索页和推荐页的差别；检查敏感内容是否只在原作者粉丝中流动。平台不会公开全部权重，因此判断应依靠多次对照。

我们的判断

推荐算法没有中立的默认状态。它总在选择。问题在于选择标准能否被解释、能否申诉，以及政治权力是否可以在用户不知情时决定候选内容池。

资料来源: China Law Translate《互联网信息服务算法推荐管理规定》译文；Freedom House 中国网络自由报告 2024；China Law Translate《网络信息内容生态治理规定》译文。

中共在这里做了什么

讨论“推荐流审查：你刷到什么，比你搜到什么更重要”，先要把事件表面的名称和实际权力关系分开。推荐流通过候选内容池、账号权重和风险标签决定普通用户日常遇见什么。 这不是给一个现象换上更强烈的政治标签，而是确认谁能制定边界，谁负责执行，谁可以拒绝公开理由。放回“数字治理、审查与监控”这一制度领域后，问题会具体许多：正式机构承担什么职责，党组织如何进入决策，执行者怎样接收政治信号，受影响的人又通过什么渠道承担成本。^[1]

它怎样运行

重建“推荐流审查：你刷到什么，比你搜到什么更重要”的运行过程，需要依次核对若干相互连接的过程。它们不一定同时出现，也不一定留下同一种文件。判断时应按时间顺序看：最早的定调来自哪里，哪些机构随后改变规则，平台或基层单位何时加入，责任最后落在谁身上。可见性控制、数据监控、记忆管理、安全化是这条链上较常见的动作，但不能把标签当成结论。只有机构行为、政策依据、传播变化和个人后果互相吻合，才能说机制已经成立。

关键事实

核对“推荐流审查：你刷到什么，比你搜到什么更重要”时，公开文件首先提供正式结构和政策语言，个案材料则用来检验这些安排怎样落地。两类证据不能互相替代。只引用制度文本，容易把官方职责当成实际约束；只看个案，又可能把一次地方处置误写成全国统一规则。较稳妥的做法是把文件、时间线、机构动作、当事人记录和后续变化放在一起。^[2] 如果证据只能确认其中一部分，结论也应停在相应范围内，不把推测写成已经证实的事实。

它造成的后果

推荐流审查：你刷到什么，比你搜到什么更重要带来的影响往往超出直接对象。机构开始提前规避风险，平台和单位把模糊政治要求改写成日常规则，普通人则根据零散惩罚重新估算表达、合作和维权的代价。久而久之，很多限制不再需要逐次下令，因为执行者已经学会在不确定中选择更安全的做法。这里需要追踪的不是抽象的“控制很强”，而是具体成本如何移动：谁失去工作、信息入口、法律救济、组织关系或公开解释的机会。