用Thompson Sampling算法优化社交媒体内容：从原理到实战
当你的AI智能体为50多个用户发布内容时，你会面临一个经典的优化问题：对每个用户，应该发什么类型的内容？技术分享？幕后故事？产品公告？行业评论？答案因人而异，而且随时间变化。
大多数社交媒体工具要么用固定排期，要么用简单的A/B测试。我们用的是Thompson Sampling——一种贝叶斯方法来解决多臂老虎机问题，能自然地平衡探索与利用。
问题定义：内容组合优化
假设一个用户卖开发者工具。AI智能体可以生成6种内容：
- 技术教程和实用技巧
- 产品功能亮点
- 幕后故事/公开构建
- 行业新闻评论
- 社区互动（回复和讨论）
- 促销/发布公告
每种类型对这个特定受众都有一个未知的"真实"互动率。我们想找出哪些类型最好，多投入资源——但也不想完全放弃探索其他类型，因为受众偏好会变。
这就是多臂老虎机问题：每种内容类型是一台老虎机的一个"臂"，回报率未知。
为什么不用A/B测试？
传统A/B测试在这个场景下有两个问题：
- 浪费流量：A/B测试把流量50/50分给两个变体，即使一个明显更好。如果"技术分享"的互动率是"行业新闻"的4倍，测试期间你还是要把一半帖子浪费在差的选项上。
- 无法扩展：6种内容类型加上发布时间、语气、格式等参数，你需要几百个同时进行的A/B测试。组合爆炸让它不可行。
Thompson Sampling优雅地解决了这两个问题。
Thompson Sampling工作原理
核心思想很简单：为每种内容类型维护一个互动率的概率分布，然后从这些分布中采样来决定下一条发什么。
第1步：用Beta分布初始化
为每种内容类型维护一个Beta分布，参数为(alpha, beta)：
- alpha = "成功"次数（互动率高于中位数的帖子数）
- beta = "失败"次数（互动率低于中位数的帖子数）
初始alpha=1, beta=1（均匀先验——什么都不知道）。
第2步：采样并选择
当需要决定发什么时：
- 对每种内容类型，从其Beta(alpha, beta)分布中随机抽样
- 选择抽样值最高的内容类型
- 生成并发布该类型的内容
第3步：观察后更新
帖子发布24小时后检查互动数据：
- 互动率高于中位数：alpha += 1（记一次成功）
- 互动率低于中位数：beta += 1（记一次失败）
为什么这样有效
妙处在采样步骤。互动率高的内容类型的分布会偏向1.0，所以更常被选中。但观察次数少的内容类型分布更宽——偶尔会被采到高值，确保它们也能被探索到。
随着数据积累，分布变窄。算法自然地从探索（什么都试）过渡到利用（押注赢家），不需要手动调参。
真实数据：Thompson Sampling前后对比
一个用户账号的数据。前2周用均匀随机选择内容类型；第3-6周用Thompson Sampling。
| 时期 | 内容选择方式 | 平均互动率 | 每周粉丝增长 |
|---|---|---|---|
| 第1-2周 | 均匀随机 | 2.1% | +15 |
| 第3周 | Thompson Sampling（探索期） | 2.8% | +22 |
| 第4周 | Thompson Sampling（收敛期） | 3.4% | +29 |
| 第5-6周 | Thompson Sampling（利用期） | 4.1% | +36 |
算法发现这个受众最喜欢技术分享（45%）和幕后故事（30%），行业评论几乎被淘汰——它始终得分最低。
多维度优化
实际中我们优化的不只是内容类型。策略智能体在多个维度上使用Thompson Sampling：
- 内容类型：如上所述
- 发布时间：每天6个时间段，每个是一个"臂"
- 语气：轻松、专业、幽默、励志——4个臂
- 格式：短帖、长帖、提问、链接分享——4个臂
每个维度独立优化，有自己的Beta分布集。完整的内容生成提示组合各维度的胜出样本："生成一条[轻松的][短帖]关于[技术分享]的内容，在[上午11点]发布。"
实际工程考量
处理非平稳性
受众偏好会变化。上个月的热门话题可能现在已经过时了。为此我们加了衰减因子：每7天，alpha和beta都乘以0.9。这让算法逐渐"遗忘"旧数据，保持对近期趋势的响应。概念类似时间序列分析中的指数平滑。
冷启动问题
对新用户，我们用相似用户（同行业、相似受众规模）的聚合数据来初始化Beta分布。这给算法一个起点，而不是从纯探索开始。10-15条帖子后，用户自己的数据就会占主导。
最小探索率
即使收敛后，我们强制保持10%的最小探索率——每10条帖子至少有1条来自未充分探索的内容类型。这防止算法陷入局部最优。
Thompson Sampling的局限
Thompson Sampling在固定选项集内优化。它不能发明新的内容类型或认识到整个策略需要重新思考。为此，我们在上面叠加了一个独立的"策略智能体"——一个由Gemini驱动的元智能体，审查全局（互动趋势、粉丝增长轨迹、竞争对手动态），可以对策略做结构性调整。
算法优化（Thompson Sampling处理战术决策）+ LLM推理（策略智能体处理战略决策）的组合，比单独使用任一方法都更稳健。
如果你也在构建类似系统，或者想在自己的社交媒体上看到这种优化的效果，免费试用BlogBurst。Thompson Sampling算法从你的第一条帖子开始工作。