> For the complete documentation index, see [llms.txt](https://weekly-essay.mikey.wang/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://weekly-essay.mikey.wang/de/2026/w11-twitters-algorithmic-evolution-and-the-iteration-of-source-management.md).

# W11-Twitters Empfehlungsalgorithmus und meine Quellenverwaltung

Ein fortlaufendes Thema dieses Jahres ist, meine Quellen effizienter auszuwählen.

Vergangene Woche sah ich mir Twitters Empfehlungsalgorithmus oberflächlich an und richtete mit Claude Cowork zwei Zeitpläne ein.

Der Algorithmus wurde in den letzten Jahren grundlegend umgebaut. Twitter gehört zudem zu den wenigen sozialen Plattformen, deren zentraler Code offenliegt. Musk nennt es die einzige. Das Material eignet sich gut, um moderne Suche, Werbung und Empfehlungen zu studieren.

Vergleicht man das frühe offene Repository [twitter/the-algorithm](https://github.com/twitter/the-algorithm) mit dem neuen, modellbasierten [xai-org/x-algorithm](https://github.com/xai-org/x-algorithm), wird der Wandel deutlich: von komplexen Microservices mit vielen handentworfenen Merkmalen und heuristischen Regeln zu einer schlanken Architektur aus durchgängigem Deep Learning auf Basis eines Grok-Transformers.

Der folgende Vergleich zeigt den Aufbau und die technische Richtung.

| Dimension                 | Version 2023: The-Algorithm                               | Version 2025: X-Algorithm                                   |
| ------------------------- | --------------------------------------------------------- | ----------------------------------------------------------- |
| **Technischer Stack**     | Scala / Java, JVM-Ökosystem                               | Rust / Python, KI-Ökosystem                                 |
| **Merkmalsentwicklung**   | Tausende manuell entworfene statistische Merkmale         | **Keine manuellen Merkmale**, Lernen aus Interaktionsfolgen |
| **Kernmodell**            | Heavy Ranker, neuronales Netz mit 48 Millionen Parametern | **Grok-basierter Transformer**                              |
| **In-Network-Speicher**   | Timeline Cache / Fanout Service                           | **Thunder**, schneller Rust-Arbeitsspeicher                 |
| **Pipeline-Framework**    | Product Mixer, Scala                                      | **Candidate Pipeline Crate**, Rust                          |
| **Retrieval**             | Suchindex mit Lucene und Graphdurchlauf                   | Vektorbasiertes Two-Tower-Modell                            |
| **Entwicklungseffizienz** | Komplexe Merkmals-Pipelines, hohe Wartungskosten          | Modulare Komposition, einfache Logik                        |

Nach der Lektüre kann ich den Algorithmus trotzdem noch nicht praktisch nachbauen. Ich bleibe auf der Ebene des Promptschreibens. Mit Cowork richtete ich entlang meines Denkrahmens zwei Zeitpläne ein: einen für Märkte und einen für Technologie. Nach mehreren Iterationen trifft die aktuelle Version meinen Geschmack weitgehend. Hier die genauen Anweisungen und jüngste Beispiele.

Beobachtung globaler Märkte und wichtiger Anlageklassen:

{% content-ref url="/pages/bbdpJQ8WpM4xYvZcNlQi" %}
[Täglicher Marktbericht](/de/2026/w11-twitters-algorithmic-evolution-and-the-iteration-of-source-management/daily-market-briefing.md)
{% endcontent-ref %}

Beobachtung wichtiger Technologieorganisationen, Communities und Medien:

{% content-ref url="/pages/oZdOJe2DxoHy1ZFv6ZlW" %}
[Die 20 wichtigsten Tech-Beiträge der Woche](/de/2026/w11-twitters-algorithmic-evolution-and-the-iteration-of-source-management/weekly-tech-top20.md)
{% endcontent-ref %}

Briefings und Assistenten ersetzen das eigene zufällige Umherstreifen in Communities nicht vollständig. Es fehlen Zufall und Freude.

Vergangene Woche fand ich etwa einen Blogbeitrag, der mir sehr gefiel: [Temporal: Neun Jahre, um Zeit in JavaScript richtig zu behandeln](https://bloomberg.github.io/js-blog/post/temporal/). Er stammt vom JS-Team bei Bloomberg, das diesen Monat erst mit technischen Blogbeiträgen begann, aber offenbar viel Branchenerfahrung besitzt.

Der Artikel beschreibt Temporal, die größte Erweiterung der JavaScript-Sprache seit ES2015, und seinen langen Weg zum Standard. Temporal behebt systematisch dreißig Jahre alte Probleme der Date-API und entwirft ein vollständiges System von Zeittypen neu. Mehrere JS-Engines nutzen die gemeinsame Rust-Bibliothek temporal\_rs, um Umsetzungskosten zu senken und Konsistenz zu erhöhen. Das dürfte die erste Infrastruktur auf Ebene des JS-Sprachstandards sein, deren Kern eine Rust-Implementierung bildet, die mehrere Engines übernehmen.