前两天跟一个做推荐系统的朋友吃饭，他掏出手机给我看后台数据，说他们平台有个用户，连续刷了四十七天同类型的短视频，日均使用时长从四十分钟涨到两个半小时，但内容多样性指数掉了六成多。他问我这算不算产品成功，我没接话。这问题没法接，因为从DAU和留存看确实漂亮，从人的角度看又不太对劲。

做算法这行的人都清楚，推送逻辑的核心就两条：预测你下一秒想看什么，然后让你多待一会儿。这事本身不新鲜，报纸时代编辑也在猜读者想看什么，只不过那时候猜错了也就猜错了，现在算法能实时纠偏，你手指多停零点几秒，后台就记一笔，下次同类内容权重往上调。问题在于，这个反馈回路跑得太快太顺，顺到用户自己都没意识到口味正在被一点点收窄。

我见过一个挺典型的案例。有个用户本来只是偶然点了一条露营装备的视频，算法判断他有户外兴趣，开始密集推帐篷、睡袋、徒步路线。他确实看了几天，但后来兴趣过去了，没再点。可算法不这么想，它认为这是“潜在需求未被满足”，继续加大推送力度。结果这哥们儿烦了，直接卸载。你看，算法把“停留”当“喜欢”，把“偶然”当“必然”，这种误判在业内不算秘密，只是没人愿意在财报电话会上提。

信息茧房这个词被说烂了，但多数讨论停在“算法让你只看一种声音”这个层面，太浅。真正值得琢磨的是，茧房不是算法单方面织出来的。人的认知本身就有惰性，遇到跟自己观点一致的内容，多巴胺给得痛快，遇到拧巴的，本能就想划走。算法只是把这个过程加速了、放大了。换句话说，就算没有推荐算法，人也倾向于待在自己舒服的信息圈里，只不过以前圈子的边界是物理的、社交的，现在变成数据驱动的、看不见的。

但要说算法纯粹在制造分裂，也不公道。去年有个事我印象挺深，某地突发暴雨，几个主流平台的算法在半小时内把预警信息和避险指南推到了同城用户首屏，这个响应速度搁传统媒体时代不可想象。热点共鸣这块，算法确实有它的本事，能把分散的注意力快速聚拢到公共议题上。问题在于，这种聚拢往往是短暂的，热点一过，各回各的茧房，该看不见的还是看不见。

业内其实一直在调。有的平台加了“探索性推荐”的权重，故意塞一些用户没表达过兴趣的内容，比例控制在百分之五到十之间。效果怎么说呢，点击率肯定掉，但长期留存反而稳一些。还有个做法是给用户看“为什么推这条”，把推荐理由透明化，比如“因为你关注了某话题”或者“同城热门”。这招对提升信任感有用，但多数用户懒得点开看，真正在意的人不到两成。

说到底，算法推送这事没法用“好”或“坏”一刀切。它是个工具，工具的效果取决于设计者的取舍和用户的用法。平台如果只盯着时长和转化，茧房只会越织越厚；用户如果完全被动地滑，再好的探索机制也救不回来。我那个做推荐的朋友最后说了句话挺实在，他说他们内部现在考核不只看用户待了多久，还看用户主动搜索的比例，搜得越多说明用户还在主动拓展边界，没被喂懒。

这标准谈不上完美，但至少是个方向。算法可以猜你喜欢什么，但不该替你决定你只能喜欢什么。这个分寸感，说到底还是人的事，不是模型的事。