用 Agent 自动扒了一遍知乎推荐系统领域的大V——然后我发现了一些反常识的事
导语
做技术调研的时候，我经常遇到一个问题：一篇论文、一个数据点，到底该信谁？
同样一个 OneReason 的解读，有人写得像新闻稿，有人写得像自家工程复盘，有人纯粹把 arXiv abstract 翻译了一遍。这三种内容质量天差地别，但它们都挂在知乎上，都叫”专栏文章”。
所以我做了个实验：让 agent 把知乎推荐系统领域的大V全部扒一遍，不光看他们写了什么，还要交叉验证他们到底是谁、在哪上班、有没有真东西。 跑了 5 轮迭代之后，我得到了一个 1285 人的用户图谱、13 人的深度 profile，还有几个跟直觉完全相反的结论。
这篇文章把整个方法论拆给你看。
一、为什么要用 agent 做，而不是手动翻
手动找人这件事，效率低且容易漏。你从一个高质量专栏作者出发，点进他的关注列表，看到 30 个人名，再点进去看他们的文章……这是一个典型的图遍历问题，天然适合 agent。
但单纯让 agent 去爬，会爬出一堆噪声。真正的难点不在”抓数据”，而在三件事：
1. 怎么从噪声里筛出”强相关用户”（这个领域真做的人 vs 顺路关注的吃瓜群众）
2. 怎么判断一个人的”工业实战含金量”（真在职推荐算法工程师 vs 纯论文翻译博主）
3. 怎么在不碰隐私的前提下，把一个人的真实身份尽量还原（公司、真名、学历、公开联系方式）
这三个问题，对应的就是接下来三部分内容。
二、网络构建：从 1 个账号到 1285 人，用了 5 轮迭代
2.1 起点：只看一个人关注谁，是远远不够的
我从自己的知乎账号出发（关注了浅梦、九老师等 19 人）。第一轮 v1，只抓了 2 个数据源，得到 28 人。这时候能看到的，只有”我圈子里的我圈子”。
真正的网络是多跳的。所以我做了 5 轮 BFS 扩展，每一轮的核心策略都不一样：
Notice: 数据源编号背后是不同的”跳数”。v4 抓李沐、田渊栋这些顶级大 V 的关注列表，本质是 4-5 跳——从我的账号出发，要经过”我关注的人 → 他关注的人 → 那个人关注的人”好几层，才能触及。单靠手动翻根本翻不到。
2.2 一个反常识的结论：跨源越多，越是真核心
把 1285 人按”出现在多少个数据源里”统计，会得到一个非常长尾的分布：
这里有一个特别重要的发现：关注数最高的王喆（14 万关注），并不是网络中心；只有 2 万关注的九老师，才是跨 7 源的绝对中心。
为什么？因为”被多少人关注”反映的是知名度，”被多少个独立的信息源覆盖”反映的是在这个专业圈子里被多少个同行认可。九老师虽然关注数只有王喆的 1/7，但他被GuoXun、程引、0xC001、傅聪、萧瑟等 5个推荐圈核心人物同时关注——这些人彼此并不互相关注，但他们都关注了九老师。这种”多源汇聚”才是判断专业影响力的硬指标。
> 这对算法人来说应该不陌生：PageRank 的核心思想就是”被重要节点指向的节点更重要”，而不是”被越多节点指向越重要”。 关注数是 in-degree，跨源数才是某种近似的影响力传播值。
>
>
2.3 正向网络 vs 反向网络：一个 ROI 的血泪教训
v5 我抓了 4 个核心节点的”关注者”（followers，反向网络），原本以为能挖出隐藏的算法专家。结果被现实打脸了：
反向网络 80% 是匿名、低活跃、非技术的用户。它的唯一价值是偶尔能挖到”不写专栏、不答题，只是默默关注了大 V 的一线工程师”——比如我从一个反向网络里挖到了一个 B 站算法工程师和一个字节 MLSys 员工，他们都不产出内容。
结论：做这种网络分析，优先正向 BFS，反向 followers 只在有明确目标时用。这个教训我花了整整一轮迭代才想明白。
三、Profile 深度提取：怎么在不碰隐私的前提下，还原一个人的真实身份
抓到名单只是第一步。更有意思的是——这些”知乎大 V”到底是谁？
3.1 知乎 profile API 是个金矿（但都是用户自己填的）
知乎的 `/api/v4/members/{id}` 接口，只要带上登录态，能拿到结构化的字段：
– `employments`：工作经历（公司 + 职位）
– `educations`：教育背景（学校 + 专业）
– `badge`：认证徽章（如”阿里巴巴 大模型算法专家”）
– `description`：个人简介（很多人在这里留邮箱/微信/GitHub）
这些信息全部是用户主动填的，所以读取它们没有任何伦理问题。一轮抓下来，我就纠正了好几个之前的认知错误：
3.2 真名怎么确认：从”论文解读”到”开源署名”的交叉验证
这是整个流程里最有意思的部分。知乎 ID 是匿名的，但一个人如果有自己的开源项目、PyPI 包、学术论文，他就一定会在某处用真名署名。这些都是他自己公开的行为，不是隐私挖掘。
我用四种方式交叉验证，成功率差别很大：
最有成就感的两次：
一次是浅梦。他的知乎没写真名，但我顺着他 profile 里的 GitHub 链接找到 `shenweichen`，再查他开源的 DeepCTR 在 PyPI 上的包信息——Author 字段白纸黑字写着 `Weichen Shen`。三重互证（GitHub profile name=weichen + PyPI Author=Weichen Shen + AlgoNotes 仓库自述”浅梦学习笔记”），姓氏确定是沈。
另一次是 GuoXun。他的知乎文章里提到自己开了个开源框架 AgenticRec，贴了 GitHub 链接 `github“.com/guoxun/AgenticRec`。点进去，profile name 是 `Guo Xun`，README 第一句就是 `Hi there, I’m Guo Xun.`，而且 profile 里还挂了知乎 `guo-xun-16` 的链接互证。全链路闭合。
3.3 哪些人确认不了：刻意匿名的，要尊重
Notice: 不是所有大 V 都应该被”挖”出来。
九老师就是典型。他的 GitHub（qqhard）profile 完全空白，没名字、没 bio、没 location，只挂了一个 zero-claw 项目。这显然是主动选择匿名。对这种刻意匿名的人，正确做法是停下——他不想让人知道他是谁，那就别再往下挖了。
同样确认不了的还有 DOTA（公司从没公开过）、州懂（某大厂，具体哪家不公开）、0xC001（http://MLPOD.COM 匿名运营）。这些人的共同点是：只做内容输出，不挂自己的学术身份或开源项目。没有可交叉的公开署名，就证不了，这很正常。
我给自己定的红线是：只用作者主动公开的信息，从 ID 推测的真名一律标”未证实”，电话、住址、身份证、中文汉字名推测这些一律不碰。 这条线不守，agent 很容易就变成 doxxing 工具。
四、工业经验真实性分级：哪些大 V 是”真做的人”，哪些是”论文搬运工”
这是整个分析里最有实用价值的部分——同样是”知乎推荐领域大 V”，含金量可以差出一个数量级。
4.1 五条硬证据
我列了 5 条判断标准，满足越多越偏工业实战：
1. profile employments 明确大厂在职 + 推荐岗（badge 认证 > 自填）
2. 有自研产出（开源项目/论文/发明，非翻译）
3. 文章是原创系统设计/工程实践，不是”分享一篇论文”格式
4. 团队负责人/ED/专家 title
5. 发过内推/招聘（在职硬证据）
4.2 三个梯队的结论
按这套标准，13 个推荐领域大 V 被分成了三类：
第一梯队 · 真·工业实战派（6 人）：王喆、傅聪、浅梦、九老师、GuoXun、程引。这 6 个人共同的特点是“都有自己的东西”——王喆有书，傅聪发明了 OnePiece，浅梦写了 DeepCTR，九老师是 TikTok 团队负责人，GuoXun 开源了 AgenticRec，程引在做架构层的原创抽象。从他们文章里能学到”怎么干”。
第二梯队 · 在职但偏内容输出（4 人）：0xC001、几野、疯刀、Keep Learning。他们确实在公司上班（0xC001 有阿里 badge，几野在字节），但文章主要是论文跟踪。0xC001 写了 262 篇文章，基本全是”论文标题：XX，论文链接：XX”——他的内容角色是”论文雷达”，不是”实战者”。
第三梯队 · 纯论文解读/竞赛派（3 人）：DOTA、州懂、mqfcu7。这三位公司从没公开过，也没有自己的论文或开源项目，文章是纯粹的 arXiv 翻译。州懂 104 篇文章全是”大家好，我是州懂，分享一篇 XX 论文”的固定格式。
4.3 一个实用的识别口诀
判断一个推荐领域博主是真工业还是纯搬运，看两件事就够了：
– 文章标题里有没有”分享一篇论文”（有 → 多半是翻译）
– 有没有自己的开源仓库或论文署名（没有 → 多半是搬运）
Notice: 这里有个反常识的点——“在职”不等于”真工业”。0xC001 是阿里在职专家，但他的 262 篇内容全是论文跟踪；而程引虽然粉丝不多，但他写的”推荐系统效率与流量解耦”系列是真架构思考。判断含金量，看产出，不看头衔。
五、几个值得展开的反常识发现
5.1 关注数第一的人，不是网络中心
前面讲过，王喆 14 万关注，九老师 2 万关注。但九老师跨 7 源，王喆只跨 4 源。在一个专业圈子里，”被同行认可”比”被大众关注”更能说明这个人的技术地位。 这是网络分析比单纯看粉丝数高明的地方。
5.2 反向网络（followers）是个陷阱
我以为抓”谁关注了大 V”能挖到隐藏的高手，结果 80% 是噪声。正向网络（大 V 关注了谁）的强相关率是反向的 4-10 倍。做网络扩展，优先 BFS 正向，反向只在有明确目标时用。
5.3 最有价值的联系方式，都是作者主动留的
我一共找到 6 个公开联系方式（2 个邮箱、1 个微信、3 个网站/博客）。全部来自作者自己在 profile 简介或文章里留的，没有一个需要去挖。这说明——真正想被联系的人，早就把联系方式公开了；没公开的，就是不想被打扰。 没必要硬挖。
5.4 “论文解读型博主”和”工业实战派”是两个不同的赛道
州懂 104 篇文章、0xC001 262 篇，论产出量他们是顶级。但他们的内容角色是”信息分发节点”，不是”知识生产者”。而傅聪、GuoXun 这种有自研产出的人，文章数量少得多，但每一篇都是自己的工程思考。两个赛道没有高下，但读者需要分清楚自己想看哪种。
六、Agent 工作流的完整拆解
最后把整个流程固化成一套可复用的方法论，给想复现的人参考：
“`Plain Text
[1] 种子选取
└─ 从一个高质量账号的关注列表 + 一份高可信技术文档的作者列表出发
[2] 正向 BFS 扩展（核心环节）
├─ v1-v2: 抓核心节点的 followees（关注列表）
├─ v3: 象限覆盖——选不同背景的节点（阿里/字节/学术/海外）
└─ v4: 抓顶级大 V 的 followees（4-5 跳深度）
[3] 强相关过滤
└─ 按 headline/badge 关键词（推荐/算法/搜广推/大厂名）过滤噪声
[4] 跨源统计
└─ 按”出现在多少个独立数据源”排序，找网络中心节点
[5] Profile 深度提取
├─ 知乎 /api/v4/members/{id} 拿 employments/educations/badge
└─ 文章 API 拿最近 8 篇标题+摘要，分析内容风格
[6] 真名交叉验证
├─ GitHub profile name + README 自述
├─ PyPI 包 Author 字段
├─ 书籍 ISBN 作者页
└─ 刻意匿名的 → 停下，尊重
[7] 工业经验分级
└─ 5 条硬证据打分，分出工业实战派 / 内容输出 / 纯解读
[8] 反向网络（可选，ROI 低）
└─ 只在有明确目标（找某公司某人）时用
“`
这套流程的本质是：把”判断一个人靠不靠谱”这件主观的事，拆成了一堆可量化、可溯源的信号。每一个结论都挂在具体的证据上（API 字段、开源仓库、文章口吻），而不是凭感觉。
结语
说实话，做完这一整套分析，我最大的感受不是”发现了多少大牛”，而是——在一个信息过载的时代，能快速分辨”信号”和”噪声”，本身就是一种稀缺能力。
推荐系统领域每天都有新论文、新专栏、新解读。但真正值得长期关注的人，可能就那么十几个。这十几个人共同的标签是：有自研产出、有工业落地、敢公开署名、内容是原创思考。 至于那些一天发 3 篇”论文解读”的博主，留着当论文雷达用就好，别指望从他们那里学到”怎么干”。
agent 帮我把这件事从”凭感觉关注”变成了”用证据筛选”。这个方法论，套到任何一个技术领域（CV、NLP、大模型、infra）都成立。
接下来我可能会把同样的流程跑一遍大模型推理/Agent 领域，看看那边的核心节点是不是又是一批”反常识”的面孔。有兴趣的读者可以等着看。