# 热摸爽的热度到底是怎么算出来的？

> 1200 万热度，是不是有 1200 万人在看？把热摸爽的排序账本摊开：四项权重、75 分的算例、旧新闻的保鲜期，以及首页为什么不让一家包场。

- 作者：热摸爽
- 发布：2026-10-03
- 更新：2026-10-03
- 栏目：站长手记
- 原文：https://remoshuang.com/observe/how-remoshuang-heat-is-calculated

如果你在热摸爽上看见一条“1200 万热度”的新闻，先别替它召集那 1200 万人。本站没有挨个点名，平台也没给我们交观众名单。

这个数字是根据榜单位置、出现来源和内容年龄算出来的展示值。它回答的是：在这一批内容里，哪条更值得先看？

我觉得这件事应该讲明白。热度数字很容易让人误会成阅读量，位数越多，误会还越有气势。下面把账摊开。

## 微博的热度，不能直接加上 GitHub 的星星

不同平台的数字不是同一把尺子。阅读、讨论、播放、点赞、项目新增星标，各有各的口径。直接放进一个总榜，大数字的平台会天然占便宜。

跨站排序先看**相对名次**。一张有 50 条内容的榜单，第一名拿到 1，第 25 名大约是 0.51，最后一名是 0。原平台的热度可以保留展示，但不直接拿来计算跨站总分。

这解决了单位不统一的问题，也留下一个取舍：小榜单和大榜单的第一名，都能拿满名次分。比较的是它在自家榜单上的位置，并没有证明两边受众规模一样大。

同一个事件合并多个来源时，名次取其中最好的那个。不能微博第一、知乎第二，就把两个名次分加起来；否则新闻还没变热，算盘先冒烟了。

## 基础分怎么算？拿一条新内容试试

当前基础分的四项权重是：

| 因素 | 权重 | 具体看什么 |
| --- | --- | --- |
| 相对名次 | 37% | 在原榜单里排得多靠前 |
| 跨源出现 | 25% | 合并后包含多少个来源记录 |
| 时效 | 30% | 内容有多新，按分类调整年龄 |
| 来源系数 | 8% | 配置给各来源设置的倍率 |

前三项换成 0 到 1 的数，第四项使用来源倍率的平均值，按权重相加后乘以 100。

第四项容易被名字带偏：配置把它叫“健康度”，但当前代码没有启用抓取成功率评分，实际起作用的是预设来源系数。它也不检查新闻真假，不能把这 8% 当成“可信度认证”。

举个**说明公式的假设算例**：一条刚发布的内容，名次第一，来源系数是 1，其他调整先不算。只有一个来源时，基础分是 37＋0＋30＋8＝75。

同样条件下，两个来源是 87.5 分，三个来源大约 95 分，四个来源是 100 分。跨源这一项到四个来源就拿满 25 分，后面不会一直加。

![跨源评分算例：其他条件相同，1 至 5 个来源的基础分依次为 75、87.5、94.8、100、100，跨源加分在 4 个来源时封顶。](/observe-media/2026/10/79762f7a-550c-4d0c-b9ab-4b7c761c8186.png)

*图 1：其他条件相同，来源从 1 个增加到 4 个，基础分从 75 涨到 100；第 5 个来源不再增加跨源分。图为公式算例。*

这几笔账说明：独家消息即使又新又靠前，也没有跨源加分；多个来源出现的事件更容易往前走，但不能靠不断增加来源无限刷分。

我更愿意把这一项叫“传开了多少”。几家网站可能都在转同一篇稿子，多了几个链接，并没有凭空多出几个目击证人。

## 旧新闻不能靠刷新按钮返老还童

采集器刚抓到一条内容，只说明它刚被抓到，不能说明新闻刚发生。

计算会使用发布时间；发布时间和本站首次发现时间都有，就取较早的那个。缺发布时间时退回首次发现时间，两者都缺才继续用抓取等时间兜底。

首次发现仍可能比真正发布晚，这是采集的盲区。至少一条已经记录过年龄的旧内容，不会因为每轮重新采集就恢复青春。

时效分按指数曲线下降。按普通新闻的年龄口径，刚发布时这一项贡献 30 分，12 小时后大约剩 11 分，24 小时后大约剩 4 分。

整条分数还会降权：达到 12 小时档乘以 0.7，达到 24 小时档改为乘以 0.4。后一个档位替代前一个，不是连续乘两遍。只扣时效项，旧新闻还能靠名次和跨源分坐稳前排；整条降权才会给新内容让位置。

不过，娱乐话题和模型发布不该共用同一个保鲜期。当前 AI、知识类的年龄按六分之一计算，科技按二分之一，编程按三分之一。

一条 48 小时前的 AI 内容，会按 8 小时的年龄进入时效计算和分档降权。它依然会变旧，只是慢一些。更新没那么频繁的技术内容，也就多了一些留在榜上的机会。

![时效项衰减曲线：普通新闻按实际年龄、AI 按六分之一年龄计算；48 小时后分别贡献约 0.5 分和 15.4 分，不含整条分数的分档降权。](/observe-media/2026/10/6a3d3829-033f-44ca-8a94-7a2720bc525d.png)

*图 2：只比较时效项。48 小时后，新闻约剩 0.5 分，AI 约剩 15.4 分；这是分类保鲜期的差别，不是内容质量评分。*

## 算完基础分，首页还要防止一家包场

基础分之后还有分类系数：当前 AI 乘 1.12，科技乘 1.08，编程乘 1.04，知识乘 1.02。这是明确的内容偏好，不是什么测出来的宇宙常数。总分也不严格封顶在 100。

首页、早报这样的跨源榜单，还会处理来源拥挤。同一展示来源的内容按分数排好，前两条不扣，第三条乘 0.78，第四条乘 0.78 的平方，大约剩六成。

来源发得勤快可以多收录，但首页座位有限，不能谁带的折叠椅多，谁就把整排占了。这是扣分，不是强行删掉第三条，也不用于本来就只展示一个来源的页面。

跨源榜单还偏向中文标题，当前非中文条目的分数乘以 0.45。看的是条目的语言，不是平台来自哪个国家。对应的来源页和分类页，没有套用这一整组首页规则。

我的判断是，承认这些偏好比宣称“算法完全中立”更有用。读者至少能知道，首页呈现的是本站做过取舍的结果。

## 那几千万热度，到底从哪儿来？

系统根据这一批内容的最低分、最高分和条目数量确定展示范围，再把各条分数换算进去。

这一步用了指数为 2.2 的曲线，并非简单地“分数乘一个固定数”。靠前内容的差距会被拉开，最后出现几百、几万乃至几千万的热度标签。

**1200 万热度不等于 1200 万阅读，更不能推出 1200 万人在讨论。**一条显示 200 万，另一条显示 100 万，也不代表前者有两倍受众。

还有个不太直觉的结果：某条内容自己的分数没变，只要同批列表的最高分或条目数量变了，它的展示热度也可能跟着变。所以它适合帮你扫当前榜单；判断跨时段是否升温，不能只拿两张截图里的“万热度”相减。

实际看榜时，我会先看它为什么靠前：是一个平台排得高，还是多个来源都出现了？发布时间多早？原文有没有新信息？

独家发布可能跨源分低，大量转载的旧消息可能链接很多。标题相似的内容可能被合并错，标题差别很大的同一事件又可能没合上，这些都会影响分数。

我希望这套排序能省掉你逐个平台翻榜单的时间。它把值得先看的线索往前放，哪条值得相信、哪条只是热闹，原文还是得打开。热度已经替你排过队了，没必要再让它替你做判断。

*规则核对于 2026 年 10 月 3 日，依据当前排序代码与配置。公开说明见*[*数据方法*](https://remoshuang.com/methodology)*；计算实现见*[*排序代码*](https://github.com/zjzno1/remoshuang/blob/main/shared/signal-score.mjs)*，具体参数以当时版本为准。*

*封面摄影：Carlos Muza，图片来自*[*Wikimedia Commons*](https://commons.wikimedia.org/wiki/File:Statistics_on_a_laptop_(Unsplash).jpg)*，CC0 公共领域授权。封面为主题配图，非本站后台截图；正文图表由热摸爽按上述公式绘制。*

## 关于本文数据

- 数据来源：2026-10-03 核对 shared/signal-score.mjs、shared/heat-ranking.json 与本站数据方法页；文中分数为公式示例。

---

本文来自 [热摸爽原创](https://remoshuang.com/observe)。引用时请注明作者与原文链接：https://remoshuang.com/observe/how-remoshuang-heat-is-calculated