用 opencli 抓了 429 条推文以后，我发现她并不是从零涨粉

前几天在刷 X 的时候，注意到一个叫 @yanliu****** 的账号。bio 上写着：硅谷大厂首席 AI 设计师，ex-Spotify、BCG，全网 50 万粉，10 年老股民。才加入 X 一个多月，已经有 1 万粉了。

1 万粉本身没什么了不起。但这条曲线在中文 X 上挺少见的，我忍不住想扒一下。

于是顺手用 opencli，通过我已经登录 X 的 Chrome 会话，把她从 2026-05-28 加入那天起发的公开推文拉了一遍。

文中涉及的 X 账号均已遮盖后半段用户名。分析只使用公开可见内容，不代表当事人认可本文结论，也不用于识别、联系或评价个人。

抓到的东西

最后用 opencli 拉了 461 条公开推文（去重后），跨度 49 天，活跃 51 天（她有两天没发，其他日子基本没断）。

指标	数值
原创 / 引用 / 回复 / 转推	140 / 147 / 85 / 89
中位每天发布	9 条
平均发布强度	每天约 9 条
10 万+ 浏览的推文	4 条
最高单条浏览	444,630
总浏览（不计 RT）	247 万
配图率	30.0%
头部 10 条占总浏览	52.8%

数字看起来挺夸张，但很快我就注意到一件事——

4 条 10 万+ 的推文吃掉了她一半的曝光。

这是典型的长尾分布：头部内容把曲线拉成指数级，剩下的全是 noise。也就是说，从「涨到 1 万粉」这个结果看，发了 400 多条推文是真的，但真正起决定作用的是其中 4 条。

注：账号 profile 显示累计发了 2001 条推文，opencli 这次只覆盖了 2026-05-28 之后约 51 天内的 461 条（这之前的旧推文没拉）。比例和趋势可以推，但不能等同于账号的完整历史。

那这 4 条是哪些？

4 条真正起飞的推文

按浏览排：

444,630 — 6 月 7 日，正文是单条短链（点击展开是中文版小红书起号攻略上篇）。这是她进 X 第一篇长文（来源是当时 opencli 抓到的 Twitter Article 卡片，原始卡片正文的标题为「0基础小红书起号教程(上)｜从0到第一波流量（保姆级）」）。
259K — 7 月 11 日，引用了一位苹果设计师发布的 design skill。她补了一句「英推圈子很火」。
200K — 6 月 17 日，「同一周拿到 OpenAI 和 Anthropic 面试」。带两张作品集截图。
107K — 6 月 4 日，「厚脸皮宣传下自己」。第一篇自我介绍，甩出全网 50 万粉、Spotify、BCG、懂小红书起号。

这 4 条有一个共同点：每一篇都自带一个别人没有的东西。

不是更聪明的观点，不是更深的分析。是她已经在别处积累好的资产——过去的爆文、其他平台的粉丝、面试经历、设计作品——被她重新拼装了一下发到 X 上。

「冷启动」其实是错觉

写到这一段的时候，我才意识到我犯了一个先入为主的错误。

「49 天涨到 1 万粉」，听起来像是零成本从零开始。但扒完所有数据之后，这个叙事站不住。

她 5 月 28 日加入 X。第一篇自我介绍，就把「全网 50 万粉、xhs 20 万、Spotify、BCG、懂起号」这些已经成立的信用，一次性写进 bio。

后面那 4 条爆文，每一条都依赖一个她早就有的东西：

第 1 条 — 小红书的长文，本来就是成品，复制一份到 X
第 2 条 — 她本来就是英文圈子里的人，硅谷大厂 AI 设计师，第一时间接触到海外信息差
第 3 条 — 同一周拿到 OpenAI 和 Anthropic 面试，这不是「运气」，是她在硅谷做了 N 年 AI 设计师之后，那个时间点该发生的事
第 4 条 — 50 万粉的存量信用

所以她不是从零开始。她是把过去的资产和习惯搬到 X 上。

这件事真要讲清楚的话，可以这样：「身份标签 × 信息差 × 高频输出 × 社交推荐」。但这是后面的话。

唯一值得复制的部分

读完 429 条推文，加上看时间线，最让我注意的不是她的内容，是她做内容的方式。

1. 身份标签非常稳

不管她发什么——作品集、面试日记、AI 设计 skill、问小红书 PPT 好不好用、生活趣事——她的内容主题始终围绕「AI × 设计 × 设计工程师」。

注：「AI 时代产品设计师的进化」这句标签不是抓取数据里直接出现的原文，是我从她 49 天内容的主题重复度推断的，可以换成更准确的「她的内容主题稳定在 AI 时代的设计 / 设计工程师这条线上」。

她没有在 X 上「重新找定位」。她只是把别处打磨好的定位搬运过来。这个定位让她每次发新内容都不用重新解释自己是谁——读者一看就懂。

2. 中英信息差是她的杠杆

她 49 天内发的 461 条公开推文里，147 条是引用帖（31.9%），其中一部分是英文区热点的二手翻译——别人在 X 海外发了一条很火的设计 / AI 推文，她用中文加上自己的判断重新发一遍。

注：31.9% 包含中文区引用、英文区二手翻译和少数纯转发。quote 字段本身不区分来源。

不是搬运。是「信息搬运 + 个人判断」。这种内容，英文区的人不会看（对她没兴趣），中文区的人又很需要（中文圈几乎没人第一时间整理这些）。所以每次都有人点赞。

3. 高频输出覆盖算法

她 49 天里 51 天在发，密度远高于中文 X 的平均值。中位每天 9 条。每条都很短——多数在 100 字以内。这意味着她一天可以「撞」好几次算法推荐。

有人可能会说，这样会烦到人。但我去看她的引用和回复，互动率比很多只发长文的账号都高。短 + 高频 + 真实想法 = 算法喜欢、人也不讨厌。

4. 社交推荐一次性补齐信用

6 月 5 日，一个叫 @RealHa**** 的大 V 给她发了一条推荐：「挖到一个硅谷的宝藏博主」。这条推荐当天就给她带来 16,195 浏览、35 赞。

之后还有 @Jacky****、@AdrianPu***** 等多个推荐。每次推荐都给新一波流量。

这部分她没法自己控制。但前提是：她之前的内容值得被人推荐。

我一开始想错了什么

我刚开始扒这个账号的时候，其实是想验证一个假设：高频日更是不是真的有效。

扒完之后才发现，高频日更不是关键。

关键是：

她已经有身份标签
她已经会写内容
她已经能产出英文 + 中文的信息差
她已经处在硅谷 AI 设计师的位置上

这些东西，是她在加入 X 之前早就有的。

日更只是把这些已经成立的东西，以一种新平台能识别的方式，反复展示出来。

如果你现在的身份标签、内容能力、社交资产都还没准备好，日更只会暴露这些问题。日更是放大器，不是起搏器。

我没去验证的事

为了避免变成单方面叙事，我没去验证：

她的 1 万粉里有多少是大 V 推荐来的：opencli 抓不到这种粒度的数据
是否买过推广：没有公开信息
4 条爆文的具体传播路径：很多 RT 都是真人转发，但有些是 bot，没法分辨

如果你是按这个案例去做自己的号，请只拿「身份标签 / 信息差 / 高频输出 / 社交推荐」这个抽象框架去对照，不要逐条模仿她的具体动作。

这件事对我意味着什么

我写这些不是在教你怎么涨粉。我自己也没有 1 万粉。

我只是被这个数据说服了一个观点：

「从零涨粉」是一种浪漫叙事。真实世界里，曲线背后站着的人，往往早就在别处跑了很久。

如果你真的想在新平台冷启动，最稳妥的路径不是「我现在去日更」，而是先在别处建立一个你愿意一直带着的标签。标签稳了，再去哪儿都是带着信用去的。

至于要不要日更、要不要引用英文热点、要不要找大 V 推荐——这些都只是放大器。

核心是：你能不能用一两句话讲清楚「我是谁、我做什么、我和别人不一样在哪」。

讲不清楚的话，发 100 条也没用。讲清楚了，发 10 条就有人想点关注。

数据全部来自 opencli 抓取的 2026-05-28 至 2026-07-17 的 461 条公开推文（去重后），分两批：tweets 命令 375 条 + 搜索窗口补回 86 条。原始推文卡片（444,630 浏览那条的中文长文）来自当时的 opencli Article 抓取。账号累计推文数 2001 来自 profile，opencli 本次未覆盖 5 月 28 日之前的旧推文。