刷短视频时，为什么刚搜过咖啡机，下一秒就刷到手冲教程？点开一篇关于远程办公的公众号文章，随后三天朋友圈全是协同工具测评？这不是巧合，是「发现流」在悄悄发力。
发现流不是推荐流，它更“懒”，也更准
很多人把发现流（Discovery Feed）和推荐流（Recommendation Feed）混着用。其实差别挺实在：推荐流靠你“做过什么”——比如点赞、停留、转发；而发现流盯的是“你可能正需要什么”，哪怕你还没点、没搜、没关注。它不等你开口，提前把线索串起来：地理位置+实时天气+设备类型+时段+近期弱信号行为（比如反复划过某类封面但没点），组合成一条轻量级意图判断。
小公司也能跑通的分发逻辑
天天顺科技去年帮一家本地烘焙品牌优化小程序首页，他们没做算法团队，只用了三步：
1. 把用户最近一次下单品类、距离门店直线距离、手机系统（iOS用户更倾向看图文评测）、当日是否工作日打成一个轻标签组；
2. 对接微信搜一搜热词榜，抓取“下午茶”“提神咖啡”“办公室零食”等泛场景词，每两小时更新一次热度权重；
3. 在发现流卡片里混排：70%是标签匹配内容（如“离你800米的提神拼配豆今日现磨”），30%是热度词关联内容（如“深圳科技园上班族都在囤的5款挂耳包”）。
上线两周，发现流点击率涨了2.3倍，其中67%点击来自未关注用户。
代码片段：简易发现流路由示例（Node.js）
const getDiscoveryItems = (userContext) => {
const baseFilters = {
region: userContext.geoHash.slice(0, 6),
hourSlot: Math.floor(new Date().getHours() / 3), // 划分为早/中/晚/夜四段
hasRecentSearch: userContext.lastSearchTime > Date.now() - 1000 * 60 * 60
};
return db.query(
`SELECT id, title, score FROM content
WHERE region = $1 AND hour_slot = $2
ORDER BY score DESC LIMIT 8`,
[baseFilters.region, baseFilters.hourSlot]
);
};关键不在模型多深，而在“上下文锚点”选得够不够生活化。下雨天推伞，午休前推轻食，新机到手那刻推配件攻略——这些动作背后，都是发现流在替用户做预判。
某次我们给客户做A/B测试：一组用传统标签推荐，另一组加了一层“设备传感器触发逻辑”（比如检测到用户刚开启蓝牙耳机，立刻插入播客类内容）。后者完播率高出41%，因为时机比内容本身还重要。
发现流不是要把所有内容塞进一个瀑布里，而是学人眼扫视——先抓轮廓，再辨细节，最后决定要不要停下。优化它的过程，本质上是在训练系统“像人一样呼吸”。