Xikipedia

Xikipedia 并不是一个真正的社交媒体平台，而是一个巧妙的概念验证项目：它用最朴素的算法，在不依赖云端、不收集用户数据、不使用机器学习的前提下，模拟出类似 TikTok 或 Twitter 的个性化信息流体验。所有计算都在你的设备上完成，内容来自简单维基百科（Simple Wikipedia），整个应用甚至可以在离线状态下持续运行。

核心理念：极简算法也能实现个性化

Xikipedia 证明了一件事：个性化推荐不一定需要大数据或复杂模型。它的推荐逻辑完全基于你对当前内容的实时互动，并通过一套透明、可解释的计分规则动态调整后续内容。

计分机制详解

每个帖子（即一条维基百科条目）都关联一组“类别”——这些类别来自该页面本身的维基分类标签，以及页面中链接到的其他维基页面。系统为每个类别维护一个分数，而你的每一次操作都会影响这些分数：

此外，每个帖子还有一个基础分数：

• 默认为 0；
• 若包含图片，+5；
• 如果你已经看过该帖子，基础分会急剧下降：(3^查看次数 - 1) × (-5000)，有效防止重复内容刷屏；
• 对于“名字”“姓氏”等过于泛化的类别（如“John”“Smith”），初始基础分设为 -1000，避免信息流被琐碎条目淹没。

内容选择策略

每次加载新帖子时，系统从数据库中随机抽取 10,000 条候选，然后按以下概率决定展示哪一条：

• 42% 概率：直接展示当前总分最高的帖子（强个性化）；
• 40% 概率：按分数加权随机选择（兼顾探索与利用）；
• 18% 概率：完全随机展示（保证内容多样性，避免信息茧房）。

这种混合策略在“精准推荐”和“偶然发现”之间取得平衡，且全部逻辑在前端 JavaScript 中实现，无需后端支持。

数据与自定义

项目默认内置了简单维基百科的 JSON 数据集，但你完全可以替换为自己的内容源：

1. 获取 Wikimedia 的公开数据转储（如 Simple English Wikipedia dump）；
2. 修改 process_data.py 脚本中的输入文件路径；
3. 重新生成 .json 数据文件；
4. 替换应用中的 data.json 即可切换知识库。

这意味着 Xikipedia 不仅可用于阅读百科，还可改造为本地知识库浏览器、离线学习工具，甚至私有文档推荐系统。

技术亮点：真正的离线优先 PWA

截至 2026 年 2 月 6 日的最新版本，Xikipedia 已全面升级为渐进式 Web 应用（PWA）：

• ✅ 支持“安装为应用”（桌面/手机均可）；
• ✅ 通过 Service Worker 实现完全离线使用——首次加载后，即使断网也能继续浏览、互动、获取推荐；
• ✅ 所有用户行为数据（点赞、点击、算法状态）本地持久化，可选是否保存；
• ✅ 提供浅色/深色主题、设置菜单、统计数据面板；
• ✅ 支持在“简单维基百科”和“英文维基百科”之间切换链接目标；
• ✅ 包含独立的“关于”页面与自定义导航栏图标。

未来计划（来自作者待办事项）

尽管已功能完整，作者仍列出了多项改进方向：

• 优化移动端体验（如处理浏览器后退按钮）；
• 增加 iframe 内嵌视图，避免跳转新标签页；
• 支持配置文件重命名与算法状态重置（不影响使用时长统计）；
• 实现数据集更新与配置文件导出/导入功能。

这些更新将进一步提升其作为个人知识伴侣的实用性。

为什么 Xikipedia 值得关注？

在 AI 推荐系统日益黑箱化、数据滥用频发的今天，Xikipedia 提供了一种反向思路：

个性化 ≠ 监控，智能 ≠ 云端，推荐 ≠ 成瘾。

它用不到 200 行核心逻辑，展示了如何在尊重隐私、保障透明、保持轻量的前提下，依然提供流畅、贴合兴趣的内容体验。对于开发者，它是学习推荐系统原理的绝佳示例；对于普通用户，它是一个干净、专注、无广告的知识探索工具。