下班路上刷到的歌单居然全是我最近循环的 indie 乐队？刚学会骑车，APP 就推了轻快的骑行歌单——这种“懂我”的音乐推荐，其实是汽水音乐背后的算法在“悄悄干活”。它不是随便乱推的，而是像个会察言观色的朋友，一步步摸透你的喜好。
第一步：先搭个“初步画像”，别一上来就猜
算法第一次见你时，会先收集最直观的“第一印象”。你第一次打开 APP 时选的“喜欢的曲风”（比如 indie、流行）、搜过的歌手（比如陈绮贞）、跳过的歌——这些都是它的“第一手线索”。
举个例子：你第一次打开选了“治愈系民谣”，还搜了赵雷的《成都》，算法就会给你贴个“喜欢民谣、偏好慢节奏”的初步标签，不会一上来就推电子舞曲。就像你第一次跟朋友吃饭说“想吃辣的川菜”，朋友肯定先带你去川菜馆，而不是直接拉去日料店。
第二步：从“行为细节”抠喜好，比你自己更懂你
初步画像只是基础，算法会盯着你每一次听的小动作，连你自己都没注意的偏好，它都能抓出来。
比如你听某首民谣时，听完直接切下一首，还是循环了3次？是快进了某段，还是完整听完还点了“收藏”？这些动作都是“信号”：收藏的、循环的歌，是“真喜欢”；快进的、听完就划走的，是“没兴趣”。
有个真实的小细节：我之前听某首民谣时，因为赶时间只听了前10秒就切了，算法连续3天没给我推同歌手的歌；后来我完整听完另一首，它第二天就把同歌手的其他歌放进了推荐列表——这就像你跟朋友说“上次那首歌我只听了开头，其实后面的部分才好听”，朋友下次就会留意你完整听完的部分。
第三步：给你“量身定制”歌单，还会悄悄加新东西
光看旧偏好还不够，算法会在“你喜欢的范围”里，偶尔加点“新口味”，怕你听腻，但又不会太离谱。
比如你总听陈绮贞的民谣，算法不会推重金属，而是找同是“文艺系”、但风格偏清新的歌手，比如陈粒早期的歌；要是你最近循环的歌都是骑车时听的，它会给你推节奏刚好踩得上“每分钟120拍”的歌——刚好是骑车时的舒适节奏，不会太快也不会太慢。
就像你总吃番茄炒蛋，朋友不会突然给你塞榴莲，而是给你做“番茄炒蛋升级版”，比如加个虾仁，让你觉得“熟悉但又有小惊喜”，不会吃腻。
第四步：会“观察场景”，知道你什么时候该听什么
算法还会偷偷“看”你用APP的时间和场景：早上刷牙时，它推的是节奏轻快的歌，怕你困；晚上睡前，它推的是慢节奏的轻音乐，帮你放松；周末宅家打扫卫生，它推的是带点律动、适合干活的歌。
我上周三早上8点打开APP，它推了一首轻快的《小跳蛙》（不是幼稚，是刚好适合赶地铁的心情）；周五晚上10点，它推了一首轻音乐，说“适合睡前放松”——就像朋友会在你赶时间时给你拿快节奏的饮料，在你累的时候给你递温牛奶，完全贴合你的当下状态。
其实不管算法多复杂，核心逻辑就两个：一是“记住你做过的选择”，二是“贴合你的真实状态”。它不是要把你困在“喜欢的歌单里”，而是帮你找到那些“你没发现但会喜欢的歌”，让每次打开APP，都像遇到了懂你的朋友。
