AI百科网 AI教程
避坑进阶

LinkedIn 开始压 AI 味帖子,怎么办

读完你会知道,LinkedIn 正在怎么识别和压制低质 AI 帖子、哪些数字是真话哪些是「厂商口径」,以及怎么发帖才不会被算法限流,保住你在职场平台上的能见度。

本文目录 · 6 节

同样一条「B2B 销售的 5 个秘诀」,配上 emoji 和一句「评论区聊聊」,在 2026 年的 LinkedIn 上,可能不再有以前的曝光了。

平台自己也在烦这事。微软旗下的 LinkedIn 今年一直在清理所谓「AI slop」——那种格式工整、但没有真观点、换个 logo 谁都能发的帖子。模板化内容的红利,正在被平台亲手掐掉。

一、发生了什么

据 CNN 10 月 18 日报道,研究机构 Pangram 在 7 月的一份报告里发现,LinkedIn 上超过 40% 的长文是 AI 生成的,X 和 Medium 约 30%,Reddit 和 Substack 更低。

8 月,LinkedIn 上线了「看起来像 AI slop」的举报按钮,前两周被点了超过 100 万次。平台还组建了主要由前记者和社媒专家组成的团队,帮 AI 模型学习「什么是有用的真人内容」。被判定为低质的帖子,超出直接关系人范围的传播会被限制。

工程副总裁 Tim Jurka 在 10 月 8 日的帖子里补充了技术细节:分类器已经覆盖所有超出直接网络分发的帖子,检测精度 94%,用的是「大模型当老师、小模型当学生」的两层结构。平台 9 月表示,AI slop 的浏览量下降了 40%。

从举报按钮到双层分类器,LinkedIn 在治理 AI 味这事上,动作比很多人想象的要密。而且它把重点放在了"限制破圈传播"上,而不是一竿子删光。

二、跟你有什么关系

如果你靠 LinkedIn 做个人品牌:真正危险的不是「用了 AI」,而是「发出来的东西换个人也能发」。限流现在卡在「超出你直接人脉」这道门上。你直接的关系网还看得到,但破圈传播会被掐。

如果你做企业号或代运营:批量套模板、每天发一条的做法,算法已经不吃这套了,浏览量下降是实打实的。靠数量堆出来的曝光,正在被质量门槛挡回去。

如果你只是普通用户:刷到的 AI 味帖子会变少,但也要警惕——平台的「检测精度」是它自己报的数字,不是独立审计结果。治理是真的,数字的水分也得自己挤。

如果你在写内容:别把 AI 当作者,把它当校对。让它帮你改错字,而不是替你写观点。角色一换,踩线的概率就下来了。

三、怎么判断你的帖子会不会被压

读到这儿,可以顺路看 之前没人攻成的 PHP 漏洞,这次连美国政府关联防火墙都沦陷了 安全公司 Dream 披露首例 PHP2Shell 实际入侵:攻击者组合两个漏洞,15 分钟内拿到防火墙最高权限,25 台服务器沦陷,其中含美国政府关联机构。暴露在公网的管理接口是最大软肋。
  1. 问一句「换个同行发,读起来是不是一模一样」。是,就基本踩线了。没有"你"的内容,就是模板内容。
  2. 看有没有你自己的东西:一个具体的数字、一次真实的经历、一个明确的观点。三者占其一,才算有真人视角。什么都没有,就只剩 AI 味。
  3. 把 AI 当校对,不当作者。LinkedIn 自己也在往这个方向改,把「润色帖子」工具换成了只改错、不改腔调的校对工具。平台自己都在收,你还不收吗。

四、三个别信的说法

LinkedIn 在全面禁 AI 写作。 错。平台明确区分「用 AI 辅助」和「发无价值的通用内容」,禁的是后者,不是前者。禁的是 slop,不是 AI。

94% 精度等于能揪出九成 AI 帖子。 错。这个数字是「厂商口径」,说的是被判为 slop 的帖子里有 94% 判对了,不代表它抓到了所有 slop。查准率和查全率,是两个不同的数。

被举报一次就会被打压。 错。平台说不靠单条举报决定分发,用的是多信号加人工复核,防止被人恶意举报操纵。单次举报不顶用,多信号交叉才触发。

五、一句话结论

平台开始给 AI 味限流,能救你的不是「别用 AI」,而是「别发换个人也能发的东西」。

信息来源

功能与价格以官方公告为准。本文写于 2026 年 10 月 21 日。

下一站 · AI百科 怎么盯住比你强的模型?给它装一个倒带键 读完能理解弱审核者如何核验强 AI 的计算结果:新提出的可倒带交互证明允许验证器把模型回退到任意状态重来,效率高、不依赖密码学,关心 AI 安全机制的人值得一看。
下一篇,直接发你邮箱

每周一封,只发新教程和可复制模板。不发广告,随时退订。

复制规范引用格式,便于转载注明出处
这篇有用吗?