问题——社交平台长期依赖推荐算法管理信息流，用户主要通过点赞、停留时长等行为数据被动影响内容推荐；随着算法推荐在舆论传播、消费决策等领域的影响力不断增强，公众越来越关注内容选择权的归属问题。特别是在重大赛事或热门影视剧上线期间，用户既希望高效获取对应的信息，又担心被剧透或无关内容干扰，对信息流可控性的需求日益突出。 原因——Threads新推出的"Dear Algo"功能，本质上为用户提供了一个更直接的偏好表达渠道。与传统依赖行为数据的方式不同，用户可以通过公开动态明确表达兴趣边界，帮助平台快速调整内容推荐。这既满足了用户对推荐透明度的期待，也反映出行业进入存量竞争阶段后，平台需要通过优化用户体验来提升用户粘性。近年来各平台陆续推出的"不感兴趣""话题屏蔽"等功能，都表明了在推荐效率和用户控制之间寻求平衡的趋势。 影响——对用户而言，该功能降低了调整信息流的门槛，能短期内提升内容相关性，减少无效信息干扰，降低被剧透的风险。"转发导入偏好"的设计还有助于兴趣社群的快速聚合。但从长远看，这种偏好表达方式可能加剧"信息茧房"效应，导致内容同质化；同时也可能被营销账号利用，通过诱导用户复制特定模板来影响内容生态。平台需要在扩大用户选择权的同时，防范偏好表达被滥用的风险。 对策——专家建议构建更完善的透明机制和管理工具：首先明确功能的使用规则和生效范围；其次加强反作弊措施防止批量操作；再者提供更精细的管理选项，如主题权重调节、时间限定屏蔽等；最后强化隐私提示，帮助用户理解公开偏好的潜在影响。关键在于形成可持续的用户控制体系而非单一功能。 前景——目前"Dear Algo"已在美英等多国上线并将继续扩展。其最终效果取决于两个关键点：平台能否保持内容多样性同时提升个性化匹配质量；在公共事件中能否确保权威信息的有效触达。可以预见，"让用户清楚为何看到某条内容并能便捷调整推荐"将成为社交平台竞争的新方向。
社交媒体将部分算法控制权交还用户，反映了技术进步与用户需求的共同作用。此探索不仅涉及商业竞争，更关系到数字时代的信息分发本质问题。如何在尊重用户自主权与维护信息多样性之间找到平衡，如何确保技术服务而非操控于人，仍是行业需要持续探索的课题。"Dear Algo"的推出或许只是这场变革的开始。