Serving the For You feed

一台放在客廳的遊戲電腦，每月電費加 VPS 合計 30 美元，正在為 7.2 萬名 Bluesky 用戶提供個人化推薦 feed——而且理論上這套架構能撐起 Bluesky 全部約 100 萬日活躍用戶的推薦需求。這是 Simon Willison 在 Link Blog 轉介的一篇嘉賓文章，spacecowboy 在 AT Protocol 官方部落格親身說明整套系統怎麼做到的。

Bluesky 允許任何人自建推薦演算法

Bluesky 有一個在主流社群平台中相當罕見的設計：任何人都可以實作自己的「自訂 feed」，並讓其他用戶直接訂閱。這套機制建立在底層的 AT Protocol（去中心化社群協議，Bluesky 的技術基礎）之上，允許 feed 開發者用任意邏輯決定要推薦哪些貼文——從簡單的標籤過濾，到複雜的機器學習排序，完全開放自訂。

這不只是技術上的可能性，而是一個真實運作的生態。spacecowboy 維護的 For You Feed 就是其中最受歡迎的社群自建 feed 之一，目前約有 7.2 萬人使用。不靠大公司、不靠資料中心，一個人在家就能維運一個規模化的推薦服務，正是這篇文章值得一讀的地方。

客廳遊戲機當伺服器：16 核 96GB 的硬體配置

整套系統的主機就是 spacecowboy 客廳裡的一台「遊戲電腦」，硬體規格是 16 核 CPU、96GB RAM、外接 4TB NVMe SSD。這個等級放在消費市場屬於高階遊戲或工作站配置，和「企業伺服器」在形象上差距懸殊，但實際跑起來的效能完全夠用。

服務層以單一 Go（Google 開發的高效能編譯語言，常用於網路服務）程序運行，搭配 SQLite（嵌入式關聯式資料庫，不需獨立伺服器程序，整個資料庫就是一個檔案）儲存資料。選擇 SQLite 看似反常——多數生產環境的推薦系統會選用 PostgreSQL 或分散式資料庫，但在這個場景下，SQLite 的低延遲與單檔案設計反而提供了足夠穩定的效能基礎。

Bluesky 全量資料流與 419GB 的 90 天索引

這台 Go 伺服器持續消費 Bluesky 的 firehose（全量即時資料流，平台上所有貼文與互動事件的串流），篩選並寫入相關的互動資料。目前保留最近 90 天的資料，總計佔用約 419GB 的 SQLite 儲存空間。

推薦邏輯的核心是基於喜好的協同過濾（collaborative filtering）：「喜歡相同內容的人，還喜歡什麼？」不分析貼文本身的語意，而是透過用戶的喜好行為找出興趣相近群體，再從這個群體的最新互動中挖出你可能也會喜歡的貼文。這套思路並不新鮮，卻在 7.2 萬用戶規模下被一台家用機器實現了。

每月 30 美元：OVH VPS + Tailscale 的成本結構

對外的公共網路流量不直接打到客廳電腦，而是先由一台每月 7 美元的 OVH（法國雲端服務商）VPS 承接，再透過 Tailscale（基於 WireGuard 協議的 P2P VPN 工具）隧道穿透回家中的主機。這樣做讓客廳主機不需要暴露公開 IP，家用網路頻寬也不必直接承受外部流量衝擊。

整套系統每月支出：電費 20 美元、OVH VPS 7 美元、兩個域名 3 美元，合計 30 美元。spacecowboy 估算，若切換到他們測試過的最輕量演算法版本，現有這套硬體理論上能承載 Bluesky 目前全部約 100 萬日活躍用戶的推薦請求——這個數字讓整套方案的 CP 值顯得格外驚人。

30 美元/月的客廳遊戲機服務 7.2 萬人，Bluesky 的開放 feed 機制正在讓個人開發者做到以前只有大公司才能做的事。