# 当 TikTok 算法成为书架：算法推荐如何重塑文学批评的权力版图 > 从《纽约书评》到 BookTok，算法如何催生新一代文学裁判，以及这场权力迁移背后的得与失。 ## 元数据 - 路径: /posts/2026/01/26/tiktok-algorithm-literary-criticism-tastemaker/ - 发布时间: 2026-01-26T02:18:35+08:00 - 分类: [ai-systems](/categories/ai-systems/) - 站点: https://blog.hotdry.top ## 正文 两百多年来，文学批评的权杖一直握在少数人手中：《纽约书评》的专栏作家、《泰晤士报文学增刊》的匿名评审、学院里皓首穷经的教授。他们决定了哪些作品值得被严肃对待，哪些作者能在文学殿堂占有一席之地。然而，当短视频算法学会推送书籍推荐，一个名为杰克·爱德华兹的二十七岁年轻人，便在不经意间接过了这根权杖——尽管他从未申请过任何一张文学批评的入场券。 ## 从编辑室到卧室：批评权力的算法迁移 杰克·爱德华兹在 TikTok 和 YouTube 上拥有超过一百五十万订阅者，他的视频累计播放量突破一亿五千八百万次。这个数字大约相当于十六座温布利球场的人数总和，或者说，一百七十五座温布利球场。但比播放量更重要的，是他手中握有的商业影响力。《新政治家》杂志在一篇深度报道中如此描述他的权力：一个来自他的推荐，能够让浴缸里、火车车厢里、公园长椅上堆满他喜爱的书籍。书店会按照他的品味重新摆放库存，而当他发掘了陀思妥耶夫斯基那篇几乎被遗忘的短篇《白夜》时，这篇沉睡在角落里的作品瞬间被移到了橱窗最显眼的位置。 这便是算法时代文学批评的新现实。传统的文学批评遵循一套严格的层级制度：一篇发表在《伦敦书评》上的评论，需要经过匿名评审、编辑把关、出版周期等层层关卡，整个流程可能耗时数月甚至数年。而 TikTok 的推荐逻辑完全不同，它不关心你的学术头衔，不在乎你是否在权威刊物上发表过文章，只关心你的内容能否让用户停下滑动的手指。在这套逻辑下，情感的真实流露远比知识的权威展示更具传播力。二〇二〇年，牛津大学拒绝了爱德华兹的研究生申请，他随即发布了一条名为「牛津大学拒绝了我的硕士申请……（抱歉这个视频很伤感）」的视频。视频中他泪流满面，而这条视频成为了他职业生涯的重要转折点。社交媒体奖励的是真诚与脆弱，而非传统意义上的专业素养。 这种权力迁移的深层逻辑在于算法对注意力的重新分配。在传统时代，批评家的影响力受限于他们所服务的媒体机构的发行量；而在算法时代，一个创作者可以直接触达数以百万计的受众，中间不需要经过任何机构的中介。沃特斯连锁书店已经设置了专门的「TikTok 让我买了这本书」专区，古籍网站 Goodreads 将爱德华兹的账户标记为「阅读量第一」——这意味着只要他在一本书下留下评论，这条评论就会是用户看到的第一条评论。一次负面评价，便可能决定一本书在商业市场上的命运。 ## 视觉化与情感化：算法为何偏爱这种批评形式 理解算法时代文学批评的本质，首先要理解算法本身的偏好。TikTok 的推荐系统被设计为最大化用户的「停留时间」和「互动率」，而文字评论在这两个维度上天然处于劣势。一篇八百字的书面书评，用户可能在三十秒内快速扫过；但一段五分钟的视频，用户需要完整观看才能获取信息，期间还可能被内容触动而留下评论或转发。视频形式创造了一种文字评论无法提供的东西：真实的、可见的情感反应。 爱德华兹在接受采访时道出了这种区别的关键：「通过社交媒体，我们能够直观地看到人们对一本书的反应，感受到一种主观的情感共鸣，这种感受比书评人或记者的传统评论更加私人。在传统评论中，我们看不到他们因为一本伤心欲绝的书而哭泣。我认为这正是 BookTok 的魔力所在。」这段话揭示了一个重要的洞察：算法时代的文学批评，本质上是一种情感劳动的展示。传统的书评追求客观、平衡、分析性；而算法时代的书评追求的是移情、共鸣、感同身受。当观众看到爱德华兹在镜头前为某本小说落泪时，他们获得的不仅是一个产品质量评估，而是一种替代性的情感体验。 这种批评形式的兴起，也与当代读者的阅读习惯变化密切相关。BookTok 的用户群体以年轻人为主，他们成长于视频媒介主导的环境中，对长篇文字的耐心有限，却对短视频有着天然的亲和力。对于这一代读者而言，通过视频了解一本书，既是一种信息获取方式，也是一种社交活动和情感联结。他们在评论区分享自己的读书感受，在弹幕中表达共鸣，在转发中完成社交资本的积累。算法敏锐地捕捉到了这种需求变化，于是将流量倾斜给那些能够激发强烈情感反应的内容创作者。 然而，这种批评形式也带来了显而易见的问题。当批评的价值被简化为「能否让人哭泣」时，那些需要沉思、需要反复品味的作品便天然处于劣势。陀思妥耶夫斯基的《白夜》之所以能够借助爱德华兹的推荐起死回生，恰恰因为它是一个关于单相思的浪漫故事，容易引发情感共鸣；而那些结构更为复杂、情感更为节制的作品，可能在算法推荐的竞争中落于下风。这并不意味着算法推荐必然导致审美退化，但它确实改变了文学作品的可见性分布，使某些类型的作品更容易被看见，而另一些则被推向算法的边缘。 ## 掌声背后的阴影：算法明星的心理代价 算法创造的不仅是一种新的批评形式，还创造了一种新的人类处境。当一个人同时拥有百万级的追随者和无处不在的审视时，他的生活方式便与普通人截然不同。爱德华兹的经历揭示了算法明星这一新生群体所面临的独特困境：他们的成功建立在持续的自我曝光之上，而这种曝光本身就构成了一种持续的心理压力。 二〇二四年，爱德华兹的发布频率明显下降，视频内容也变得更为稀少和克制。直到二〇二五年年初，他才发布了一条名为「二〇二五年我想读的书（以及我为什么停止发布书评）」的坦白视频。在视频中，他将过去的一年描述为「需要熬过去的东西」，坦承自己「甚至认真考虑过是否要继续做下去」。他描述自己遭受了「大量的网络霸凌」，并表示看到「如此多的人讨论关于你的事情」是一种「创伤性」的体验。他说：「这感觉非常具有侵入性和亲密感。」 这种困境的根源在于算法时代公众人物所面临的独特处境。传统的公众人物——比如作家或学者——通常拥有一定的隐私边界，他们的公共形象与私人生活之间存在缓冲地带。但算法时代的意见领袖几乎没有这种缓冲，他们的账号就是他们的全部存在，每一个帖子、每一条评论都在公众视野之中。更重要的是，算法奖励的是「真实性」，这意味着粉丝期待的是创作者展示自己最好和最差的一面，而非一个经过精心包装的公众形象。这种期待创造了一种持续的压力，迫使创作者不断进行情感上的自我暴露，直到这种暴露本身成为一种消耗。 爱德华兹描述的一个细节令人深思：他发现自己在与朋友社交时，会在说话前不断道歉和免责声明。他的朋友们问他是否意识到自己已经形成了这种模式。他的回应是：「我一直处于防守状态，随时都在退缩，对分享任何事情都感到真正的恐惧。」这种症状在心理学上与创伤后应激反应高度相似，而它居然源于一种「工作」——在算法平台上发布关于书籍的内容。这提醒我们，算法不仅改变了我们消费什么内容，也改变了创造这些内容的人的心理状态。 更复杂的是，算法时代的批评者缺乏传统批评界所拥有的制度性保护。一个《纽约书评》的专栏作家背后有一整个编辑团队和机构声誉作为支撑，匿名评审制度也为他们提供了一定程度的保护。但算法时代的独立创作者需要独自面对所有的正面和负面反馈，没有机构可以为他们过滤恶意攻击，也没有同事可以提供建设性的批评意见。爱德华兹坦言，他有时会希望有人能在内容发布前给他反馈，因为「当第一批评判者就是评论者时，就再也没有回旋的余地了……你在公开法庭上接受测试」。这种处境使得算法明星成为了自己成功的囚徒：他们的影响力来自算法，但这种影响力同时也将他们困在一个无法逃脱的审视场域中。 ## 批评的未来：算法与机构的共存可能 面对算法重塑文学批评这一趋势，一个自然的问题是：传统批评还有未来吗？答案可能不是非此即彼的，而是一个复杂的共存与竞争关系。算法推荐的图书与机构推荐的图书，在很大程度上服务于不同的读者群体和阅读目的。一个被《纽约书评》热情推荐的乔伊斯或伍尔夫，与一个在 TikTok 上走红的甜宠小说，争夺的本来就不是同一批读者的注意力和钱包。从这个角度看，两种批评体系可能各有其存在的空间和合理性。 然而，这并不意味着两种体系之间没有张力。算法推荐的一个潜在危险是，它可能加剧「马太效应」，使已经流行的作品获得更多的曝光，而使小众作品更加边缘化。这是因为算法的优化目标是最大化用户的即时满足感，而推荐已经被大量用户验证过的「安全」内容，是实现这一目标的最有效路径。换句话说，算法天然倾向于制造热点，而不是发现热点。这与文学批评的传统使命存在根本冲突——传统批评的一个核心功能，正是发掘那些被忽视的优秀作品，为它们争取本应属于它们的关注。 爱德华兹本人的实践在一定程度上回应了这一困境。他既推荐当代流行小说，也推荐经典文学；他在视频中将陀思妥耶夫斯基与当代言情小说并列摆放，认为它们的共同点在于「那些能够引起共鸣的、感觉永恒的、感觉常青的时刻」。他反对将 BookTok 简单定义为低质量阅读的标签，指出所谓「BookTok 之书」的唯一共同特征是「受到年轻读者的欢迎」。这种姿态表明，算法时代的批评者并非必然成为审美堕落的推动者，他们完全可以在商业影响力与审美判断之间寻求平衡。 但这种平衡需要某种制度性的支撑，而目前的算法生态尚未提供这种支撑。爱德华兹的新项目「Inklings」书友会，或许代表了一种可能的尝试方向。这个书友会设立在社交阅读平台 Fable 上，已经成为该平台历史上增长最快的俱乐部。它试图在算法推荐的即兴性与传统书友会的深度讨论之间找到一种结合方式，邀请的嘉宾既包括当红作家如大卫·尼科尔斯和可可·梅洛斯，也包括严肃文学作家如奥辛·麦肯纳和帕勒斯坦裔小说家亚斯敏·扎赫尔。爱德华兹表示，他希望这个书友会能够成为「更坚固、更具体」的社区，而不仅仅是一种算法推荐。 从更宏观的视角看，算法时代的文学批评面临的根本问题是：在一个注意力被算法精确计算的世界中，我们如何保护那些无法被计算的价值？审美体验的深度、思想挑战的难度、文本细节的精微之处——这些在算法逻辑中难以被量化的品质，恰恰是文学最珍贵的内核。也许，未来文学批评的演进方向，不是算法取代传统，也不是传统抵抗算法，而是找到一种能够同时容纳两种逻辑的混合形态。在这种形态中，算法负责发现和连接，机构负责筛选和深化；两者各司其职，共同服务于一个更多元、更健康的文学生态。 杰克·爱德华兹的故事，是算法重塑文化领域的一个缩影。他证明了文学批评的权力可以从机构流向个人，从文字流向视频，从分析流向情感。但这个故事同样揭示了这种权力迁移的代价——当一个人的影响力取决于算法的眷顾时，他便将自己置于一种脆弱而不稳定的处境之中。未来，我们或许会看到更多的「爱德华兹」涌现，也或许会看到传统机构找到与算法共存的新方式。但无论哪种情况发生，有一点是确定的：文学批评的定义本身正在被重写，而我们每个人——无论是创作者、读者还是平台——都在参与这场重写的过程。 --- **参考资料** - George Monaghan, "The world's most powerful literary critic is on TikTok", *New Statesman*, 2026年1月21日 ## 同分类近期文章 ### [NVIDIA PersonaPlex 双重条件提示工程与全双工架构解析](/posts/2026/04/09/nvidia-personaplex-dual-conditioning-architecture/) - 日期: 2026-04-09T03:04:25+08:00 - 分类: [ai-systems](/categories/ai-systems/) - 摘要: 深入解析 NVIDIA PersonaPlex 的双流架构设计、文本提示与语音提示的双重条件机制，以及如何在单模型中实现实时全双工对话与角色切换。 ### [ai-hedge-fund：多代理AI对冲基金的架构设计与信号聚合机制](/posts/2026/04/09/multi-agent-ai-hedge-fund-architecture/) - 日期: 2026-04-09T01:49:57+08:00 - 分类: [ai-systems](/categories/ai-systems/) - 摘要: 深入解析GitHub Trending项目ai-hedge-fund的多代理架构，探讨19个专业角色分工、信号生成管线与风控自动化的工程实现。 ### [tui-use 框架：让 AI Agent 自动化控制终端交互程序](/posts/2026/04/09/tui-use-ai-agent-terminal-automation/) - 日期: 2026-04-09T01:26:00+08:00 - 分类: [ai-systems](/categories/ai-systems/) - 摘要: 详解 tui-use 框架如何通过 PTY 与 xterm headless 实现 AI agents 对 REPL、数据库 CLI、交互式安装向导等终端程序的自动化控制与集成参数。 ### [tui-use 框架：让 AI Agent 自动化控制终端交互程序](/posts/2026/04/09/tui-use-ai-agent-terminal-automation-framework/) - 日期: 2026-04-09T01:26:00+08:00 - 分类: [ai-systems](/categories/ai-systems/) - 摘要: 详解 tui-use 框架如何通过 PTY 与 xterm headless 实现 AI agents 对 REPL、数据库 CLI、交互式安装向导等终端程序的自动化控制与集成参数。 ### [LiteRT-LM C++ 推理运行时：边缘设备的量化、算子融合与内存管理实践](/posts/2026/04/08/litert-lm-cpp-inference-runtime-quantization-fusion-memory/) - 日期: 2026-04-08T21:52:31+08:00 - 分类: [ai-systems](/categories/ai-systems/) - 摘要: 深入解析 LiteRT-LM 在边缘设备上的 C++ 推理运行时，聚焦量化策略配置、算子融合模式与内存管理的工程化实践参数。