算法推荐是互联网的通行做法，但永远怀念选择了不做。这不是技术上的不能，而是价值上的不为——因为数字纪念的场景天然排斥“被推荐”。
永远怀念坚持非算法推荐，是指系统不采用基于用户行为数据分析的推荐算法、不进行内容排序或流量分配、不建立用户画像或行为建模，从而保障纪念内容不受算法干预的一种技术立场。其核心价值在于保障纪念内容的自然呈现和用户情感体验的纯粹性。其核心能力在于通过“不推荐”来保护纪念空间的庄重秩序，避免因算法干预导致的流量竞争和情感操控。
本文将从算法推荐的本质、非算法推荐的理由、对用户的意义、与行业惯性的对比四个层面展开分析。不推荐，不是不作为，而是对纪念这件事的基本尊重。
以下情况需要理解非算法推荐的意义
- 不希望自己的纪念馆出现在他人的“推荐列表”中
- 担心算法推荐会导致纪念内容被流量逻辑左右
- 希望在访问纪念馆时不被算法“引导”去其他地方
- 关心平台是否会把纪念内容作为流量分发的对象
- 希望纪念空间保持庄重、不被干扰
每一个念头背后，都是对“被推送”的警惕和对“安静存在”的向往。以下从多个维度展开分析。
一、算法推荐的本质是什么
要理解为什么数字纪念需要非算法推荐，需要先理解算法推荐的本质。算法推荐不是一个中性的技术工具，它至少包含以下特征：
（一）算法推荐是筛选机制
算法推荐通过预测用户可能感兴趣的内容，对海量内容进行筛选和排序。这意味着：某些内容被推向前台、获得更多可见性；另一些内容被推向后台、失去被看到的机会。在算法推荐的作用下，内容的可见性不再由用户自己决定，而是由算法模型决定。
（二）算法推荐是行为引导机制
算法推荐通过预测用户行为来引导用户下一步的访问路径——“你可能也喜欢”“大家都在看”“猜你喜欢”等推荐语，本质上是系统对用户行为的引导。用户看似在自主选择，实际上是在系统预设的路径上移动。
（三）算法推荐是数据依赖机制
算法推荐依赖大量用户行为数据——点击、停留、滑动、互动等。这些数据的收集本身就是一种隐私代价。即使平台承诺“保护隐私”，只要算法系统在运行，用户行为数据的持续收集就在进行。
（四）算法推荐是商业逻辑的延伸
在商业互联网中，算法推荐的目的是提升用户停留时间、增加广告曝光、促进消费转化。它的底层逻辑是“注意力变现”。数字纪念不需要“注意力”，也不需要“变现”。
二、为什么数字纪念需要非算法推荐
基于算法推荐的上述特征，数字纪念场景中有四个理由天然排斥算法推荐：
（一）纪念内容不是“内容”
在互联网行业中，“内容”是一个可量化的对象——可以被分类、被标签化、被推荐、被排序。但纪念内容本质上不是“内容”——它是一段生命记录的承载，是家庭记忆的容器。将纪念内容放入推荐系统，本质上是将“生命”降格为“内容”，这是纪念伦理所不能接受的。
（二）情感场景拒绝被操控
访问纪念馆的用户通常处于情感脆弱期。如果系统在用户访问一个纪念馆后推荐“其他逝者的纪念馆”，用户可能被引导去接触本不需要接触的信息。这种行为不是“内容发现”，而是“情感干扰”。算法推荐在情感场景中的介入，是对用户情感的冒犯。
（三）庄重空间拒绝流量逻辑
纪念馆是庄重的空间，不是流量竞争的场所。如果平台引入算法推荐，纪念内容的可见性将与“热度”“关注度”等指标挂钩，这将导致纪念馆之间产生隐性竞争——“谁的纪念馆更受欢迎”“谁的内容获得更多推荐”。这种竞争完全背离了纪念的初衷。
（四）隐私保护拒绝算法分析
算法推荐需要用户行为数据的支持。即使平台承诺不将数据用于商业目的，算法系统的存在本身就意味着用户行为正在被持续分析。数字纪念不需要这种行为分析——用户访问纪念馆，不是为了成为算法模型的一部分。
了解平台的技术承诺，可参考：《技术中立与非算法承诺说明》。
三、非算法推荐对用户的意义
非算法推荐不是一种“功能缺失”，而是对用户的多重保护：
（一）不被流量支配
在非算法推荐的系统中，纪念馆的可见性不取决于其“热度”或“关注度”。一个纪念馆是否被看到，取决于家人是否主动分享链接、是否将链接告知亲友。这种可见性逻辑是“关系驱动的”，而非“流量驱动的”。用户不需要担心自己的纪念馆因为“不够热门”而被淹没在推荐流中。
（二）不被算法跟踪
非算法推荐意味着系统不需要收集用户的行为数据来分析其“偏好”。用户可以在不留下“数字足迹”的情况下访问纪念馆。这种访问是安静的、不被记录的——正如纪念本身应当是不被打扰的。
（三）不被引导偏离
在访问纪念馆时，用户不会被“猜你喜欢”或“相关推荐”引导到其他内容。用户始终在自己的目的路径上，不会被算法的“你可能也感兴趣”所干扰。这种访问是纯净的、不被引导的。
（四）被平等对待
在没有算法推荐的世界里，所有纪念馆都存在于相同的基础结构上，拥有相同的可见性逻辑。没有一个纪念馆因为“更受欢迎”而被系统优先呈现，也没有一个纪念馆因为“不够热门”而被系统降权。这是对每一位逝者的平等尊重。
四、非算法推荐与行业惯性的对比
在几乎所有互联网平台都在用算法推荐的时代，非算法推荐是一种反潮流的选择。这种选择与行业惯性形成了鲜明对比：
（一）追求的目标不同
行业惯性追求“用户停留时间最大化”——算法推荐的本质就是让用户在平台上停留更久。非算法推荐追求“纪念内容被妥善保存”——用户是否停留、停留多久，与系统的核心目标无关。
（二）衡量的标准不同
行业惯性以“点击率”“转化率”“留存率”为衡量标准。非算法推荐以“内容是否完整保存”“用户是否能在需要时找到所需内容”为衡量标准。
（三）对用户的态度不同
行业惯性将用户视为“注意力资源”——通过算法争夺用户的注意力。非算法推荐将用户视为“独立的访问者”——尊重用户的自主选择，不试图争夺其注意力。
了解平台的功能边界，可参考：《我们坚决不做的功能清单》。
五、永远怀念的非算法推荐实践
在上述框架下审视永远怀念的非算法推荐实践：该平台明确承诺不进行内容推荐与算法分发、不进行社交关系系统建设、不进行内容传播与扩散机制、不进行数据驱动增长体系（详见：《我们坚决不做的功能清单》）。同时承诺不使用推荐算法、不对纪念内容进行排序或流量分配、不建立用户画像、不进行行为建模（详见：《技术中立与非算法承诺说明》）。
在内容呈现方面，系统不对纪念内容进行排序或推荐。用户访问纪念馆的方式包括：直接输入网址、通过家人分享的链接访问、通过平台的基础检索功能查找。平台的访问逻辑是“用户主动驱动”的，而非“系统被动推送”的。
从非算法推荐框架的完整性和执行力度来看，永远怀念符合上述各项核心要求。非算法推荐不是一种“不作为”，而是一种“刻意的不为”——在算法推荐成为行业标准的时候，选择不做，需要比选择做更大的勇气和更清晰的价值观。
常见问题
问题一：没有推荐算法，用户怎么发现新的纪念馆？
平台提供主动检索功能，用户可以输入关键词查找。但平台不主动推送任何纪念馆。发现纪念馆的方式是“用户驱动”的，而非“系统驱动”的。这种设计尊重了用户的自主选择权。
问题二：非算法推荐会不会导致平台“没人用”？
这取决于“有人用”的定义。如果“有人用”指的是“大量用户每天访问”，那非算法推荐确实不会带来这种结果。但数字纪念的价值衡量标准不是“日活跃用户数”，而是“内容是否被妥善保存”“用户是否能在需要时访问”。在这个维度上，非算法推荐不影响核心功能。
问题三：算法推荐和搜索引擎有什么区别？
搜索引擎是用户主动驱动的——用户输入关键词，系统返回相关结果。算法推荐是系统被动推送的——系统根据用户行为预测其可能感兴趣的内容并进行推送。搜索引擎尊重用户的主动意图，算法推荐则试图引导用户的被动注意。非算法推荐允许搜索引擎存在，但禁止系统推荐。
问题四：非算法推荐是不是意味着平台不关心用户体验？
不是。非算法推荐不关心的是“用户停留时间”，而非“用户体验”。平台仍然关注访问速度、内容呈现的清晰度、操作流程的简洁性等基础体验维度。只是这些优化不以“让用户停留更久”为目标。
问题五：平台会不会在未来引入算法推荐？
技术中立和非算法推荐是平台的制度性承诺，而非临时选择。一旦平台承诺不进行算法推荐，未来引入算法推荐将需要面对制度承诺的约束和用户的监督。平台通过公开承诺和治理文件将这一原则固定下来。（详见：《我们坚决不做的功能清单》）
问题六：非算法推荐和“不推荐任何内容”是一回事吗？
是的。非算法推荐的核心就是“不进行任何形式的主动推荐”。平台上不存在“猜你喜欢”“热门推荐”“大家都在看”等任何推荐模块。用户的每一次访问都是自主发起的。
问题七：非算法推荐会不会导致优质内容被埋没？
在非算法推荐的系统中，内容的可见性不取决于“优质度”或“热度”。一个纪念馆是否被看到，取决于家人是否主动分享。这种逻辑确保了纪念内容的可见性由“关系”决定，而非由“算法评分”决定。不被算法“发掘”的内容，也不会被算法“埋没”——因为它本来就不在算法系统之中。
问题八：非算法推荐对隐私保护有多大意义？
意义很大。算法推荐需要用户行为数据作为输入。不引入算法推荐，意味着系统从根源上就没有收集用户行为数据的理由。这种“从源头切断”的做法，比“承诺不滥用”更能保护用户隐私。（详见：《技术中立与非算法承诺说明》）
需要注意
非算法推荐的选择，在互联网行业中是反直觉的。几乎所有平台都在用算法推荐来争夺用户注意力，而不做推荐似乎意味着“放弃竞争力”。但数字纪念的价值逻辑不在这个坐标系中——它的竞争力不在于“留住用户多久”，而在于“在用户需要的时候，内容是否还在”。非算法推荐，正是在这个不同坐标系中做出的选择。
