type: concept tags: [on-device, llm, social-media, feed-curation, privacy, personalization] related: [[huoziime-ondevice-ime]], [[gemma4-ondevice]], [[agent-persistent-identity]] sources: - url: https://imbue.com/product/bouncer/ title: "Bouncer: Heal your feed - Imbue" date: 2026-04-08 reliability: high - url: https://news.ycombinator.com/item?id=47706293 title: "HN: Control your X/Twitter feed using a small on-device LLM" date: 2026-04-09 reliability: medium created: 2026-04-19 updated: 2026-04-19

Bouncer: 端侧 LLM 治理社交信息流¶

Imbue 推出 Bouncer——用端侧小模型对抗平台算法，让用户夺回 Twitter 信息流的控制权。

核心问题¶

社交平台的推荐算法以成瘾性而非愉悦感为优化目标，用户被动接受算法"投喂"的内容，丧失了对信息消费的主动权。传统"关闭推荐"方案让用户失去了发现有价值内容的能力。

解决方案¶

Bouncer 在设备本地运行一个小 LLM，作为信息流的"守门人"：

端侧推理 — 所有数据处理在设备上完成，不发送到云端
内容过滤 — 识别并过滤低质量、操纵性、情绪激化的内容
保留价值 — 保留实时信息、本地政治、兴趣发现等高价值内容
用户主权 — 用户定义自己的标准，而非接受平台优化

技术路线¶

使用小参数模型（具体大小未公开，但定位为"small on-device LLM"）
在设备上完成推理，零数据外传
与 Twitter/X 的信息流集成

为什么重要¶

Bouncer 开创了一个新的端侧 AI 应用范式：算法对抗 Agent。

传统思路是"让平台提供更好的算法"，Bouncer 的思路是"让用户部署自己的算法"。这需要： 1. 足够小的模型以在端侧实时运行 2. 足够智能以理解内容质量和用户偏好 3. 完全在本地以保护隐私

这种模式可以推广到任何推荐系统——YouTube、TikTok、新闻 App 等。端侧 Agent 不仅是"执行任务"，还可以成为用户与算法之间的中介层。

HN 上获得 15 点关注，反映社区对"算法自主权"议题的共鸣。

关联¶

[[huoziime-ondevice-ime]] — 端侧 LLM 的个性化应用
[[gemma4-ondevice]] — 端侧模型能力参考
[[agent-persistent-identity]] — Agent 如何持续学习用户偏好
[[on-device-vs-cloud-agentic-tool-calling]] — 端侧推理的能力边界