一句话定义：信息茧房（Filter Bubble，常译“过滤气泡”）指个性化推荐系统根据你的历史行为不断筛掉“你大概不想看”的内容，把你裹进一个越来越同质、越来越窄的信息环境里——而你往往看不见这层边界。
这个概念有两层来源：法学家桑斯坦（Cass Sunstein）用“信息茧房”描述人们只接触自己选择领域的信息；后来互联网观察者帕里泽（Eli Pariser）用“过滤气泡”描述算法版本——茧房不再是你自己选的，而是系统替你织的。
它是怎么织出来的
主流推荐系统的骨架并不神秘：把你和内容都变成向量（embedding），算相似度；再用点击率预估（CTR prediction）模型给每个候选内容打分排序；你点一下、停三秒、划走，都会变成下一轮训练的样本。这形成一个闭环：你越点某类内容，模型越确信你爱看，就越给你推，你也越容易点——反馈回路（feedback loop）自我强化。
打个比方：你常去的一家餐厅，厨师发现你每次都点辣的，于是菜单上的辣菜越来越多、清淡菜越来越少。半年后你说“这家店怎么只有辣菜”，其实是你和厨师一起把菜单改成了这样。区别在于，餐厅你看得见菜单，推荐流你看不见被删掉的那部分。
它和几个近邻概念的区别
| 概念 | 作用层面 | 驱动力 | 你是否察觉 |
|---|---|---|---|
| 信息茧房、过滤气泡 | 个人看到的信息范围 | 算法个性化排序 | 很难 |
| 回音室效应（Echo Chamber） | 群体内的观点强化 | 同质人群互相附和 | 较难 |
| 确认偏误（Confirmation Bias） | 个人认知 | 心理倾向，人自己就有 | 事后可反思 |
| 主动订阅、取关 | 个人选择 | 你亲手操作 | 明确 |
关键差别：茧房不是你“选”出来的，是系统为优化停留时长、点击率这类指标“算”出来的。它不需要你偏激，只需要你有点偏好就够了。
对从业者的意义
优化目标决定产品形态。如果评价体系只看点击率和时长，模型就会理性地把你往窄处推，这是指标的函数，不是道德的失职。可行的做法是把多样性、内容新鲜度、长期留存纳入评估，在排序里保留一定比例的探索（explore）流量，并监控用户兴趣分布的收敛速度。具体口径各团队不同，以自家数据为准。
对普通人的意义
不必把算法当敌人，但要记得它给你的是“最可能的下一口”，不是“世界的全貌”。实用动作有三：主动搜索代替纯滑动、关注几个与你观点不同的信息源、偶尔清理历史兴趣标签。真正的信息广度，通常来自你亲手输入的关键词，而不是推荐流里多刷几屏。