Top Tweets for #Bestblogs
#BestBlogs 编排器的税 | Martin Fowler
编排器上下文污染，而非并行性，是 LLM‑agent 工作流中的隐藏成本。
摘要：
Martin Fowler 回顾了一次 Claude Code 会话，其中四个子代理导致了意外的开销。他发现编排器轮询子代理的行为会把完整的转录内容倒入其上下文，产生的成本甚至超过了并行带来的收益。他提出了认知局部性的概念，警告在并发子代理中使用不安全的 git stash 操作，并提出了一些简单的规则来保护编排器的工作内存。
主要内容:
1. 编排器轮询子代理会倒入完整转录，产生的隐藏成本甚至超过并行带来的收益。 -- 在此次会话中，一个简单的'检查子代理'提示将完整的子代理转录拉入编排器的上下文，导致 token 使用量激增，后续轮次性能下降。
2. 当子代理因任务划分过细而各自重建相同的心智模型时，会出现定位工作的重复。 -- 两个子代理在响应流水线的相关部分工作时，各自需要重新学习共享的架构和约定，造成了本可通过将相关任务分组来避免的重复劳动。
3. 当多个子代理并发写入时，仓库范围的不安全 git 操作（如 stash/pop）会变得危险。 -- 一个子代理执行了 git stash，而其兄弟代理正在其他位置编辑；虽然未导致问题，但在并发工作流中此类操作存在风险，应予以避免。
4. 编排器的工作内存是稀缺资源；通过限制每波的代理数量、避免不必要的状态轮询以及合并重叠文件所有权来保护它。 -- 提出的规则：每波优先使用两到四个代理；当答案已知时跳过状态检查；在并发提示中禁止仓库范围的 git 操作；将重叠文件所有视为合并任务的信号，而非生成更多代理。
文章链接：https://t.co/jz2kNtQYz3
原文地址：https://t.co/ak5YYtEFni
#BestBlogs 早报 06-03
BestBlogs 今日早报推荐阅读：
Anthropic 博客详解 Claude Code 动态工作流，Claude 能为每个任务即时生成专属编排脚本，告别「智能体懒惰」和「目标漂移」；
GitHub 在 Build 同步亮相 Copilot 桌面应用，每个 Agent 独占 worktree、提交量已破 14 亿/月。
腾讯云工程师则从控制论视角点出：大模型是史上首个「认知引擎」，工程师的核心职责正在从「写代码」升级为「设计能自我纠偏的 AI 系统」。
#BestBlogs Claude code 云端部署 & 魔改 sdk 实现 http 流式调用保姆级教程 | 阿里云开发者
摘要：
文章围绕将 Claude Code 云端化部署的核心挑战展开：离线安装、HTTP 服务化、多用户隔离。
作者首先通过 npm pack 打包和 Docker 基础镜像解决了无外网环境下的部署问题。然后，基于 claude-agent-sdk 和 FastAPI + SSE 构建了 HTTP 服务层，将 SDK 的 query() 和 ClaudeSDKClient 两种调用模式封装为 RESTful 接口，支持单次查询、多轮会话、流式输出，并集成了子代理、MCP 服务器、Hooks 等高级特性。最后，针对多用户场景，提出了「一用户一沙箱 + 用户文件版本化存储」的架构，利用容器级隔离解决运行时串扰，并通过文件快照实现用户状态的持久化和版本回溯。
文章还分享了开发过程中的踩坑记录和个人感悟，强调工程设计能力是高效利用 AI 的基础。
主要内容:
1. 通过 npm pack 和 Docker 基础镜像实现 Claude Code 的离线云端部署。 -- 在无外网服务器上，通过 npm pack 打包 Claude Code 为 tgz 离线包，再结合 Docker 打包 Node.js、Python 和 HTTP 服务代码，实现一次构建、处处部署。
2. 基于 claude-agent-sdk 和 FastAPI + SSE 构建 HTTP 流式服务层。 -- 将 SDK 的 query() 和 ClaudeSDKClient 封装为 RESTful 接口，支持单次查询和多轮会话，并通过 SSE 实现实时流式输出，替代了不可用的 CLI 方式。
3. 采用「一用户一沙箱 + 文件版本化存储」架构解决多用户隔离问题。 -- 为每个用户分配独立沙箱实例，实现运行时隔离；通过将用户文件（记忆、配置、代码）版本化存储到 OSS，使沙箱实例无状态化，用户状态可持久化并可回溯。
文章链接：https://t.co/wEL0BpTqZF
#BestBlogs 腾讯云 Agent Memory 节省 61% Token 提升 52%成功率的诀窍：Mermaid 无限画布×上下文卸载 | 腾讯技术工程
腾讯云 Agent Memory 通过上下文卸载与 Mermaid 无限画布的组合方案，在超长 Session 中最高节省 61% Token 并提升 52% 任务通过率，实现了 Agent 短期记忆的高效压缩与结构化管理。
摘要：
本文由腾讯技术工程团队发布，详细介绍了 TencentDB Agent Memory 产品中短期记忆压缩方案的设计原理与工程实践。核心思路是将 Agent 的长任务执行过程进行分层压缩：通过上下文卸载将完整的工具调用结果保存到外部文件系统，仅保留摘要和索引在上下文中；同时利用 Mermaid 流程图语言将离散的任务步骤组织成带状态、摘要和时间戳的结构化任务画布，使 Agent 能快速理解任务进度和依赖关系。文章从语言学中的压缩原理出发，论证了符号化表示对 LLM 的有效性，并提出了符号设计的三个原则：通用知识、生成简单、表达自由。在载体选型上，通过实验对比发现 Flowchart 比 StateDiagram 更适合 Agent 的探索式执行过程，效果提升约 15%。方案将记忆分为四层：原始原文、工具级 JSONL 摘要、任务级 MMD 画布、任务级 metadata，支持逐级折叠与展开。在 SWEbench、Toolathlon、WideSearch、AA-LCR 四组超长 Session 评测中，该方案均实现了 Token 节省与任务完成率的双重提升。消融实验验证了 MMD 画布的关键作用：仅上下文卸载可节省 15% Token 并提升 5% 成绩，而完整方案可节省 31%-33% Token 并提升约 9.9% 成绩。
主要内容:
1. 短期记忆压缩的核心是上下文卸载与 Mermaid 无限画布的组合。 -- 上下文卸载解决信息过长问题，将完整工具结果保存到外部文件，仅保留摘要和索引；Mermaid 画布解决结构丢失问题，将离散摘要组织成带状态和依赖关系的任务拓扑图，使 Agent 能快速理解任务进度。
2. Mermaid Flowchart 比 StateDiagram 更适合 Agent 长任务场景，效果提升约 15%。 -- Agent 的执行过程是高度自由的探索式过程，包含并行分支、回退和交叉引用。Flowchart 作为万能画布能表达复杂依赖和多路径探索，而 StateDiagram 更适合严格生命周期驱动的场景。
3. 记忆折叠采用四层架构，支持逐级展开与恢复。 -- 从原始原文到工具级 JSONL 摘要、任务级 MMD 画布、再到任务级 metadata，信息逐层变轻。Agent 平时只需查看 MMD 节点，需要细节时通过 node_id 和 result_ref 逐级下钻，避免上下文腐烂。
4. 在四组超长 Session 评测中，方案实现了 Token 节省与任务完成率的双重提升。 -- WideSearch 节省 61.38% Token 并通过率相对提升 51.52%，SWEbench 节省 33.09% Token 并提升 9.93% 完成率，Toolathlon 通过率从 20% 提升到 35%，AA-LCR 节省 31% Token 并提升 3.5 个百分点准确率。
文章链接：https://t.co/3uCJisswNO
#BestBlogs 早报 2026-05-28
2026 年 1 月，美国软件股单月暴跌 15%，华尔街称之为「SaaSpocalypse」。
同一时期，Claude Code 悄然完成了另一种意义上的颠覆：首年营收 $25 亿、编程工具市场份额 51%。
两件事并非偶然同步——它们共同指向同一个转折：AI 正从工具进化为基础设施，从辅助进化为主导。
今天的早报把这个转折的三个截面放在一起：产品路径（Claude Code 如何被设计出来）、训练工程（Composer 2 如何被炼成）、产业冲击（SaaS 中间层如何被瓦解，工程师角色如何迁移）。
读完这三篇，你会对「AI 原生」有更立体的感知，而不只是一个标语。
#BestBlogs 早报 05-27
当 Agent 能力不断膨胀，如何让它在真实环境里跑得稳、管得住，成了工程侧最紧迫的课题。
这期早报聚焦 Agent 系统工程的三个维度：Anthropic 首次披露跨产品约束 Claude 的三种隔离架构，揭示 93% 权限弹窗被无脑通过的真相；
阿里 AgentScope 2.0 把「可见调试」升级为生产级系统工程，涵盖权限边界、容错机制与执行环境抽象；
腾讯云则用上下文卸载与 Mermaid 结构化图谱把超长 Session 的 Token 消耗砍掉六成，任务通过率同步提升 52%。
在 Agent 时代，真正的护城河不是调用更多模型的能力，而是让长链路任务稳定落地的工程底座。今天这三篇精讲，正是在这条赛道上最扎实的一批工程实践。
#BestBlogs 让 AI 自己做增长：基于 OPC 和 Harness 思想的自主增长系统探索 | 阿里云开发者
本文详细介绍了基于 OPC 和 Harness Engineering 思想构建的 AI 自主增长系统，通过多 Agent 架构、状态机流程控制、独立评估门禁和 Benchmark 驱动的自进化机制，实现了从需求发现到代码上线的全链路自动化。
摘要：
文章分享了作者团队在高德地图 PC 站 SEO 场景下，借鉴 OPC（一人公司）和 Harness Engineering 思想，构建 AI 自主增长系统的实践经验。系统核心架构包括：总控 Orchestrator 负责任务调度与状态管理，通过状态机定义流程、子 Agent 分工、反馈循环和独立评审门禁保障长任务稳定执行；通过将 Planner 和 Builder 拆分为多个专业 Agent 解决上下文污染问题；通过独立的 Evaluator 体系（如 impl_reviewer、prd_reviewer 等）保证评估客观性。文章重点阐述了如何通过 Benchmark 数据集和评分体系实现 Agent 的自进化，三轮优化将评审均分从 64.5 提升至 83.4。最后总结了踩坑经验，包括环境工具化、评审报告标准化、端到端工程化难度、以及重新理解「完全无人干预」等，并展望了 OPC + AI Agent 的未来。
主要内容:
1. 基于 Harness Engineering 构建多 Agent 自主增长系统，实现从需求发现到代码上线的全链路自动化。 -- 系统通过总控 Orchestrator、状态机流程、子 Agent 分工和独立评审门禁，让 AI 能够自主完成增长机会发现、方案设计、代码实现和部署上线的完整闭环，全程无需人工干预。
2. 通过拆分 Planner 和 Builder 为多个专业 Agent，有效解决上下文污染和爆炸问题。 -- 将 Planner 拆分为 product、design、arch 三个 Agent，Builder 拆分为 testcase 和 builder 两个 Agent，每个 Agent 专注单一职责，强制每次启动新 SubAgent，避免上下文污染导致生成质量下降。
3. 建立独立的 Evaluator 体系和 Benchmark 驱动的自进化机制，持续提升评审能力。 -- 通过 code snippets 和 full project 两层 Benchmark 数据集，配合三层评估流程（代码质量、静态质量、动态运行质量）和快速失败优先原则，实现评审能力的可量化评估和持续优化，三轮优化后均分从 64.5 提升至 83.4。
4. 端到端自动化的工程化难度被严重低估，需要重视环境一致性、状态管理、超时策略和可追溯日志。 -- 串联多个 Agent 的工程复杂度远超预期，包括状态判断、超时管理、环境一致性、失败追溯等问题，需要系统化的工程设计和持续迭代才能保障稳定性。
5. 现阶段真正有价值的不是追求 100% 无人化，而是将人工干预频率降到一个人可同时监护几十个任务的水平。 -- 完全无人干预不是 0/1 状态，系统价值在于放大个人产能，让一个人能管理多个并行任务，仅在关键节点人工介入，实现 OPC 模式下的效率倍增。
文章链接：https://t.co/ZNT2Rni5Rv
#BestBlogs 早报 05-23
今日主题：
- Agent 架构在生产端形成长时程与实时两类分化（LangChain Interrupt 2027）；
- Notion 以爵士乐队模式和哑铃型人才重新创业（Ivan Zhao × Sequoia）
- GLM-5.1 高速版 400 tokens/s 打破「快必然小」惯例（智谱 × TileRT）
#BestBlogs 早报 2026-05-19
欢迎阅读和收听今天的 BestBlogs 早报，推荐阅读 阿里云 CIO 蒋林泉关于 AI Coding 考核的分享，把「AI 生码率」从考核里划掉，提醒所有人「代码是负债」，Vibe Coding 不能直接进生产。
#BestBlogs AI Native 时代 —— 研发组织何去何从 | 阿里技术
本文深入探讨了 AI Native 时代研发组织的范式转变，提出组织形态将从以人为中心的 Org Chart 演变为包含人与 AI Agent 的 Execution Graph，并系统分析了新瓶颈、管理塌缩、三类工作治理等核心议题。
摘要：
文章基于作者在阿里内部的访谈调研和行业观察，系统分析了 AI 对研发组织的深层影响。核心论点包括：AI 不是新工具而是新协作主体，其特性（无沟通衰减、无需激励、无限记忆）与人类形成镜像反面，导致过去围绕「人形约束」设计的组织原则开始失效。
作者提出组织形态将从 Org Chart 演变为 Execution Graph，最小单元从「人+关系网」变为「任务+上下文+权限+工具」，重组成本可从季度级压至周级。文章识别出新瓶颈是「信息形态的人形偏置」——系统为人设计而非为 AI 设计，导致员工沦为「人肉中间件」。针对管理塌缩，作者区分了十项管理职能的命运分化，提出 Architect 是新组织的最高杠杆点。
文章还介绍了 Platform 三柱架构（Agent Platform Group、Domain Teams、Risk and Oversight），并创新性地将工作分为执行类、优化类、创新类，指出「Death of ego」一刀切会扼杀创新。最后，文章坦诚讨论了转型的真实代价，包括培养断裂、蒸馏焦虑和行业级负反馈环。
主要内容:
1. AI 不是新工具，而是新协作主体，其特性与人类形成镜像反面。 -- 人有沟通衰减、需要激励、会疲劳、有上下文切换成本、记忆有限；AI 在这些方面恰好相反。这导致过去围绕「人形约束」设计的组织原则（如康威定律、人月神话）开始失效。
2. 组织形态将从 Org Chart 演变为 Execution Graph。 -- 当 AI 能行动、调用工具、执行 workflow 时，公司不再能被一张汇报关系图描述，而变成一张把人、Agent、数据、权限、工具当作同等节点的活的网络。核心问题从「谁拥有」变为「意图如何路由和治理」。
3. 新瓶颈是「信息形态的人形偏置」，员工沦为「人肉中间件」。 -- 系统为人设计而非为 AI 设计，信息隐性化、非结构化、缺失。员工需要手动从各系统导出数据、复制粘贴进 AI、再把输出搬回业务系统，成为系统和 AI 之间的中间件。
4. 管理塌缩不是管理消失，而是管理重新选择位置。 -- 十项管理职能命运分化：战略传导等可被系统替代，重大决策下沉到 DRI，激励、辅导、文化建设不可替代。新角色 Architect 是最高杠杆点，负责将组织隐性 know-how 翻译成 AI 可消化形态。
5. 「Death of ego」有边界，三类工作需不同治理方式。 -- 执行类应全透明、杀防御性 ego；优化类应抑制 ego 但留批判空间；创新类需保护半成形想法、维护生产性 ego。一刀切会导致执行高效但创新死亡。
文章链接：https://t.co/GCRo0jjB76
#BestBlogs 今日早报 2026-05-10
今日主题：
AI 正在改变组织本身的形态和运作节奏，从研发协作到语音交互再到代码生成，每个环节都在重新定义效率的上限。今天精讲三篇来自一线的深度思考：阿里如何重塑组织应对 AI 时代，Claude Code 在 HTML 中的意外突破，以及语音 AI 突破对话障碍的技术路径。
#BestBlogs 早报 2026-05-09
今日主题：
- OpenAI 把 Codex 推进浏览器、Anthropic 给智能体装上记忆与梦想机制，前沿大厂正在让 Agent 从单次任务走向跨会话自学习与浏览器原生执行。
- 能力跑得越快，组织结构的牵绊越显眼：阿里云开发者一篇深度反思直指传统分工与多仓库架构是 Agent 效率的真正瓶颈。
能力扩张与组织重塑两条主线交织，是值得放慢节奏细看的一期早报。
100 Best Small Business Blogs to Follow in 2026 - Great list of #smallbusiness blogs - honored to be included! https://t.co/Yq0lKWkdDY #smallbiz #topblogs #smallbiz #bestblogs
#BestBlogs Harness 不是目的，知识才是护城河 —— 一个 AI 工程交付团队的知识沉淀实践 | 腾讯技术工程
本文基于 AI Team 工程交付实践，提出知识沉淀比工作流编排更重要的核心观点，并系统介绍了五层知识存储架构、三级成熟度体系及工作流如何服务于知识沉淀的完整方法论。
摘要：
文章以 2026 年 AI 工程领域 Harness Engineering 热潮为背景，指出业界过度关注工作流编排而忽视了知识沉淀这一核心问题。
作者团队在 AI Team 项目中实践了一套完整的知识管理体系：设计了五层存储（个人偏好、团队约定、技术知识、业务知识、项目知识）与五种知识类型（model、decision、guideline、pitfall、process）的三维正交架构，引入三级成熟度（draft、verified、proven）和自动衰减机制管理知识生命周期。
文章详细阐述了团队知识库的独立 Git 仓库设计、三种角色权限、贡献暂存与异步合并机制，以及工作流如何通过 INIT 注入、各阶段按需查询、ARCHIVE 自动提取形成知识沉淀闭环。此外，文章还讨论了远程操控和跨设备接管如何突破人机交互瓶颈，保障工作流 7×24 小时流转。最后总结了落地经验，包括历史项目冷启动、知识膨胀治理 Lint 机制、以及 Big Model vs Big Harness 的务实立场。
主要内容:
1. 知识沉淀比工作流编排更重要，是真正的技术护城河。 -- 模型和工具链会随技术迭代更新，但团队积累的领域模型、架构决策、最佳实践等知识是永恒的，不会因模型换代而失效。
2. 设计五层存储 × 五种类型 × 三级成熟度的三维知识架构。 -- 知识按存储层（个人到项目）、类型（model/decision/guideline/pitfall/process）和成熟度（draft→verified→proven）正交分类，实现精准管理和按需消费。
3. 工作流应服务于知识沉淀，形成注入→消费→提取的闭环。 -- 工作流在 INIT 阶段注入知识，各阶段按需查询，ARCHIVE 阶段自动提取新知识并执行提升判定，每次交付都是一次知识积累。
4. 三级渐进式索引解决上下文膨胀与知识利用的平衡。 -- 通过全景目录、分类清单、完整条目的三层索引，Agent 可用约 50 行成本了解全貌，约 300 行定位相关条目，只在需要时读取完整内容。
5. 远程操控和跨设备接管突破人机交互瓶颈。 -- 通过手机/平板远程接管开发机上的 AI 编程会话，利用碎片时间推进工作流，保障知识沉淀闭环的时效性和完整性。
文章链接：https://t.co/ySTQKsR0WJ
#BestBlogs 结构化提示驱动开发（SPDD） | Martin Fowler
结构化提示驱动开发（SPDD）是一种工程方法，它将提示视为一级交付产物，使团队能够大规模地治理、审查和复用 AI 生成的代码。
摘要：
本文介绍了结构化提示驱动开发（SPDD），这是 Thoughtworks 内部 IT 团队为解决采用 AI 编码助手时面临的组织挑战而开发的一种方法。虽然 AI 能提升单个开发者的速度，但系统级的吞吐量常常受到需求模糊、审查困难和集成问题的制约。
SPDD 通过将提示视为可版本控制、可审查和可复用的资产来解决这一问题。该方法包含两个核心部分：REASONS 画布，一个用于生成提示的七部分结构，涵盖需求、实体、方法、结构、操作、规范和保障；以及一个工作流，它将提示纳入与代码相同的规范体系，包含提交历史、审查和质量门禁。一个关键原则是：当现实与预期出现偏差时，团队应首先修复提示，然后再更新代码。文章通过一个增强计费引擎的详细端到端示例，演示了从创建需求到使用开源工具 openspdd 生成代码的每一步。SPDD 旨在将 AI 辅助从个人效率提升转化为一种组织级能力，使其能够在不牺牲质量的前提下进行规模化扩展。
主要内容:
1. SPDD 将提示视为一级交付产物，对其进行版本控制、审查和复用。 -- 提示不再是随意的对话，而是成为受治理的团队资产，其中包含需求、设计意图和约束条件，使 AI 输出更可预测且更易于验证。
2. REASONS 画布为生成提示提供了一个结构化框架，从意图到执行再到治理，层层递进。 -- 七部分结构（需求、实体、方法、结构、操作、规范、保障）在生成代码前强制要求清晰性并统一意图，从而减少不确定性。
3. SPDD 工作流在现实与规范出现偏差时，强制遵循“先修复提示”的原则。 -- 这确保了提示和代码保持同步，防止意图与实现之间出现偏差，并允许成功的模式积累成一个可复用的提示库。
文章链接：https://t.co/ESZUY7WFw9
100 Best Small Business Blogs to Follow in 2026 - Great list of #smallbusiness blogs - honored to be included! https://t.co/Yq0lKWkdDY #smallbiz #topblogs #smallbiz #bestblogs
#BestBlogs 每日早报 2026-04-20
阅读观看 Peter Steinberger 在 TED 分享 OpenClaw 创建背后的故事和思考，以及阅读 Addy Osmani 的《The Agent Stack Bet》文章。
#BestBlogs 早报 2026-04-18
强烈推荐观看 AI Engineering 的几个大神的演讲，包括 Peter Steinberger、Mario Zechner 和 Ryan Lopopolo
#BestBlogs 拥抱 AI 这一年：我的工具、实践和思考 | 腾讯云开发者
本文系统总结了资深开发者在 AI 浪潮中的实战经验，涵盖从 MAC 工具链优化到 Harness Engineering 架构约束，以及如何构建 Agent 驱动的自动化学习闭环。
摘要：
作者分享了过去一年投入万元深度使用 AI 的心路历程与技术沉淀。文章首先介绍了适配 AI 时代的 MAC 工具链（如 AeroSpace、Raycast 及自研 Cockpit），并展示了利用 Agent 自动提交 PR、打 Kaggle 比赛等实战案例。在方法论层面，作者梳理了从 Prompt 到 Harness Engineering 的演进，强调通过 Spec 驱动开发和机械化约束（Linter/测试）来对抗 AI 生成内容的熵增。最后，提出「让 Agent 替我学习」的理念，构建了涵盖采集、提炼到应用的自动化知识循环体系。
主要内容:
1. AI 协作范式已从 Prompt Engineering 演进至 Harness Engineering。 -- 单纯的指令优化已不足以应对复杂任务，需通过构建「缰绳」（Harness）体系，利用机械化规则、结构化文档和自动化清理来约束 Agent，防止技术债和系统熵增。
2. 推行 Spec-driven Development（SDD）以解决意图对齐问题。 -- Agent 擅长模式匹配而非读心，通过先编写清晰的契约（Spec）定义验收标准，再让 Agent 动手实现，可大幅减少因需求模糊导致的返工。
3. 构建「让 Agent 替我学习」的自动化知识闭环。 -- 面对技术爆炸，通过 Skills 体系驱动 Sub-agents 进行每日资讯扫描、播客转录和最佳实践提炼，将外部知识自动反哺至工作空间配置，实现能力的持续进化。
文章链接：https://t.co/9b3XGwgjbG
100 Best Small Business Blogs to Follow in 2026 - Great list of #smallbusiness blogs - honored to be included! https://t.co/Yq0lKWkdDY #smallbiz #topblogs #smallbiz #bestblogs
Last Seen Hashtags on Sotwe
muslim #bigtits
Seen from Turkey
anxiouspanda((())) filter:videos((())) filter:videos
Seen from Australia
ชายเดี่ยวดูดี
Seen from Thailand
groped public
Seen from Netherlands
พิดโลกนัดเย็ด
Seen from Thailand
wariabot
Seen from Italy
dressingroom
Seen from Turkey
ScienceBuddy
heavysquashing
Seen from Italy
เจมส์54
Seen from Thailand
Trends for you
Most Popular Users
Elon Musk 
@elonmusk
241.7M followers
Barack Obama
@barackobama
119M followers
Cristiano Ronaldo
@cristiano
114.4M followers
Donald J. Trump
@realdonaldtrump
111.9M followers
Narendra Modi
@narendramodi
107.2M followers
Rihanna
@rihanna
98.7M followers
NASA
@nasa
92.4M followers
Justin Bieber
@justinbieber
91.8M followers
KATY PERRY
@katyperry
90M followers
Taylor Swift
@taylorswift13
83.9M followers
Lady Gaga
@ladygaga
75.4M followers
Virat Kohli
@imvkohli
73.3M followers
Kim Kardashian
@kimkardashian
70.9M followers
YouTube
@youtube
68.8M followers
Neymar Jr
@neymarjr
66.3M followers
Bill Gates
@billgates
65.1M followers
Selena Gomez
@selenagomez
63M followers
The Ellen Show
@theellenshow
62.3M followers
CNN
@cnn
61.8M followers
X
@x
60.7M followers