（题注：以我对 Hacker News 本身和其中话题的了解程度，起这个题目肯定是有点自大的，但确实也想不出更合适的表述概括内容，便姑妄写之。）
「永恒的九月」有救吗？
1994 年初，在类似日后论坛的在线社区 Usenet 上，一群满腹恼火的用户无意间创造了一个术语——永恒的九月（Eternal September）。
不过，让人恼火的不是九月本身，而是九月出现的人。早期的 Usenet 访问门槛比较高，用户素质和内容质量相对容易维持。但每年秋季开学，都有一批大学新生通过校园网涌进 Usenet，四处乱发东西却又不守「规矩」，让老用户们烦恼不已。只是多年下来，大家也多少习惯了这个事实。
1994 年的情况又有些不同。从前一年开始，许多面向大众的互联网服务商也陆续提供了 Usenet 接入服务。这样一来，全年都有来自零基础用户的低质、跑题帖子占据社区——九月的混乱成为了永恒。
「永恒的九月」象征着互联网早期精英主义时代的结束，也代表着在线社区一个永恒的难题：用户规模、主题范围和讨论质量构成了三难困境，这三个目标的重合处大多时候写着「做梦」。
但确实有这样一个社区，在它十七年的历史中，不仅用户和流量持续增长，而且总体上保持了丰富有趣的话题和标杆性的讨论质量。这就是「黑客新闻」——Hacker News。
文本墙里砌出的罕见人气
第一眼望去，HN 并不是一个吸引人的网站：界面素面朝天，除了字还是字，连功能按钮都主要是文本链接。不仅如此，初来乍到的人可能都不知道这里到底是怎么发帖的。与常见的在线社区不同，HN 上绝大多数「帖子」都只是一个链接分享，「楼主」的创作（如果有）只是起一个标题、加两句点评而已，而回复也是针对分享内容的讨论。
换句话说，HN 与其说是一个论坛，不如说是一个集体筛选的推荐列表，一个互联网的外置评论区。这种形态的学名是「链接聚合站」（link aggregator），除了 HN，早年比较有名的例子还包括 DIGG 和 Reddit。但 DIGG 早已作古，Reddit 也逐渐转型为更「主流」的论坛模式，HN 也就越发显得独树一帜了。
就是这样一个看起来平平无奇、用起来颇有门槛的网站，却坐拥超过千万的月访问量（SimilarWeb 数据），比知名的科技新闻网站 TechCrunch 和 Engadget 都高出很多。（与这种规模的流量形成对照的是，用于托管 HN 的服务器相当朴素，仅仅是两台四核的 Intel Xeon CPU E5-2637 v4 服务器，运行 FreeBSD 系统。）
要理解 HN 的高人气，就得先了解一些历史。从域名 news.ycombinator.com 就能看出，HN 的起源并不是一个独立运营的网站，而是硅谷知名风投机构 Y Combinator 的附属项目。2007 年 2 月，时任 YC 总裁的 Paul Graham 创办了 HN。根据当时的公告，为公，他想为创业圈提供一个交流场所（这也是为什么 HN 最开始叫 Startup News），方便 YC 网罗人才；为私，他也想过一把编程瘾，用自己参与创作的 Lisp 语言变种 Arc 写一个网站。
在这样的背景衬托下，HN 逐渐成为了硅谷创业者和科技行业从业者的集散地。对于创业公司，HN 是一个推介产品、聆听反馈的优质渠道，也是在「危机公关」时需要格外小心对待的舆论场。对于独立开发者、创作者，自己的作品被「顶」上 HN 首页不仅是一种肯定，而且也能带来实打实的流量——这甚至产生了一个专有名词「HN 死亡拥抱」（HN hug-of-death），形容 HN 来客对小网站的性能考验。（我有一篇文章只是短暂蹭上了六十几名，结果几小时内 BackBlaze B2 图床就被拖完了当月额度。）
但 HN 上的讨论并不只和开公司和写代码的人有关。根据 Wilson Lin 基于四千多万条帖子和评论的分析，除了创业和编程之外，消费级产品、数理化等基础科学学科，以至社会、人文等「文科」内容，在 HN 上都有广泛讨论，也能经常见到相关背景的专业人士发言。不夸张地说，无论你处于什么领域、关心什么话题，都有很大概率在 HN 上找到你感兴趣的讨论。
纪律严明的首页与鞠躬尽瘁的管理员
用户规模有了、讨论的话题也足够丰富，但这还不足以成就一个好的社区。回忆历史，很多大型论坛就是在达到一定的规模后，遇到了严重的灌水和极端化问题，最后走向衰落。HN 是如何做到维持内容质量和讨论氛围的呢？
一套好的规则功不可没。在 HN 的欢迎页面上，写着这个社区的最重要的「约法两章」：第一，不要发垃圾链接，看到也不要点赞；第二，写评论不要粗鲁，也不要犯傻。
什么链接才不「垃圾」？答案是「有趣但不肤浅」：有助于增进对世界的了解，而不是八卦、表情包、引战文章、标题党新闻等喧闹的噪音——在 HN 的语汇中称为「无关话题」（off-topic）。什么样的评论才不「粗鲁」「犯傻」？它应当提供新的角度或者信息，「不要说你当面沟通时说不出口的话」。
如果你觉得这还是有些抽象，HN 还有一份更完整的发帖规范，对于内容、格式以至于表达方式提出了更具体的要求：不要用大写字母和感叹号来吸引眼球；尽量使用原始来源；不可以在回复观点时夹带人身攻击；在解读评论时推定他人为善意；等等。归根结底，这些原则和规则的目的都是保证 HN 上的内容能「让优秀的黑客感兴趣」，也就是「满足好奇心」。
当然，只有规则是不够的，还要有执行规则的手段。为此，HN 将程序规则和人工管理两种手段结合起来，其机制都颇值得研究。
首先，在决定着第一观感的帖子排序上，HN 不是简单地根据时间远近、互动多少，而是设置了非常严格的门槛。帖子在刚发出时只会出现在「新帖」版块，具有 1 分的初始分。只有在获得 4 次「支持」（通过点击帖子标题左侧的向上箭头），也就是积累 5 分后，才有资格进入首页排序。对于达到分数门槛的帖子，HN 按照获得分数和提交距今时间的比值来排序，只有排在前 30 名的帖子才能登上真正意义上的「首页」——直接访问 HN 网址所能看到的列表。剩下的帖子就只能排到后续页面了。
（作为例外，管理员有「特权」给低人气的帖子「第二次机会」：如果管理员觉得某个帖子似乎被「埋没」了，可以手动把它放回首页的底部，但不会更高，从而在不过度干预规则的情况下让更多人有机会看到。）
但众所周知，票数是可以刷的。因此，HN 一直将反刷票检测作为优先事项，持续开发改进。出于可以理解的原因，反刷票的具体机制没有公布过，但不难推断其考虑因素可能包括跳转来源、注册时间、操作频率等。
获得支持票除了可以让帖子排名靠前，也可以为发帖用户积累「业力」（karma）。这借用自一个佛教术语，在 HN 中大致类似于其他社区中的用户积分。不过，积分在 HN 中的作用不是提升花里胡哨的用户等级，而是参与社区治理的资历凭证：达到 31 分的用户可以标记（flag）自己认为不符合社区规则的帖子和评论，被多人标记的内容会被打上（flagged）的警告标记、直至隐藏；而只有达到 501 分的用户才能对他人评论投反对票（downvote）。（一个彩蛋功能是达到 251 分的用户可以自定义导航栏主题色。）
应当说，由于这些门槛，融入 HN 的难度高到会将很多人拒之门外的程度。不难想见，愿意主动逛新帖版块的本来就是重度用户，眼光往往挑剔；一个帖子想吸引到四个这类用户的支持，从而获得首页展示资格，实非易事。的确，据统计，HN 上的帖子大多数都只能得到 0 或 1 票。因此，相当比例的用户注册多年都没有发出过一次达到「逃逸速度」的帖子，也攒不到解锁 flag 功能的 karma 分数。但可能正是因为宁可牺牲互动量也要坚持高标准，HN 才能在十几年来维持独特的水平和风格。
但上面那些程序规则也不能算是 HN 维持高质量最独特的「法宝」；这个荣誉还得归于 HN 运营机制中「人治」的部分，特别是常任版主（moderator）的 dang。
《纽约客》杂志曾在 2019 年对 dang 做过特写报道。他本名 Daniel Gackle，缩写一下就是 dang。这位斯坦福文学专业毕业生成为 HN 的版主纯属意外。他曾经与另一位前任版主 scott（Scott Bell）共同创业，开发在线电子表格产品，并获得过 YC 的投资。遗憾的是，dang 的创业最终未获成功，于是接受 Paul Graham 的邀请加入 YC，全职管理 HN。
用《纽约客》文章的话说，dang 的管理是「个人色彩浓厚、专注、慢节奏」的；他将自己的工作视作一种「对话」。你可以翻几页 dang 的回复记录来了解他的工作内容：合并重复主题、汇总过往类似讨论、修正帖子标题措辞和来源链接、提醒「上头」用户遵守社区规则。这些任务单独看起来可能也不复杂，但要保持像 dang 一样的高频、准确，又始终温和、耐心——包括私下和用户发送长篇邮件解释操作理由——就很难得了。
正因如此，dang 受到了用户的一致尊重，以至于每到「逢年过节」都会有人自发点名感谢他的贡献（不妨试试在 HN 站内搜索 thank you dang）。诚然，HN 用户的评论也或许带有一些玫瑰色眼镜，但说很难在当今互联网上见到另一位受到如此爱戴的版主，大概不是夸张。
兼听则明
当然，HN 也不是完美无缺的。再优质的在线社区毕竟也是一个……在线社区；人们容易在线上沟通时犯的错误——急于结论、言辞偏激、过于自信——同样见于 HN 上的沟通中。同时，用户特征和文化使然，HN 还有一些「特色问题」，值得在浏览时留心鉴别。
例如，一个特别常见的现象是根本不看楼主分享的链接，只根据标题唤起的第一印象置评，导致聊起一些南辕北辙的话题，或者重提原文中已经明确回答的问题。以 RTFA（妈的去看文章，read the fucking article）为关键词搜索评论，就能看到成百上千条对于这种做法的抱怨。对此，最好自己养成良好的习惯，先看原文（赶时间的话哪怕看看 AI 总结）再看评论，就能有效避免被「张口就来」的评论带偏。
另一个「HN 特色」是为批评而批评。究其原因，虽然批判性思维在 HN 上受到推崇，并且在多数时候能起到火眼金睛的正面效果，但有些时候也会演变为「挑刺」。最常见的场景就是对于讲述科技成就、业务成功的帖子「泼冷水」，以及对 Show HN 版块中毛遂自荐的产品提出一些不符合项目发展阶段的苛责。（以 so much negative 为关键词搜索评论可以看到很多案例。）
一些常驻版面的「低效话题」也在拉低 HN 的整体氛围。之所以说「低效」，是因为这些问题虽然总能引发「热议」，但内容往往在争强好胜地表达个人偏好甚至偏见，或者陷入次要技术细节的迂腐争论，因此很难从中得到收获。不难想象，这些低效话题自然会包括技术圈一些历久经年的「圣战」——争论编程语言、操作系统、编辑器哪家强；近年新增的一些「时事热点」还包括对各种新兴「邪教」——Rust、HTMLX、nix、Wayland——的讨伐，以及重返办公室、裁员、技术移民等攸关科技从业者的社会政策问题的争论等等。如果遇到这类话题，查阅维基百科、技术文档和更专业权威的媒体可能是更好的选择。
最后，从用户画像的角度看，HN 的主力用户群体是美国的科技行业从业者，虽然整体素质和技能水平较高，但也因此容易滑向精英主义和过度的理性主义、智识主义，并在一定程度上构成观点的「回音壁」。因此，看似针锋相对的评论「盖楼」可能也只能得出局部最优的结论，形式上有条有理、数据驱动的论述可能掩盖着方法论层面的简化和偏见。正如《纽约客》那篇报道所总结，HN 有一种「掉书袋」（performative erudition）的基调，而它往往掩饰着一种深层的鲁莽。
总之，将 HN 定位为「互联网的外置评论区」有一层隐含意思：它不能代表和涵盖整个互联网，更不能代替和免去自己的思考和探索。HN 上的讨论虽好，充其量可以作为发现新问题的地图、解锁新视角的窗户，但完整的景观，毕竟还在远方和窗外。
附：HN 阅读方法谈
我大致在 2018 年初开始阅读 HN。由于没有理工和编程背景，HN 上的很多讨论超出了我的知识范围，但这并不影响翻阅 HN 的乐趣。事实上，我就是通过 HN 对很多技术话题建立初步认识和兴趣的；每当遇到众口纷纭的热点时，我也会习惯性地去 HN 寻找专业解读和正反交锋，几乎从未空手而归。
但面对繁多的条目和密集的讨论，「读」好 HN 也需要一些技巧。根据我的使用体会，HN 其实是不太适合直接去「刷」首页的，而最好通过 RSS、搜索和第三方工具实现有规律、有目的地浏览。
刚夸了这么久 HN 的首页质量，现在又不建议看首页，似乎有些矛盾。的确，通过上面介绍的各种管理机制，HN 的首页可以说是非常「好看」的。但太好看也会成为一种问题：如果不加控制，很容易将其作为消磨时间的下意识目的地，陷入无尽的链接点击循环。（HN 因此也是很多「集中注意力」类工具推荐用户主动屏蔽的网站之一。）
相比之下，我更推荐以下几种工具和方法，供读者参考和批评——
订阅筛选版 RSS
HN 有一个官方的 RSS 地址（https://news.ycombinator.com/rss），与首页内容完全一致，直接订阅信息量太大。好在 HN 足够开放，提供了非常完善的官方 API，这就为第三方制作更加细化的 RSS 源提供了可能。
例如，一个比较受欢迎的选择是 hnrss.org，它提供了按照版块、用户、关键词、评分数等条件筛选的一系列 RSS 地址。其中，最实用的大概要数「最佳评论」。这个源汇总了 HN 全站主题中新出现的高票评论，不仅本身值得一读，而且会引出精彩评论的帖子本身往往也是值得一读、有一定人气的，我经常从中发现一些日常关注范围之外的优质讨论。它的更新频率也比较适中，一般每天更新十几条，对应四五篇文章，数量适中，大多数人一天读到这个数量也就差不多了。
主动搜索外部网址
前面提到过，HN 特殊的发帖方式使它成为了「互联网的外置评论区」。再加上人气旺盛，英文互联网上但凡稍有些访问量的网站和页面，都有很大可能在 HN 上有所讨论。
对我来说，HN 搜索就是技术领域的重要咨询意见来源：每当看到一个风头正旺、宣传遍地的产品，我一般都会在 HN 上搜索它的名称、官网域名或者 GitHub 仓库地址，看看到底是真的不容错过，还是需要「避雷」。类似地，每当看到一篇言之凿凿的热门文章，我也会搜搜 HN 上有没有「唱反调」的声音，从而获得更全面的角度。
不过，HN 的搜索框位于首页底部的不起眼位置，用起来比较麻烦。我的建议是将 https://hn.algolia.com/?q=%s（其中 %s 为关键词）设置为搜索引擎或各类 launcher 工具中的搜索快捷方式来直达搜索。你也可以装一个浏览器插件 Newsit，它会自动搜索每一个访问的网页是否有相关 HN 讨论，并以横幅形式显示在网页的右下角。
顺带一提，这可能是你见过最好用的站内搜索引擎。从它的域名就可以看出来这是个「外挂」，是由知名的搜索 SaaS 提供商、也是 YC 往届校友项目的 Algolia 支持和托管，不仅速度快到冒烟，而且支持模糊匹配，可以搜出各种犄角旮旯。（更多高级语法见帮助页。）
跳读评论
HN 上的热门帖子往往能引来几百以至上千条评论，逐一看完显然不现实也没有必要。此外，由于用户互动有「凑热闹」的自然倾向，位于评论区顶部的热门评论往往能吸引更多的评论，从而占据越来越多的顶部空间。如果只是从头往下看，很可能因此忽视位于后面的不同视角声音。
因此，我给自己定的「规矩」是：对于第一条评论，最多看前三条回复，及其各自的三条下级回复；然后就跳到第二条评论，最多看前两条回复，及其各自的两条下级回复；最后跳到第三条评论看第一条回复，及其第一条下级回复。（注意善用每层楼的导航按钮 root（跳到所属的最上层回复）、parent（跳到所属的上一层回复）和 prev/next（跳到同层的相邻上/下一条回复）。）这样，一般能比较全面地了解评论区的综合观点，同时使得阅读时间可控。
AI 总结评论
当然，随着 AI 工具普及，也可以考虑用 AI 工具总结 HN 评论。不过，对于那种成百上千条评论的热门话题，HN 会自动分页显示，此时只总结第一页就不完整了。为此，可以从 HN API 获取 JSON 格式的完整评论数据，端点为：
https://hn.algolia.com/api/v1/items/${id}其中 id 为链接中的八位数字。然后将响应内容作为提示词，和如下内容一起发送给惯用的模型即可：
Summarize the themes of the opinions in the input provided by the user. For each theme, include at least 3 UNMODIFIED quotes with attribution. Unescape HTML entities. Go long.
这段话可以直接放在开头，也可以作为系统提示词。提示词的写法受到了 Simon Willison 的启发，根据个人经验调整，可以比较稳定地总结评论主题、立场，并附带原始引用和用户名，方便回溯到原评论。因为只是总结类任务，GPT-4o mini、Gemini Flash 和 Claude Haiku 这样的便宜模型就能很好胜任，但注意上下文窗口越长越好，以免超出长度限制。
我用 Val Town 做了一个演示版，使用的是该服务免费提供的 GPT-4o mini 模型代理，你可以试试效果，然后 fork 一份到自己账户以便按需修改和避免限流。
