HN 有多少内容与 AI 有关？

AI 检测器的感知有效性（Pangram）

• 一些评论者认为 Pangram 非常有效，援引第三方评测声称其检测率约为 90%，且误报率极低。
• 也有人表示信心不足，称它既会误报也会漏报。
• 批评者指出，许多“评测”其实是与 Pangram 的合作，可能经过挑选；文中还提到较早关于“AI 检测器不起作用”的研究，但可能已经过时。

HN 中有多少内容与 AI 相关

• 多个粗略估计：首页故事中有 40–60% 与 AI 相关，或者明显由 AI 生成；几位用户非正式地追踪后发现前 10 条帖子里有 4–6 条与 AI 相关。
• 用于过滤 HN 中 AI 内容的工具（浏览器扩展、自定义阅读器、unslop.news 等）通常显示，大约一半的热门故事会被移除。
• 有人怀疑审核可能在暗中限制或稳定这一比例；也有人认为这只是反映了当前行业关注点。

对 AI 霸主地位的疲劳、炒作与“适当性”

• 一派认为 AI/LLM 是几十年来最大的技术发展之一，甚至可能是有史以来最大的，堪比早期互联网或智能手机，因此大量讨论是正常的。
• 另一派则感到严重疲劳，把 AI 与过去的炒作周期相比较，如加密货币、NFT、元宇宙、NoSQL 等，在这些时期里讨论氛围和内容质量都受到了影响。
• 怀疑者质疑其现实影响：对很多人来说，LLM 并不是日常生活的一部分，或者不足以值得付费；有些人仍把它们视为玩具，或“非常糟糕的技术”。
• 乐观者则指出它们在编程、数学、研究和安全工具方面很有用，并看到能力正快速增长；悲观者警告会出现平台期、算力不可持续以及薄弱的商业模式。

对 HN 文化和内容的影响

• 老用户描述了一种变化：从多样化、带有“手工感”的黑客项目和创业话题，转向重复的 AI 营销、浅薄观点以及类似文化战争的争论。
• 许多人表达了对早期时代的怀旧（AI 之前、加密货币之前、JS 框架时代、“Erlang day”），并觉得“老派黑客”已经转向邀请制论坛、IRC、Lobsters 等地方。
• 也有人认为这部分只是年龄增长和视角变化；HN 在外观和结构上并没有太大改变，但受众和内容量已经变了。

机器人、AI 生成评论与审核

• 人们普遍怀疑存在 AI 编写的评论和虚假舆论操纵，尤其是在 AI 话题上；有人认为相当大比例的评论都是机器人，另一些人则并不信服。
• 审核会使用一些 LLM 检测手段，并高度依赖用户举报；AI 生成评论在规则上是明确禁止的。
• 用户对于识别 AI 文本的难易程度看法不一；有人说“用对眼睛就很容易”，也有人说自己完全无法可靠地区分。

对使用 AI 工具的分化态度

• 爱好者声称如今几乎所有技术从业者都在大量使用 LLM，尤其是编程，并且它们可以像廉价的私人助理一样工作。
• 另一些人表示，即使公司提供了许可证，大多数同事也会避开它们，或者只偶尔使用，效果参差不齐。
• 有人感叹，当“vibecoding”取代手写代码时，编程的工艺感和乐趣似乎丢失了；也有人认为 LLM 只是又一种工具，会改变什么算是有技能的工作。
• 还提出了环境和本地影响方面的担忧（能源、水、噪音、中心化）；支持者往往认为这些担忧被夸大了，或者是可以解决的外部性。