Awesome 仓库已不再 awesome

曾经有用的 GitHub “awesome” 精选工具与资源列表,如今越来越被视为臃肿、过时的链接堆,受到自我宣传、SEO 和刷 stars 行为驱动。维护者表示,他们被低质量和 AI 生成的 pull request 淹没,使真正的策展成本高昂,也导致一些人放弃或对列表设置重重门槛。许多人仍然看重维护良好、范围狭窄的列表作为发现工具,但认为未来的解决方案需要更强的编辑标准、用于过滤明显垃圾的自动化,或全新的高质量软件发现方式。

“Awesome” 仓库的认知下滑

  • 许多人认为,大多数 awesome 列表已经从精心策划的合集退化成了庞大、低信号的目录。
  • 人们将其与早期网页目录和 webring 相提并论:起初短暂有用,随后被垃圾信息、自我宣传和失效链接淹没。
  • 一些评论者说这些列表“从来都是垃圾”;也有人说最早的那些确实经过认真整理,也确实有价值。

策展、投入与倦怠

  • 维护高质量列表被比作园艺或编辑:耗时,而且内容不断过时。
  • 维护者报告:
    • 大量自我宣传和低质量的 pull request。
    • 人们在项目刚存在几个小时、甚至没有用户时就提交。
    • 刷 stars 行为,以及伪装成策展的“内容营销”。
  • 有些人加入严格指南、模板、CI 检查(例如最低 stars 数、仓库年龄)来保持质量;其他人则在考虑或已经决定将自己的列表存档。

AI 与自动化的影响

  • AI agents 让垃圾 PR 的数量大幅增加,往往无视贡献检查清单,并淹没维护者。
  • 这形成了一种“非对称战争”:自动生成 100 个 PR 很容易,而人工审查却代价高昂。
  • 提出的缓解方式:
    • 确定性过滤器(仓库年龄、stars、模板符合度)。
    • 把 AI 或 bot 作为前置过滤器,只拒绝明显的垃圾,而不是决定什么算“awesome”。
  • 也有人拒绝用 AI 做判断,认为品味和常识本质上是人类能力。

持续的价值与替代方案

  • 支持者认为,好的列表仍然:
    • 提供一个生态全景,以及“未知的未知”。
    • 比 SEO 驱动的 listicle 和浅薄的搜索结果更好。
  • 批评者觉得它们太长、无法筛选,或者与搜索/LLMs 功能重复。
  • 建议包括:
    • 更小、选择性极强或“boring”的列表,每个问题只给一到两个扎实选项。
    • 能自动更新并按语义或信号对仓库排序的工具和网站。
    • 甚至做“awful-X”列表,提醒人们避开糟糕选项。

更广泛的反思

  • 普遍共识是,高质量的人类策展比以往任何时候都更需要,但也越来越难以维持。
  • 人们争论,群体策展是否能通过良好的流程可靠运作,还是激励机制和规模会让大多数列表走向失败。