每天刷 Hacker News 的信息密度在断崖式下跌

现在的 HN 简直成了 AI 资讯的垃圾场，两三年前还能随手翻到几个硬核的底层技术分析或极具启发性的独立开发心得，现在点开前十名，起码有五个是关于某个新模型发布或者又是某种 AI 包装的工具。真正高质量的讨论被淹没在这些快餐式的新闻里，想找点干货得像在沙子里淘金一样，效率低得惊人。

我觉得最核心的问题在于，现在的算法推荐和内容生产速度太快，导致很多所谓的“热门”其实只是在刷存在感，而不是真的有技术深度。如果你还像以前那样单纯靠刷新首页来追踪前沿动态，大概率会被那些重复度极高的 AI 简报给搞晕。

为了对抗这种信息过载，我尝试了几种实操方法，分享给同样焦虑的朋友：

一、利用第三方过滤工具
不要直接在官网死磕，现在有很多基于 API 的第三方客户端或者浏览器插件，可以通过关键词过滤掉包含 "AI"、"LLM"、"GPT" 的标题（除非你那天专门想看这些）。虽然有点极端，但这样能强行把视野拉回到传统的系统架构、编译器或者硬件讨论上。

二、建立自己的筛选流
不再依赖首页的实时排序，而是改用类似 Algolia 的搜索功能，每天定时搜索特定的技术关键词，或者关注几个在社区里信誉极高的固定账号。这种从“被动接收”到“主动检索”的转变，虽然慢了点，但单篇内容的含金量高了很多。

三、深度挖掘评论区
HN 真正的价值一直不在于标题，而在于那些能把作者怼得哑口无言、或者能提供替代方案的深度评论。我现在习惯直接跳过正文，先看评论区有没有资深工程师在质疑，如果有，这篇内容才值得我花时间去读。

在这种环境里，学会“有意识地忽略”可能比学会“如何追踪”更重要。