AI 疲勞：尋求一個「排除 AI」的 Hacker News

目前的數位景觀正被大量的 AI 相關專案與更新所主導。對於許多 Hacker News (HN) 的長期使用者而言，這種趨勢已從好奇心轉變為疲勞感。這個問題的核心並不一定是不喜歡 AI 技術本身，而是對於「AI 垃圾 (AI slop)」的警覺——即大量低品質、僅基於 wrapper 的專案，這些專案往往淹沒了傳統的軟體工程與非 AI 新創公司。

最近的社群討論強調了對於「Show HN」貼文增加原生「排除 AI」切換開關的日益增長的需求。這將允許使用者能夠自主策劃其體驗，並重新發現曾經定義該社群饋送內容的多樣化技術專案。

在 AI 時代爭取能見度

社群提出的最深刻觀點之一是 AI 主導地位對非 AI 專案的影響。當熱門列表被 LLM 更新所飽和時，傳統的軟體專案很難獲得任何關注度。

正如一位使用者 @sanjayparekh 在提到最近一個專案發布時所說：

我們幾週前做了一個 Show HN (從 4 年前更新而來)，完全沒有 AI、LLM 或任何相關內容，結果卻...完全沒有關注度。我們今天在 ProductHunt 上，但目前熱門的所有內容全都是 AI 的東西。

這顯示了使用者注意力在系統性上的轉移。目前對 AI 內容的需求如此之高，以至於專注於核心基礎設施、實用工具或傳統網頁開發的專案正被邊緣化，為那些不在 AI 領域開發的開發者造成了能見度缺口。

目前的緩解策略

雖然 Hacker News 主站目前還沒有原生的過濾器，但社群已經提出了幾種避開 AI 飽和饋送內容的替代方案：

第三方客戶端與過濾器

幾位使用者指出了可以對饋送內容進行更細粒度控制的第三方工具。例如，Hacki app 允許使用者透過後台的 Algolia 過濾器來禁止特定關鍵字出現在饋送內容中。其他社群開發的專案，例如 histre.com，則提供標籤檢視功能，允許使用者排除 AI 相關內容 (例如，使用標籤如 +all-ai)。

使用 Algolia 搜尋作為過濾器

對於那些不希望使用第三方 app 的人來說，利用 HN 的 Algolia 搜尋功能是一個可行的替代方案。透過搜尋特定類別，或專注於於非 AI 為核心的新創公司故事，使用者可以手動減少 AI 的噪音。

在創新與噪音之間的平衡

關於界線應該劃在哪裡，目前存在著爭議。有些人認為 AI 現在已是軟體開發生命週期中不可或缺的一部分，完全排除它可能適得其反。

使用者 @verdverm 建議，目前的 HN 規則——即限制評論中 AI 生成的內容——是一個公平的平衡點。他們認為，雖然 AI 生成的討論內容價值較低，但專案本身無論如何開發出來的，可能仍然是有用的：

我認為這是一個公平的平衡點，因為這裡分享的越來越多真正有用的專案其實是用 AI 輔助開發的。評論與討論是一回事，專案又是另一回事，後者屬於我更關心品質而非開發方式的範疇。

結論

對於深入的技術討論與 AI 炒作浪潮之間的緊張關係，反映了當前產業的現狀。無論是透過原生過濾器還是第三方工具，社群尋求「無 AI」空間的驅動力，清楚地釋放出一個訊號：對於傳統軟體工程與非 AI 創新，市場仍有著顯著的需求。