企业官网建设流程全解析

HN 头条有多少是 AI 内容？这个问题的标准答案，必须建立在两次抽样调查之上。原作者连续做了两次抽样：第一次只统计“整篇由 AI 生成”的内容，第二次把“AI 辅助写作或大幅改写”也算了进去。两次结果差得很明显，真正的问题就从“有多少是 AI”，变成了“我们怎么定义 AI 内容”。如果你也在做内容社区观察，或者想判断一个信息流的水质，这套调查方法可以直接拿来改。

下面我会按实际操作路径，把 HN 头条区的抽样设计、判断标准、复现流程和边界条件完整拆一遍。也会把两次抽样为什么结论不同这件事讲清楚。

1. 先把调查对象讲清楚：HN 头条里的 AI 内容指什么

1.1 HN 没有官方“头条”，但有一个读者默认共识

HN 是 Hacker News 的缩写，Y Combinator 旗下的技术新闻社区。首页会按分数排列帖子，分数越高的条目越靠前，通常被大家理解为“头条区”。这个区域不是算法推荐出来的兴趣流，而是用户投票和平台排序共同作用的结果，因此比一般信息流更容易被判断、更容易复现。

要统计 AI 内容占比，首先得固定抽样区域。如果每次抓的页面不同，或把首页、最新、评论区的数据混在一起，结论就不稳定。原作者两次抽样，都聚焦在首页排名靠前的条目上，这个动作比后续任何判断都关键。

1.2 判断对象是内容的生成方式，不是内容主题

很多人会把“讲 AI 的文章”当成 AI 内容，这是错误理解。一篇讨论大模型、AI Agent、AI 编程、模型部署的文章，很可能是真人写的；而一篇讲数据库性能优化但全文没有具体版本号、没有报错信息、没有实验数据的文章，可能是模型生成的。

所以在调查里，要先区分两个概念：

• 内容主题：文章在讲什么。
• 内容生产方式：文章是机器生成还是人写的。

这次调查关心的是后者。只要文本大部分由大模型直接生成，不管它讲的是软件工程、硬件评测还是生活技巧，都应该计入 AI 内容。反过来，一篇主题是“AI 工具推荐”的文章，如果作者提供了真实使用截图、参数对比和踩坑记录，那就不能只因为主题带 AI 就判定为 AI 内容。

1.3 有三种口径，直接影响最终答案

判断 AI 内容最麻烦的地方，是“AI 参与程度”不是非黑即白。实际标注时，至少应该拆成三档：

原作者两次抽样，第一次偏向严格口径，第二次偏向中等甚至宽松口径。这就是两次结果看起来不一致的主要原因。理解这一点，再看后面的数据才有意义。

2. 两次抽样调查是怎么设计的

2.1 第一次抽样：小样本、短窗口、严格标准

第一次抽样在一个普通工作日进行。做法是抓取当天 HN 首页排名靠前的 50 个条目，然后逐个打开链接，阅读正文，只统计“能明确判断为整篇由 AI 生成”的内容。

这种做法的好处是漏判率低。只有正文里出现明显模板化结构、信息空洞、缺少真实细节，才会被标注为 AI 内容。有一点犹豫的条目，默认先不算。

所以第一次抽样得到的结果偏保守。AI 内容不是零星出现，但也没有到让人吃惊的程度。这很容易给读者一个错误印象：HN 头条基本还是真人写的，情况可控。

2.2 第二次抽样：拉长窗口、放宽口径

第二次抽样把时间窗口拉长到 7 天，每天固定时间取值，合并去重后选出 100 个条目。这次把“AI 辅助写作”和“AI 翻译改写”都纳入统计。

口径一放宽，结果明显上涨。很多第一次不会被注意到的条目，这次被划进来了。比如内容本身来自人类作者，但发帖者用 AI 把中文翻译成英文；再比如个人开发者写了一段经历，但某几个段落明显是模型补全的。这些在严格口径下会被漏掉，在宽口径下就要算。

第二次抽样的意义不是证明“AI 内容很多”，而是证明“AI 内容在不同定义下会呈现出完全不同的大小”。如果调查者不写清楚自己用的是哪一档，最后报出的百分比根本无法比较。

2.3 为什么两次抽样比一次抽样可靠

单日数据很容易被热点事件干扰。某天如果大模型公司发布新版本，或知名项目突然爆火，头条区会集中出现大量事件报道，AI 生成内容占比会被稀释。另一天如果社区相对冷清，一些低质量内容更容易停留在头条区。

拉长时间窗口，能让不同场景得到覆盖：

• 工作日的技术讨论时段。
• 周末的非典型浏览时段。
• 凌晨自动发布内容较多的时段。
• 新功能发布后的热点时段。

抽样不是数量越多越好，而是覆盖维度越多越好。两次抽样至少能做到“短窗口精确”和“长窗口稳定”之间的互补。这也是原作者花两次抽样而不是一次抽样就下结论的原因。

3. 实操流程：从 HN 公开 API 到人工复核

3.1 数据来源：用 HN 公开 API 就够了

做这种调查不需要复杂爬虫，HN 官方提供了公开 API。核心接口会返回首页得分最高的条目 ID，再根据 ID 获取每个条目的标题、链接、作者和提交时间。

下面是可复现的最小示例：

import requests import time # 获取当前 HN 首页热门条目的 ID 列表 resp = requests.get( "https://hacker-news.firebaseio.com/v0/topstories.json", timeout=10 ) top_ids = resp.json()[:50] # 逐个获取条目信息 for item_id in top_ids: item = requests.get( f"https://hacker-news.firebaseio.com/v0/item/{item_id}.json", timeout=10 ).json() print(item.get("title"), item.get("url"), item.get("by")) time.sleep(1) # 方便起见，做一次简单限流

这只是一个示例脚本。实际调查中可以调整前 50 条还是前 100 条，也可以记录更多字段，比如分数、评论数、提交时间。API 限流策略可能变化，如果跑大量请求，建议在请求间隔、日志和异常处理上做更完整设计。

3.2 数据清洗：剔除不适合文本判断的条目

不是所有头条条目都能用于 AI 内容判断。以下几种情况需要特殊处理：

• 纯链接帖：只有一个 URL，标题很短，比如“Show HN: 我的新项目”。
• GitHub 仓库页：本身是代码项目，没有大段正文。
• 视频或图片帖：无法用文本方式判断。
• 重复提交：同一个链接多次出现在采样列表里。

处理方式不是简单删除，而是单独分类。可以保留在样本里，但标注为“无法判断”。这样不会因为删除太多导致样本偏移，也不会把无法判断的条目强行归入 AI 或人类写作。

3.3 标注规则：用四档代替“是或否”

人工标注时，建议使用四档判断，而不是“AI / 非 AI”这种二分类：

四档的好处是保留中间状态。数据和讨论时会发现，最容易产生分歧的是 B 和 C，而不是 A 和 D。原作者两次抽样的主要差异，正是来自 B、C 档如何处理。

如果条件允许，最好两个人独立标注，然后对分歧条目合议。一个人标注时，也要把判断理由写下来，防止前后标准不统一。

3.4 人工复核：不要拿检测器结果替代人

AI 内容检测器可以作为辅助，但不能单独作为判断依据。当前检测器对英文正式文本容易误判，对改写后的文本几乎无能为力。很多 AI 生成文本经过一次翻译、改述或人工润色后，检测器会给出错误结果。

我建议的顺序是：

1. 先用人工阅读 10 条样本，建立“判断基线”。
2. 再用检测器对全部样本打分，作为异常提示。
3. 最后人工逐一复核，重点检查检测器评分和人工判断冲突的条目。

检测器适合快速筛出可疑内容，不适合做最终盖章。真正可靠的判断仍然来自对信息密度、细节和上下文的理解。

4. 判断 AI 内容时，实际会看哪些特征

4.1 文本表层：模板化结构和“正确废话”

AI 生成文本比较明显的特征，是结构非常整齐，内容却缺少增量。常见模式包括：

• 开头先给背景，“随着……越来越重要”。
• 中间用“首先、其次、最后”推进。
• 每个观点都正确，但没有任何具体操作。
• 结尾总结“综上所述，这是一个值得关注的方向”。

这类结构在 AI 内容里很常见，因为模型倾向于生成最稳妥、最通用的表达。但要注意，人类写手也会这样写。尤其是一些媒体文章、SEO 稿件，模板化程度比 AI 还高。所以“模板化”只能作为辅助信号，不能单独定罪。

4.2 信息层：没有个人经历和可验证细节

比起文本外表，信息密度更能说明问题。真正的 HN 技术帖通常包含这些细节：

• “我在 MacBook M1 上测试，内存 16GB”。
• “升级到 4.2 版本后，报错消失”。
• “我的调用延迟从 800ms 降到 200ms”。
• “昨天部署时遇到权限问题，最后改了目录所有权”。

AI 生成内容倾向于回避具体时间和事件。它很少写清楚自己用的是哪个版本、哪张显卡、报错信息是什么。因为它没有真实经历可写，只能给出通用结论。

判断一篇文章是不是 AI 生成，先问一个问题：这篇内容里有多少信息是读者无法通过搜索引擎得到的？如果答案是几乎没有，那它就很可能是模型拼出来的。

4.3 账号层：发布节奏和标题风格

有时候正文本身很难判断，但账号行为会暴露问题。可以重点看：

• 注册时间是不是很短。
• 最近有没有密集提交内容。
• 提交的标题风格是否高度一致。
• 评论区有没有互动，还是只发帖不回复。
• 链接域名是否集中在几个固定来源。

这些行为不是 AI 文本的证明，但会增加怀疑权重。有些内容农场会同时注册多个账号，用固定标题模板轮流发布，目的是把流量导到自己的站点。这时候即使单条正文写得像人，整体行为也不像人。

4.4 边界问题：翻译、改写和辅助写作怎么算

最让调查者头疼的边界，是“文本由 AI 生成”和“内容由 AI 生成”的区别。

举例：一个中国开发者用中文写了详细的部署记录，然后为了发到 HN，用 AI 翻译成英文。这个过程里，原创信息和观点是人写的，但最终文本是 AI 生成的。它算不算 AI 内容？

严格口径下不算，因为内容来源是人。宽口径下算，因为出现在 HN 上的英文文本，确实由 AI 生成。

两次抽样最大分歧就在这里。如果只按严格口径，这类内容会划到“人类原创”；如果按宽口径，它们会大幅提高 AI 占比。这也是为什么任何调查都必须先定义边界，否则百分比毫无意义。

5. 两次抽样给出的答案，怎么读才不算过度解读

5.1 答案不是一个固定百分比，而是三条稳定结论

如果把原作者两次抽样的核心结论浓缩一下，我认为有三条：

1. HN 头条区确实存在 AI 内容，不是零星出现。
2. 严格口径下，AI 内容占比不高，但集中于某些主题和时段。
3. 宽口径下，占比明显上升，说明 AI 辅助生产已经成为 HN 内容的常态组成部分。

这三条结论比任何一个具体数字都更有价值。因为具体数字会随样本变化，但“定义会影响结果”这件事，在任何环境下都成立。

5.2 AI 内容集中在哪些主题和入口

从两次抽样看，AI 内容更容易混进这些主题：

• AI 工具推荐和测评。
• 模型部署经验总结。
• AI Agent 开发流程梳理。
• 论文速读和 AI 论文解读。
• 创业观点和宏观趋势分析。

这些主题的共性是素材容易检索、框架容易套用、读者很难一眼看出问题。反过来，那些分享真实项目搭建、bug 修复、性能优化经历的帖子，AI 很难伪造到让人信服，因为读者会追问具体环境、版本、复现路径。

5.3 更值得观察的是评论区动态

头条区只是入口，很多 AI 内容会以评论形式出现。高赞回复里经常能看到模板化的表达，比如“这很有见地”“感谢分享，我最近也在研究类似问题”。这类评论单看不算严重，但如果大量账号使用相似风格互动，说明整个社区的“人机混合状态”已经比头条区更复杂。

两次抽样没有把评论区纳入统计，这是一个局限。如果你想延伸调查，下一步可以统计评论区账号的注册时间、历史发言和重复模板，会比只看头条区更有意思。

5.4 这次调查不能推出什么

这次调查不能推出“HN 已经全是 AI 内容”。样本量有限，时间窗口有限，判断标准有主观成分。更不能推出“AI 内容都是垃圾内容”或者“人类内容一定高质量”。

准确的理解是：HN 头条的内容生态里，已经出现了一个不能忽略的 AI 内容比例。这个比例会受到判断口径、采样时间、主题分布影响。它说明的是现象，不是终局。

6. 如果你想自己复现一次调查，按这个最小流程跑

6.1 最小可行性样本：50 条，限定 24 小时

没必要一开始就做大规模。建议先复制一个最小流程：

1. 获取 HN 首页 top 50 条。
2. 保存标题、链接、作者、提交时间。
3. 逐个打开链接，阅读正文。
4. 按四档标准标注。
5. 最后汇总，分别统计严格口径和宽口径的占比。

50 条样本大约需要 2 到 3 小时人工阅读。如果只是想验证流程，先读前 20 条就够。重点不是得到完美数据，而是确认自己能稳定执行判断标准。

6.2 需要保存哪些字段

建议用表格工具保存以下字段：

字段越完整，后续回溯越容易。最怕的是只记录了一个“AI / 非 AI”，等想复盘时根本不知道当时的判断依据是什么。

6.3 容易翻车的三个坑

第一个坑：只读标题，不点正文。标题像 AI 不代表正文是 AI。有些人类作者会用标题模板，但正文里有大量真实经验。相反，有些标题看起来正常，正文却是模型生成。

第二个坑：把“写得很差”当成 AI。人类也能写出模板化、空泛、没有细节的内容。尤其在 SEO 领域，人工制作的内容可能比 AI 更像 AI。判断时应该看是否存在可验证细节，而不是看文笔是否机械。

第三个坑：用检测器一刀切。检测器只能评分，不能理解上下文。它的分数可以作为参考，但不要直接变成标签。实际调查里，我会把检测器分数和人工判断分开保存，最后再比较，而不是混在一起。

另外还要注意时区。HN API 返回的时间是 Unix 时间，转换为本地时间时，要确认你统计的“一天”到底覆盖了 HN 的哪个时段，否则容易把不同时间窗的数据混在一起比较。

6.4 后续可以怎么扩展

如果最小流程跑通了，可以从这些方向扩展：

• 拉长到 30 天，观察 AI 内容占比的波动。
• 每天取多个时间点，比如凌晨、上午、晚上。
• 统计提交者的注册时间和历史行为。
• 用检测器做二次辅助。
• 两个人独立标注，计算一致率。

扩展的核心目的，是让结论从“某一天出现了多少 AI 内容”，变成“在什么条件下，AI 内容更容易进入头条”。后者才更有参考价值。

7. 这类调查对平台、创作者和普通读者意味着什么

7.1 对 HN 这类社区：治理关键不是删除 AI 内容

AI 内容不等于违规内容。社区真正需要关注的，是那些用 AI 批量生产、伪装成个人经验、以骗取关注为目的的内容。治理动作可以围绕账号行为展开，比如限制新账号短时间大规模发布、检测相似标题模板、增加历史记录可见性。

平台也可以做透明度处理。比如对疑似 AI 生成的账号进行标记，而不是直接封禁。把判断权交给读者，往往比粗暴删除更有效。

7.2 对内容创作者：AI 辅助不是问题，没有信息增量才是

现在读者越来越警惕 AI 内容，这反而说明“用 AI 写文章已经骗不了人了”。如果只是拿模型跑一篇通用文本，读者一眼就能看出没有实操收获。最后消耗的是创作者自己的可信度。

更好的做法是让 AI 当辅助，而不是当作者。用模型列提纲、检查语法、翻译表达都没问题，但最终文章必须包含真实数据、代码、版本号、踩坑过程和可验证的结论。信息增量才是内容价值的核心。

7.3 对普通读者：培养“信息密度直觉”

与其依赖 AI 检测器，不如训练自己看信息密度的能力。读一篇文章时，先问三个问题：

• 这篇内容有没有提到具体版本、参数、时间或环境？
• 作者有没有给出个人遇到问题后的处理过程？
• 如果删掉那些通用话术，剩下的信息还剩多少？

能回答出具体细节的，通常值得往下读。通篇正确但空洞的，无论标题多吸引人，都可以直接跳过。

两次抽样调查最大的提醒，是任何占比数字都离不开定义和采样条件。先说明自己怎么判断 AI 内容，再谈数据，否则很容易把短期现象当成长期趋势。如果你也想做内容观察，建议从 50 条小样本开始，把判断标准固定下来，再慢慢扩展时间窗口。真正值得关注的，从来不是“到底有多少 AI 内容”，而是这些内容为什么能进入头条，以及读者能不能保持清醒。