加载失败
Hacker News 更新了评论准则，明确写入“不要发布生成式或 AI 编辑的评论，HN 是人与人之间的对话”。这次更新回应了近年论坛被大量“LLM 风格”评论淹没的趋势、Show HN/前页上泛滥的低质量 AI 产品贴，以及社区对声誉被操纵的担忧。评论集中在几类问题：保护人类语气与多样性、为残障和非母语者保留可及性例外、技术上难以检测与执行、以及可行的产品层面缓解（比如“flag as AI”、“独立 AI 频道”、邀请制或速率限制）。讨论频繁引用 Perplexity（一个搜索+生成助手）、ChatGPT/Claude/Gemini（大型语言模型）等工具来举例，并在公平性、可执行性与隐私之间权衡。
反对者认为大量 AI 改写会抹去个人写作的怪癖、节奏和论证痕迹，从而让论坛变成千篇一律的“LLM 声音”。评论里具体举例说 AI 编辑会把句子变平、去掉人称、用同一套套话（例如常见的“it's not X, it's Y”结构和频繁的 em‑dash）从而降低可读性与讨论触发点，长此以往形成“slop ambience”。有人把代码自动格式化做比喻：团队内统一风格有利协作，但写作被统一化会损失个体视角和辨识度；这类担忧在多处评论反复出现，强调质量与多样性胜过“完美语法”。
许多评论指出 AI 在辅助残障人士和非母语写作者参与讨论方面非常重要：对打字困难、口述转写（STT）、dyslexia、或英语表达能力不足的人，LLM 能把想法表达出来并保留意图，扩大声音的可及性。讨论中有人用实际例子说明：某位打字困难的作者靠 LLM 把草稿“润色”为他认为的“自己声音”；还有人提议把翻译、可访问性辅助（例如 DeepL、Perplexity 的检索与整理）列为允许的例外。反对方则提醒：允许辅助须非常受限且透明，以防被滥用为全面代写。
大量评论强调技术上难以可靠判别一条短评论是否经过 AI 编辑或生成，误判率高且会导致无辜用户被公然指责。大家提出了现实可行的替代方案：在 UI 增加“flag as AI”选项，把疑似案件发给人工审查、或通过 [email protected] 举报；同时有人建议把“标注为 AI”做为二次确认来减少误点。HN 团队已表示会添加理由型标记（flag reasons）并把“AI 标记”作为第一步工具，但评论里普遍认为这只是降低低成本滥发的初步办法，长期仍要靠人工判断与社区文化。
讨论里不仅有对规则的价值争辩，还有大量关于产品/政策层面的建议：限制新帐号发帖与发链接、对 Show HN 做额外门槛、为被标记为“AI”的内容提供隐藏/显示开关、或把 AI 生成内容导向独立频道（类似 clackernews / hcker.news）。支持者认为降低自动化产出上前页的速率能保护长期价值，反对者担心这会伤及新人、无障碍用户或把治理推向强身份认证。几位评论者还建议用“邀请链 / reputation”或节流 (rate-limits) 做可操作治理。
另一派强调应以“贡献的质量”而非是否用了工具来评判评论：若能提供实质性见解、引用、经验和事实检验，来源（人写或 AI 协助）不是首要问题。支持者认为工具本质上只是扩大信息的可达性，类似搜索、字典或编辑协助；反对过度技术排除，因为它会排斥非母语者或仍在学习的参与者。尽管如此，评论里也有人提醒：匿名/无审查的 AI 产物会降低可验证性，因此内容与出处透明同样重要。
不少人强调商业与政治滥用的风险：AI 可成规模生成“可信”评论，用于信誉农场、upvote ring、舆论操控或灰色营销，甚至被提到像“50 Cent Party”（有国家背景的水军）这类影响操作策略。评论提到黑市买卖账号、通过老账号注水等常见手段，表明规则能减少低成本滥发但难以杜绝有组织的资金驱动行动；因此有建议把打击重点放在增加造假成本（年龄/邀请/付费门槛）而非彻底技术鉴别。
评论里列出了一系列工程可行的折衷方案：在界面加入“flag as AI”并允许用户筛选/隐藏、为 AI 生成内容做单独频道或慢队列（slow queue）、用 honeypot（隐藏字段/陷阱）来捕捉自动化提交、以及在客户端做过滤器（如 hcker.news、overmod 等工具）。也有人提议把讨论摘要自动生成并折叠（像 Reddit 的 Claude 摘要 bot），把注意力集中在高质量讨论上。总体共识是混合技术与人工审查、并优先降低低成本滥发的回报。
em‑dash（—）: 一种长破折号，许多评论指出 LLM 输出偏好使用 em‑dash（和某些“修饰式”句式），因此被部分用户当作“LLM 味道”的线索。它本是写作标点的一部分，但被过度依赖会成为可识别风格。
Show HN: Hacker News 的一种提交类别，用于展示作者自己的项目或作品（Show HN: ...）。评论里多次提到对 Show HN 的临时限制，作为减少低成本产品/AI 产出占据首页的策略。
stylometry（文体计量学 / 文体指纹）: 用统计方法分析写作风格以识别作者或去匿名化的技术。讨论中提到它可用于“去匿名化”或判别作者是否为同一人，但对短文本、少量样本时误判率高。
honeypot（网络诱饵）: 在页面中放置对机器人可见但人类正常不会填写的隐藏字段或陷阱，用来识别自动化投稿。有人建议用作检测自动化/代理账号的工程手段。
vibe‑coding / AI‑slop: 社区口语化的概念，指那种格式化、同质化、缺乏个人痕迹的 LLM 风格文本——语气过于“中性/恭维”、模板化句式与可预测段落，被批为低价值讨论内容。
proof‑of‑personhood（人类证明，例如 Worldcoin / Orb）: 通过生物识别或第三方验证来证明发布者为真实个体的技术或服务（例：Worldcoin、Orb 等）。评论中讨论其隐私、可售卖与可规避性问题，并质疑是否可作为可行的长期方案。