无推荐信息流：策展胜过算法

周五晚上11点。你很累，打开 YouTube，首页迎面而来的是一堵尖叫式缩略图墙、震惊的表情，还有系统在2019年就认定你喜欢的那三个话题。上面没有一个是你想看的，但你还是会往下刷，因为界面就是为“刷”而设计的。如果你有过这种特别的疲惫感，就能明白为什么无推荐信息流最近突然火了起来，也能明白为什么一个用 Hacker News 评论推荐构建的 YouTube 克隆版（借助 AI 智能体大约两小时搭出来）最近引起了那么多关注。

这个项目叫 HackerTube：一个 YouTube 风格的界面，背后是大约 6,500 个视频，它们是 2007 年至今在 Hacker News 评论中被推荐的内容。没有账号，没有追踪，也没有自动播放之类的套路。状态保存在浏览器的 local storage 里。整个东西是在一个周六上午的会话中通过提示词“生成”出来的，从数据抓取一直到部署到 VPS。我想聊聊它为什么效果这么好，因为这个有趣的边角项目所体现的道理远不止于此。它之所以好，恰恰是因为它没有传统意义上的推荐算法，而这一点完全可以被你有意识地设计进自己的产品里。

为什么推荐算法优化了错误的东西

我花过几年时间做排序系统，所以我直说那个不太好听的实话：目标函数就是产品本身。平台规模的推荐系统是用互动代理指标训练的，比如观看时长、点击率、会话时长，有时还包括按广告曝光加权的停留时间。这些指标都不是在衡量“用户是否满意地离开”，而是“用户有没有留下来”。二者往往足够相关，让你误以为自己做的是好东西，但在真正重要的场景里它们会分道扬镳：煽动情绪、刺激感官，还有你已经看腻了某个话题却仍被推送的第二十个视频。

这就是披着风衣的古德哈特定律。一旦观看时长成了目标，它就不再衡量任何关于质量的东西。更糟的是，反馈回路是闭合的：算法塑造了什么会被点击，点击又变成训练数据，模型对你这个越来越窄的画像就越来越有把握。有不少人在谈论 HackerTube 时都提到了我自己也有过的感受：那个没有个性化、由技术宅们筛选出来的视频列表，命中率反而比 YouTube 那套深度个性化的推荐高。这其实不奇怪。个性化是从你最虚弱的时刻（比如半夜11点、累得要命时点的那些）推断你的口味，而策展则是从人们最有精神的时刻（他们愿意花力气在评论里向同行推荐某个视频）中提取品味。

还有一个更隐蔽的问题：被优化过的信息流非常擅长给你看更多你已经熟悉的东西。但人们刷信息流的一个很大原因，是拓展视野，遇到一些令人惊讶的东西，从而修正自己对世界的认知。互动优化对“后来会证明很有价值的意外”没有任何梯度信号，它只知道你有没有留下来。这也是我之前说过AI 基准测试漏掉了大部分真实工作的原因：可测量的代理指标会逐渐偏离你真正想要的东西，而这种偏移是会累积的。

把人工策展当作语料库：挖掘 Hacker News 评论

那么，无推荐信息流的内容从哪儿来？HackerTube 的答案很巧妙，因为它复用了一个现成的高质量信号：二十年来的 Hacker News 评论。流程描述起来很简单：下载所有公开的 HN 评论（可以通过官方 API 和社区数据集获取），筛出包含 YouTube 链接的评论，大约 4 万条。然后用一个较便宜的 LLM 对每条评论做一遍处理，只回答一个问题：这个人是在真心推荐这个视频，还是在发垃圾信息、随手甩一个链接，或者是引用视频来嘲讽它？这一轮过滤把语料缩减到大约 6,500 个视频，分布在 150 个主题聚类中。

这里有两个设计选择值得借鉴。第一，分类这一步恰好是 LLM 最擅长的那种有界判断任务：是或否加一句简短理由，大规模执行也花不了多少钱。这和用约束解码把 LLM 变成快速决策模型是同一种模式：不要让模型生成，而是让它过滤。第二，语料本身有内建的质量下限。里面每个视频都是由一个人白纸黑字、当着一群会踩烂内容的观众面前背书的。这种过滤机制是任何互动模型都复制不了的，因为它锚定在声誉上，而不是点击上。

在评论里做推荐，是一个人在拿自己的声誉打赌；点击则只是一种反射。建立在前者之上的信息流，感觉自然不同，因为它们本来就不一样。

时间维度也很重要。这些推荐横跨 2007 年至今，这意味着语料里主要是那些经得起时间考验的内容，比如讲座、深度技术演讲、长篇访谈，而不是算法这周正在推的东西。大家特别喜欢的一个细节是“Longs”分类，专门收录时长较长的视频。在 YouTube 上，一个 90 分钟的演讲对推荐系统来说是拿你的会话去冒的一次风险；而在 HackerTube 上，它是一个卖点，因为有人在它旁边写下了“这改变了我对编译器的看法”。

简单检索胜过精巧排序

如果你在推荐系统领域待过，下面这句话可能会让你觉得是异端邪说：一旦语料又小又好，排序其实几乎无关紧要。六千个视频根本不算多。你不需要双塔嵌入模型，也不需要重排级联，只需要主题标签、时效性，以及一个在客户端运行的轻量个性化过程。HackerTube 的“For You”基于 local storage 里的会话状态工作，也就是你在这个浏览器里看过和跳过的内容，没有账号，也没有服务端的用户画像。这不是什么局限，而是一个架构决策，它消除了整整一类糟糕的激励：如果你根本不存储用户行为，就无法被诱惑去针对它做优化。

如果你想做一个自己的版本，比如汇集论文、会议演讲、博客文章的信息流，内容由你的社区推荐，排序逻辑只需要几十行代码。大致是这样的结构：

import math
import time
def score(video, session, now=None):
now = now or time.time()
s = 0.0
# Corpus quality signal: how many distinct humans vouched for it
s += math.log1p(video["recommenders"])
# Gentle recency so the feed isn't frozen in 2014
age_days = max((now - video["recommended_at"]) / 86400, 1)
s += 0.5 / math.log1p(age_days)
# Session-level taste: topics the user finished vs. skipped,
# stored in localStorage — never leaves the browser
for topic in video["topics"]:
s += 1.5 * session["finished"].get(topic, 0)
s -= 1.0 * session["skipped"].get(topic, 0)
# Already watched? Push it down hard, don't hide it
if video["id"] in session["seen"]:
s -= 5.0
return s
def for_you_feed(videos, session, limit=24):
return sorted(videos, key=lambda v: score(v, session), reverse=True)[:limit]

注意其中缺了什么：没有停留时长特征，没有互动速度，也没有试图摸清你底线的探索-利用多臂老虎机。个性化信号是显式的（看完和跳过，由用户在本次会话中的行为决定），而且是有界的（每项只加几分，很容易被语料质量项压过）。算法可以轻推你，但不能把你困住。这种不对称性，就是浓缩在一个评分函数里的全部理念。

缩略图的决定也值得一提，因为它是去优化界面的一个非常干净的例子。YouTube 的创作者会把缩略图 A/B 测试到没完没了，于是缩略图本身变成了一种对抗性产物。HackerTube 忽略上传的缩略图，改用视频 50% 位置的那一帧。这只是一行代码的改动，却直接消除了点击诱饵的军备竞赛。预览展示的是视频真正是什么，而不是创作者认为什么能让你点进来。

设计没有账号和追踪的信息流

把状态迁移到客户端，改变的不只是你的隐私姿态，还有你的成本结构和法律风险面。没有用户账号，就不需要认证系统、密码重置，也不需要 GDPR 的主体访问请求流程，更不用为行为画像的泄露承担责任。你的后端就是一台静态文件服务器，或者再加一个很小的 API。整个站点可以就是一个构建产物。当你的架构根本无法积累用户数据时，大多数暗黑模式就不是“违反政策”，而是在物理上变得不可能。我对这种保证的信任程度，远高于任何隐私政策。

诚实地说，这里的取舍是：本地状态是短暂的，并且绑定设备。清空浏览器数据，你的信息流就会重置，也无法跨设备延续。对于一个“躺着看”的视频网站来说，这没什么问题，我甚至认为偶尔的重置是有益的。但对于需要长期积累收藏的场景，你需要提供导出/导入的逃生口，而这恰好引出了整个项目中最具前瞻性的一个决定。

数据即界面：发布一个可分叉的语料库

在我看来，HackerTube 真正新颖的地方不是 UI，而是背后的全部数据集可以作为一个压缩包下载，里面包含一个专门为 AI 智能体编写的 DATA.md。它说明了文件之间如何配合、常见的坑、示例记录，以及如何获取最新的元数据。预期的工作流是：把压缩包交给你的编程智能体，然后说“帮我做一个关于我感兴趣话题的每周邮件推送”，或者“给我做一个这个数据的终端客户端”。产品不是那个网站，产品是这份策展过的语料库，而网站只是它的参考渲染器。

这是一种我认为今后会越来越常见的模式。二十年来，标准建议一直是“暴露一个 API”。但 API 依然让你充当查询的守门人，而且一旦你不再维护它，它就会腐烂。一个可移植的、智能体可读的数据集则颠倒了这种关系：你只需一次性把文档写好并发布出来，然后让一千个个性化前端自由生长。它与小网络的精神相呼应：发现依赖于人们链接到自己喜爱的东西，而不是平台替你决定看什么。只不过这次要面向一个新世界，在那里，你数据的第一个消费者可能是一个语言模型。

为智能体撰写文档正在形成一门新的手艺。人类会快速浏览，而智能体会逐字逐句完整阅读，并且会在人类能自行推断的隐含假设上栽跟头。一份好的 DATA.md 会预先说明单位、可空性、编码的怪癖以及失败模式。如果你要发布数据集，这已经是基本要求了，它决定了智能体能否一次就做出一个可用的分叉版本，还是开始幻觉出一个错误的 schema。

策展信息流的诚实局限

我承诺过要务实而非炒作，所以这里列出它的锋利边缘。首先：一个策展语料库会继承其策展人的偏见。Hacker News 有着特定的人群和特定的品味，结果就是“100% 纯技术宅内容”，对于正好是目标受众的人来说非常美妙，对于不是的人则完全隐形。这种方法无法扩展到“所有人”，而它也并不打算这么做。它更像一家酒馆，而不是一项公共服务。

• 陈旧化：冻结的快照会逐渐失效。你需要一个定时任务重新运行抽取流程，否则信息流会悄悄变成一座博物馆。
• 平台依赖：视频仍然托管在 YouTube 上。删除、地区限制和服务条款的变化会从底层侵蚀你的语料库。记得追踪失效链接，否则就会失去信任。
• 人群锁定：谁来推荐，谁就定义了品味。对社区网站来说没问题；但如果你把它宣传成中立的发现工具，就会是严重的偏见问题。
• 新鲜度天花板：刚发布的好内容还没有任何推荐。策展信息流系统性地对新内容服务不足，而这恰恰是互动算法所填补的空白，有好有坏。

最后这一点，是让我对整个思路保持清醒的关键。互动型信息流和策展型信息流并非敌人，它们优化的是不同的时间尺度。策展告诉你什么已经被证明有价值；互动排序在最好的情况下，能发现什么可能会变得有价值。YouTube 推荐系统的健康版本，应该很像 HackerTube 的语料库，再加上一条小小的、标注清楚的“新内容与未经验证”通道。悲剧不在于推荐算法存在，而在于商业模式要求它们必须成为整个界面。

什么时候应该自己动手做

两小时的构建时间是故事中的故事。五年前，这个项目不可能以这样的速度完成，不是因为任何单一步骤有多难，而是因为有大约四十个繁琐的步骤：抽取、过滤、元数据补充、UI、部署、加固。一个能把整个计划装进上下文的智能体，把这些压缩成了一次提示词会话。这意味着，构建小众的、策展式的平台信息流替代品，门槛已经降到大约“一个有动力的人、一个周六上午”。

所以我的观点很明确：如果你运营的任何产品带有信息流，比如内部知识库、社区论坛、内容产品，你应该先原型化策展版本，再去构建算法版本。从明确的人工推荐开始，用廉价的 LLM 过滤一遍，用一个简单到能在站会上解释清楚的评分函数来排序，并尽可能把状态保留在客户端。你会弄清楚自己到底是库存问题还是排序问题，而根据我的经验，几乎总是库存问题。互动优化的信息流是为了最大化某个指标的工具；策展的信息流则是为了尊重一个人的工具。先做第二种；只有当你能说清楚究竟为什么、并且为了谁，它才值得存在时，再去动第一种。