Hacker News 深度线程分析器

要解决什么问题

Hacker News 上的讨论线程往往长达数百条评论，信息密度高但结构松散。手动梳理一条热门帖子的核心论点、情绪走向和参与者背景，需要逐条翻页、复制粘贴、自己做笔记，耗时且容易遗漏。这个技能把整个过程自动化：给定一个 HN 帖子 ID，它拉取全部评论，解析正文，输出一份带情绪标注和论点映射的结构化摘要。

核心能力与工作步骤

• 数据抓取：直接调用官方 HN Firebase API（https://hacker-news.firebaseio.com/v0/item/<id>.json），无需第三方爬虫，稳定且合规。
• 正文解析：评论正文通常嵌在 HTML <p> 标签里，技能用 BeautifulSoup 清洗富文本，剥离链接、段落标签和转义字符，还原纯文本。
• 情绪与专业信号提取：对每条评论做轻量级文本分析，识别情绪倾向（正面、负面、中立），同时捕捉 expertise signals——例如评论者是否引用代码、提及技术栈、或给出可验证的一手经验。
• 结构化摘要：将长线程压缩为要点列表，按主题聚合关键论点，并保留支撑该论点的高赞评论引用。

适用边界与注意事项

• 只处理文本内容，不分析链接指向的外部资源，也不会去抓子域名上的多媒体。
• 情绪分析是规则驱动而非模型推理，对于讽刺、反语或文化梗的识别能力有限。
• 官方 API 有速率限制，批量分析多个线程时需自行加入延迟。
• 帖子已下线或用户被 ban 的情况无法保证完整还原。