Hacker News 热榜摘要

它解决什么问题

手动刷 Hacker News 有几个明显的痛点：hckrnews.com 是 JavaScript 渲染的前端，curl 直接请求只会拿到空壳页面，抓取成本高且不可靠；如果只看截图或标题，容易错过评论区里真正有价值的反驳、补充和跑题讨论；而把几十个帖子逐个点开、复制正文、再翻评论，时间成本极高，最后往往只留下一个「看过了」的印象。

这个技能的目标是把这套流程自动化：从官方 API 拿数据，把文章要点和评论主题压缩成一份可以直接阅读的摘要。

它如何工作

核心思路是放弃前端抓取，改用官方数据源。具体分四步：

• 取热榜：通过 topstories.json 拿到按首页排名的 500 个故事 ID，取前 N 个后逐个查询详情，得到标题、积分和评论数。
• 按主题检索：需要找特定话题时用 Algolia 搜索接口，并加上 &numericFilters=created_at_i>UNIXTS 限制时间范围，避免匹配到同一标题的旧重复帖；再根据 points 和评论数选出当下真正在讨论的那个帖子。
• 拉取评论树：评论以嵌套结构返回，顶层 children 是根评论。由于 Algolia 的单条评论 points 字段已恒为 null，技能按线程顺序平铺根评论（这大致对应 HN 的默认排序），需要深入时再递归 children 并记录深度。
• 提取正文：用 curl -sL 抓原文，配合 sed 's/]*>//g' 去标签提取可读文本。遇到 JS 渲染或付费墙页面时，回退到 Wayback Machine 快照；若目标站点拦截了 curl，则通过可用的容器或代理中转。

最终输出按帖子组织：标题、积分、评论数、来源链接、几句话的正文要点，然后是评论主题——把讨论归纳为 3～6 个反复出现的话题线（共识、反驳、跑题），而不是逐条罗列评论。当最高赞线程是批评或反主流观点时会单独标注，这在 HN 上很常见。

适用边界

• 正文提取依赖目标页面的 HTML 结构，JS 重度渲染的站点只能回退到快照，新鲜文章可能还没被存档。
• 付费墙和反爬策略无法绕过，代理方案只是让 curl 请求看起来像正常访问，不代表能突破站点政策。
• 摘要质量取决于正文可提取性和评论数量；评论稀少的帖子没有足够素材做主题归纳。