利用Hacker News评论构建用户画像的AI实验

最近，我进行了一项反乌托邦风格的实验：通过输入‘分析这个用户’，使用大型语言模型（LLM）如Claude Opus 4.6，分析用户在Hacker News上的最近1000条评论，生成其详细画像。这一过程依赖于Algolia Hacker News API，该API支持按日期排序的评论查询，并标记作者为author_username。我开发了一个工具（https://tools.simonwillison.net/hn-comments-for-user），允许用户查询任意评论历史，并通过JavaScript实现‘复制到剪贴板’功能。随后，我使用Claude对工具进行了多次优化（https://github.com/simonw/tools/commits/main/hn-comments-for-user.html）。实验结果显示，LLM能够准确捕捉用户的职业身份、技术兴趣、安全意识、性格特征等。尽管模型在匿名模式下运行以避免识别出自己，但因评论中频繁出现的链接，仍能推断出我的真实身份。这一实验揭示了LLM在用户行为分析和画像生成方面的强大能力，同时也引发了对隐私和数据安全的担忧。我使用该工具来避免与有恶意争论记录的用户陷入复杂讨论，Hacker News作为一个管理规范的社区，仍保持其价值。