AI 热词的生命周期:用五个独立数据源统计
01 为什么用讨论量而不是搜索量
一个技术概念"过气"了没有,通常靠感觉判断。感觉不可靠,因为它受近期刷屏内容影响很大。可量化的替代指标有三类:搜索指数、讨论量、产出量(论文/仓库)。三者的含义不同:
- 搜索指数反映好奇,但受平台算法和营销影响大,且历史数据多数不公开
- 讨论量反映技术社区的真实注意力,数据源可复现
- 产出量反映实际投入,但有滞后——论文从投稿到收录常需半年以上
本文用后两类,取五个互相独立的平台,对同一批关键词测同一年份窗口。
一个必须先讲清的边界:讨论量下降不等于技术被淘汰。一个概念讨论减少,可能是它变成了基础设施(不再需要讨论),也可能是被新方案替代。本文只测"讨论热度的轨迹",不推断技术优劣。
02 数据源与方法
五个源全部公开、无需密钥、可复现:
| # | 数据源 | 测什么 | 访问方式 |
|---|---|---|---|
| 1 | Hacker News (Algolia API) | 技术讨论(story 计数) | hn.algolia.com/api/v1 |
| 2 | Stack Overflow (Stack Exchange API) | 开发者提问 | api.stackexchange.com/2.3 |
| 3 | OpenAlex | 学术论文 | api.openalex.org/works |
| 4 | GitHub Search API | 新建仓库 | api.github.com/search/repositories |
| 5 | arXiv (Atom API) | 预印本 | export.arxiv.org/api/query |
五个话题:检索增强生成(RAG)、AI Agent、提示注入、模型上下文协议(MCP)、微调。
两个查询口径的坑,都是实测踩到的
坑一:关键词必须精确匹配。 裸词 agent 在 HN 命中 485,719 条,而加引号的 "AI agent" 只有 4,430 条——相差 110 倍。裸词把房产中介、影视角色等无关内容全算进来了。
坑二:OpenAlex 需要用引号才是短语匹配。 search=model context protocol 返回 2,600,858 篇,而 search="model context protocol" 只有 7,191 篇,相差 362 倍。前者是"model""context""protocol"三个词各自命中。
这两处的教益是一样的:API 返回一个数字,不代表这个数字回答了你的问题。
归一化的必要性
直接比较绝对值会得出错误结论,因为平台自身在变。实测数据:
Stack Overflow 全站提问量:2022 年 133.5 万 → 2026 年(年化)2.7 万,下降 98.5%。
这不是某个话题的衰退,是整个问答平台被 AI 助手替代了。如果不做处理就比绝对值,任何话题都会被判成"衰退"。
所以本文采用对照项归一化(difference-in-differences 思路):取 PostgreSQL、Docker、Linux kernel 三个与 AI 热潮无直接关联的技术词作对照,测同一时间窗。归一化指数 = 话题量 ÷ 对照项均值 × 100。
对照项自身的趋势(HN):
| 对照项 | 2022 | 2023 | 2024 | 2025 | 2026(年化) |
|---|---|---|---|---|---|
| PostgreSQL | 491 | 595 | 798 | 813 | 1098 |
| Docker | 626 | 694 | 729 | 1026 | 1585 |
| Linux kernel | 295 | 262 | 252 | 225 | 330 |
| 均值 | 471 | 517 | 593 | 688 | 724 |
对照项在 HN 上平稳且略升,说明平台对这些话题的讨论热度没有系统性衰减,归一化基准可用。

但要如实说明:对照项归一化在 Stack Overflow 上不成立。 三个对照项在同一时期分别下降 98%、97%、94%,与平台整体降幅同量级——平台萎缩是压倒性的,对照项消不掉。因此本文的 SO 数据只作定性参考,不参与结论判定。

03 结论一:Agent 是唯一在爆发的方向
四个独立源同向(2022 = 100):
| 数据源 | 2022 | 2023 | 2024 | 2025 | 相对 2022 |
|---|---|---|---|---|---|
| HN 故事数 | 8 | 70 | 336 | 1256 | 157 倍 |
| GitHub 新建仓库 | 430 | 1357 | 6784 | 74686 | 174 倍 |
| OpenAlex 论文 | 1432 | 2666 | 4978 | 14385 | 10 倍 |
| arXiv 预印本 | 77 | 168 | 415 | 1224 | 16 倍 |
四个源方向一致、量级差异合理:产业侧(GitHub 仓库)增长最猛,学术侧(论文)增长最稳。这种"同向但不同斜率"的模式,正是新技术从研究走向产品的典型形态。
归一化后 2026 年的 HN 指数为 524(2022 年为 1.7),是五个话题中唯一持续上行的。

04 结论二:RAG 在技术社区退潮,在学术圈加速
这是本文最反直觉的发现。同一话题、同一时期,两个方向相反:
技术社区(下行):
| 指标 | 2023 | 2024 | 2025 | 2026(年化) |
|---|---|---|---|---|
| HN 故事数 | 80 | 112 | 84 | 25 |
| HN 归一化指数 | 15.5 | 18.9 | 12.2 | 3.5 |
HN 讨论量从 2024 年峰值 112 条降到 2026 年年化 25 条,下降 78%。
学术产出(上行):
| 指标 | 2022 | 2023 | 2024 | 2025 |
|---|---|---|---|---|
| OpenAlex 论文 | 451 | 1306 | 8621 | 18545 |
| arXiv 预印本 | 10 | 98 | 1242 | 2548 |
OpenAlex 2024→2025 从 8621 增至 18545,增长 115%;arXiv 同期从 1242 增至 2548,增长 105%。
中间层有个例外:GitHub 新建仓库仍在增长(2023: 532 → 2024: 4173 → 2025: 15146)。所以完整图景是三层分化:
- 讨论层(HN):已见顶回落
- 实现层(GitHub):仍在快速增长
- 研究层(论文):加速增长

可能的解释(这一层是推断,不是实测):RAG 已经进入"框架内置、无需专门讨论"的阶段——主流开发框架默认提供检索组件,开发者不需要再专门聊"怎么搭 RAG",但仍在写代码、仍在发论文。讨论量的下降,更像是话题从热点变成基础能力的标志。
05 结论三:MCP 已过热度峰值
MCP(模型上下文协议)2024 年 11 月发布,数据完整记录了它的整个生命周期:
| 指标 | 2024 | 2025 | 2026(年化) |
|---|---|---|---|
| HN 故事数 | 34 | 326 | 185 |
| HN 归一化指数 | 5.7 | 47.4 | 25.5 |
| SO 提问数 | 3 | 136 | 51 |
| GitHub 新建仓库 | 327 | 13420 | — |
| OpenAlex 论文 | 15 | 1126 | — |
HN 讨论量在 2025 年见顶后回落近半(指数 47.4 → 25.5),SO 提问同向(136 → 51)。
但产出的两侧仍在高速增长:GitHub 仓库 2024→2025 增长 41 倍,OpenAlex 论文增长 75 倍。
MCP 的形态与 RAG 相似——讨论先于实现见顶。区别在于 MCP 见顶更快(发布后约一年),这是新技术在成熟生态中传播速度更快的体现。
06 结论四:提示注入在上升,微调平稳
提示注入:HN 归一化指数从 2022 年的 4.0 升至 2026 年的 65.0,OpenAlex 论文从 33 篇增至 2283 篇。
这与风险相关的议题通常"随暴露面扩大而上升"的规律一致——Agent 越多,注入攻击面越大。
微调:HN 归一化指数从 2023 年峰值 58.2 降至 2026 年 36.4,但学术侧总量仍很大(OpenAlex 2025 年 17.7 万篇)。属于讨论热度下降、但实际使用仍在的成熟技术。
07 方法学自查:三个必须说明的局限
局限一:讨论量不等于采用量。 本文测量的是"被讨论的频率",不是"被使用的程度"。一个技术讨论减少可能是被淘汰,也可能是变成了默认选项。要区分这两者,需要产品采用率、招聘需求等数据,本文未纳入。
局限二:HN 单一平台的端点选择会影响数值。 实测发现 HN Algolia 两个端点在"全站 story 总数"上差异巨大:
| 年份 | search 端点 | search_by_date 端点 | 差异 |
|---|---|---|---|
| 2022 | 3,444,255 | 94,106 | 36.6 倍 |
| 2023 | 3,820,000 | 133,719 | 28.6 倍 |
| 2024 | 3,188,746 | 201,430 | 15.8 倍 |
| 2025 | 2,851,212 | 415,239 | 6.9 倍 |
| 2026 | 2,185,733 | 3,961,344 | 0.55 倍 |
两端点在同一指标上给出相差 36 倍的答案,说明"全站总量"这个口径本身不可靠。 因此本文没有用它归一化,改用对照项。但需要说明:本文话题级数据在两个端点上是完全一致的(本文复核过,话题查询结果两端点相同);不一致只出现在"无查询词的全站统计"上。
局限三:2026 是部分年度。 截至取数日已过 263 天,本文对 2026 数据按 ×1.388 年化后与整年数据比较。这一处理假设年内分布均匀,实际可能存在季节性偏差。
08 可执行结论
对于判断技术趋势的人:
- 看讨论量,也看产出量。 本文四个话题中有三个出现"讨论降、产出升"的背离——只看讨论量会把仍在高速产出的技术误判为过气
- 务必做归一化。 实测中 Stack Overflow 整体下降 98.5%,不归一化会把所有话题都判成衰退
- 用多个独立源交叉验证。 单一来源的下降可能是平台特性。本文 Agent 的爆发在四个源上同向,可信度高;RAG 的分化则只有跨层对比才能看出来
对于选型的人:
- 讨论热度不是选型依据。 RAG 讨论量降 78%,但同期 GitHub 仓库增 3.6 倍、论文增 115%——热度下降更可能是它已进入基础设施阶段
- 关注讨论与实现的背离方向。 讨论降而实现升(RAG、微调)通常意味着技术沉淀;讨论升而实现平(需个案判断)才需要警惕
数据说明:五个数据源均为公开 API,无需密钥,取数时间 2026-09-20。原始 JSON 与采集脚本一并留档,任何数字可复现。HN 数据用 search_by_date 端点,关键词加引号精确匹配;OpenAlex 用引号短语匹配 + publication_year 过滤。
方法论声明:本文所有数值为实测。第 04、05 节中"讨论先于实现见顶""话题从热点变成基础能力"属推断,已明确标注。归一化采用对照项法(PostgreSQL / Docker / Linux kernel),该方法在 Stack Overflow 上经检验不成立,故 SO 数据仅作定性参考。
免责声明:本文为公开数据研究与方法论探讨,不构成技术选型、投资或采购建议。文中的趋势判断基于特定时间窗的检索计数,不指向任何特定厂商或产品。