如果你想找到正在主动解决某个问题的人——不是随便浏览的人，而是已经在想办法的人——Hacker News 是目前公开渠道里信噪比最高的地方之一。
HN 的受众以技术型创始人、早期采纳者和有实际采购权力的人为主。当有人发一个 Ask HN 或在相关帖子下留评论时，他们通常是在描述一个真实的、正在处理的问题——而不是在随手转发。
难点在于 HN 更新很快。今天对你产品相关的帖子，明天可能已经被几十个新帖埋掉。大多数创始人要么手动检查但不稳定，要么干脆错过。
HN 上高意向信号长什么样
不是所有 HN 活动都同样有价值。高意向信号通常集中在几类模式里：
Ask HN 帖子："Ask HN: 你们怎么在产品上线前发现早期需求？" 或者 "Ask HN: 有什么工具可以帮找到第一批客户？" 这类是明确的问题陈述。发帖的人不是在抱怨，是在找方案。
描述工作流痛点的评论：埋在某个产品发布帖下面的一句 "我们这块还是手工处理，每周要花好几个小时" 比一个高赞评论价值高得多。这个人在描述一个他每天都要面对的问题。
工具对比评论："我们试过 X，但它不能做 Y"——这类评论意味着对方已经花过钱、评估过竞品、发现了缺口。那个缺口可能正好是你在解决的。
寻求推荐："有没有什么工具能做 X？" 是最直接的需求信号。对方想买，只是不知道买什么。
手动监控为什么行不通
大多数创始人一开始会设 Google Alert 或者偶尔想起来去 HN 搜索一下。这种方式有几个固有问题：
- 时效性：HN 帖子生命周期短，三天后再去评论基本没人看了。
- 覆盖面：单关键词搜索会漏掉大量相关词。"demand discovery"、"finding early users"、"customer signal" 描述的是同一个需求，但搜索结果完全不同。
- 打分缺失：不是所有出现关键词的结果都有价值。没有打分步骤，你面对的是一堆相关度参差不齐的内容，却要花同等时间处理。
差距在于：知道信号存在，和有结构化方式在它过期前发现并行动，是两回事。
系统化监控怎么做
HN 的 Algolia 搜索 API（hn.algolia.com/api/v1/search）是公开的，文档完整，覆盖全量历史记录。你可以按关键词查询、按日期过滤，并拿到评论和它所在帖子的上下文——上下文很关键，脱离帖子背景的评论往往意义不明。
最简的监控循环是这样的：
- 抓取：每 24 小时按关键词查一次 HN API，只拿上次运行之后的新内容。
- 补充上下文：对每条评论，拉取父帖了解提问背景。
- 打分：按你的 ICP 过滤——行业信号、公司规模、问题性质。不是所有 mention 都值得跟进。
- 进队列：只把高分信号推给人工审核。一个判断标准：如果你不想给这条评论写回复，它就不该出现在你的列表里。
打分是手动方式最容易失效的地方。没有这一步，你面对的是质量参差的 mention 列表，高价值和低价值内容各花你同等时间。
把信号变成对话
发现高意向 HN 信号后，跟进窗口通常只有 24–48 小时。超过这个时间，帖子活跃度基本归零，你的回复也不会有什么响应。
几个实际有效的原则：
先讲问题，不要先推产品。 如果对方说 "这块还是手工处理"，你的回复应该先承认这个问题确实很痛，分享你对为什么这件事这么难的理解，只在真正相关时才顺带提 Glean。目标是开始一个对话，不是完成一次转化。
具体回应他写的内容。 通用回复（"我做了一个可能有用的工具"）会被忽略。引用他评论里的具体细节（"你提到打分这块是瓶颈——这正好是我们重点解决的部分"）才能说明你真的读了他写的东西。
只提一个请求。 结尾用一个低门槛的请求："要不要我帮你的品类跑一批样本数据看看结果？" 不是约演示，不是发定价页。一个请求。
复利效应
持续监控 HN 的价值会随时间累积。早期信号让你看到潜在用户描述问题时用的真实语言——这会改善你的营销文案、onboarding 流程和打分模型。
坚持监控 HN 三个月的创始人，会积累一份任何用研问卷都无法替代的东西：一张实时的、用用户自己的话写成的、在他们正在解决问题的当下记录下来的需求地图。
这张地图是可以规模化的早期销售的基础。
Glean 监控 Hacker News、GitHub Issues、RSS 订阅源，以及从 Threads 和 Quora 手动导入的链接。信号按意向度 1–10 打分，进入队列等人工审核，发送前必须人工批准。免费试用 →