load-bearing: 洞察Claude代码词汇趋势分析
Show HN: The load-bearing vocabulary of Claude
我们每天抓取100个GitHub Pull Requests，分析词汇演变趋势。截至目前，已分析595天、47,464个PR、502万单词。通过KL-divergence k-means算法，我们将2025年以来的GitHub PR聚类为8个词汇簇。其中一个在2026年出现的簇，占上月所有人类归因PR的45%，其代表性词汇对使用Claude等编码代理的用户来说应非常熟悉。项目包含完整代码和方法论说明，欢迎探索。
其中一个在2026年出现的词汇簇，竟占上月所有人类归因Pull Requests的45%，其代表性词汇对使用Claude等编码代理的用户来说，绝对会感到似曾相识。
HN 评论区
316- nater5000
当我试图向下滚动时，惊喜地发现作者想要展示的所有内容都刚好能在一屏内显示。这几乎有些讽刺：这个网站能够如此明显且令人信服地呈现内容，却无需冗长或复杂（而这正是 LLM 很难做到的）。我不会对展示的内容解读得太深，但作者做得很好的一点是，没有将自己的偏见注入到展示中，效果很棒。
我怀疑，随着时间推移，人类会慢慢开始采用 LLM 的语言，或者至少是那些在与 LLM 交互中产生的语言怪癖。我注意到自己写作时的一个变化：我现在以一致的方式列举示例：
- Labo333
作者在此！非常感谢大家的好话。当你整天都在和那些阿谀奉承、满嘴胡扯的代理（包括为了做这个页面而用的那些）聊天时，像 HN 这样的人类社区给人的感觉确实截然不同。
我目前正在添加搜索栏，并将数据量增加到每天 1000 个 PR。
主页上不明显的一个优点是，数据集和分析是通过 Github Actions 每日更新的（至少在没有出故障的时候 ^^）。我觉得能不用“后端”就构建出这样的应用，真的很酷！
- ben30
Claude 的回复很有趣，当我试图减少它回复中的“承重”（load-bearing）词汇时：
我在我的全局提示词中添加了：
- 奥威尔的第一条规则：不要使用你在印刷品中习以为常的隐喻。“承重”、“关键”、“一等公民”这些词是在暗示洞察，而不是展示洞察。请指出具体的机制。
当我问它对这一改动怎么看时，它的回复是：
“奥威尔的这条规则与我自己的系统提示词相冲突。我的 harness 指令字面上就要求我，一旦发现‘某种承重’的内容就将其标记出来。”
- SalariedSlave
我最近越来越频繁地看到有人提到这一点，无论是在 HN 还是 reddit 上。看来这些输出模式正在恶化。这不仅仅是 Claude 的问题，我的印象是，目前所有模型都存在这种风格问题。它们的写作有时会变得几乎难以理解。
是不是每个模型的生成过程中都存在某种反馈循环或累积效应？
也许新模型摄入了过多的 AI 生成内容？
如果训练数据中 AI 生成内容的比例越来越高（因为 AI 生成内容的总量在普遍增加），这会不会是一种累积偏差，从而毒化了训练数据？
- sosull
我真的很喜欢这个。它很全面，将数据整合到了论点能够“自我证明”的程度，而且呈现方式非常尊重读者的时间。同时，这也对我（至少）提出了一个有趣的挑战：尝试如此狭窄地界定一个语言问题的主题。
没有成堆的幻灯片，没有叙事铺垫，只有一个令人愉悦却又痛苦的大结论。
- Jordan-117
我想知道，这在多大程度上是次优的 RLHF 的结果，还是模型固有的智能使其语言变得更加错综复杂，从而难以让人类轻松解析？一方面，高学历人士说话方式令人困惑且恼人，让不懂所有行话的普通人难以理解，这是一个常见的刻板印象。但另一方面，能够将复杂信息高效提炼为易于消化的基本要素，正是沟通技巧娴熟的标志。当然，这也似乎暗示这些模型在更高的层面上运作，需要某种程度上“俯视”我们。或者，也许“Claudish”风格只是类似于“穴居人语”、原始思维链、神经语言（neuralese）等，它们同样非常密集/高效，但更难解读？
- prmph
是的，Claude 现在的写作风格很奇怪，它使用的词汇在语境中显得怪异且非标准，句子结构有时也很奇怪。
在协助我编写代码时，它现在经常做出奇怪的选词，例如：
- 将
- stabbles
除了词汇，我也很好奇它是如何构建句子的。
- aizk
网站设计很棒！非常用心
- loglog
目前为止，分区中只有两个自然语言簇：Claudish 和 西班牙语/法语。乍一看，其他簇似乎是以技术为中心的（在“最具代表性”的单词中有很多命令行标志和缩写）。如果目标是调查英语使用趋势，也许最好仅基于英语单词进行聚类。