- HN Update ist eine Seite, die die Top-Storys auf der Startseite von Hacker News wie eine Audio-Nachrichtensendung bündelt und sie voraussichtlich zu jeder vollen Stunde aktualisiert
- Aktuell umfasst die Sendung die Top 5 Storys; die letzte Aktualisierung der Seite erfolgte am 30. Juni 2026 um 23:06 Uhr
- Storys, die aus den Top 5 herausfallen, wandern ins Archiv; sobald dort 10 Storys zusammenkommen, werden sie zu einer Recap-Episode zusammengefügt
- Es gibt jeweils einen Audioplayer für die Hauptsendung und den Recap-Bereich; die Laufzeiten betragen 9 Minuten 55 Sekunden bzw. 19 Minuten 12 Sekunden
- Der Recaps-Bereich bietet frühere Episoden sowie Load More, um den bisherigen Verlauf auf Hacker News weiter nachzuvollziehen
Aktualisierungsweise von HN Update
- HN Update holt die Top 5 Storys von der Startseite von Hacker News und zeigt sie an
- Der Aktualisierungszyklus ist zu jeder vollen Stunde
- Die letzte Aktualisierung der Seite erfolgte am 30. Juni 2026 um 23:06 Uhr
Aufbau der Audiosendung
- Die Laufzeit des Audioplayers oben beträgt 9 Minuten 55 Sekunden
- Auch im Recap-Bereich unten auf der Seite gibt es einen separaten Audioplayer; seine Laufzeit beträgt 19 Minuten 12 Sekunden
Ablauf zur Erstellung von Recaps
- Wenn eine Story aus den Top 5 der Hacker-News-Startseite herausfällt, wird sie ins Archiv verschoben
- Sobald sich im Archiv 10 Storys angesammelt haben, werden diese Storys zu einer Recap-Episode zusammengefügt
- Im Bereich Recaps Archive lassen sich frühere Recap-Einträge ansehen
Derzeit sichtbare Recap-Einträge
- Im Recaps-Bereich gibt es Einträge zu folgenden Zeiten:
-
- Juni 2026, 23:09 Uhr
-
- Juni 2026, 17:05 Uhr
-
- Juni 2026, 04:14 Uhr
-
- Juni 2026, 04:06 Uhr
-
- Über Load More lassen sich weitere Einträge laden
1 Kommentare
Meinungen auf Hacker News
Es gibt viele positive Reaktionen, aber nach kurzem Reinhören fand ich es eher enttäuschend. Erstens fühlt sich die Erfahrung viel zu langsam an.
Wenn ich zum Beispiel die HN-Startseite öffne, die Überschriften überfliege und sogar die Kommentare zum Beitrag auf Platz 1 lese, dauert das etwa 30 Sekunden. Danach habe ich das Gefühl, alle nötigen Informationen zu haben, und kann später wiederkommen, um neue Beiträge zu sehen. Dieses Tool braucht dagegen eine Minute, um einen einzigen Beitrag zu briefen.
Zweitens ist der praktische Nutzen gering. Normalerweise fallen mir auf der HN-Startseite pro Tag nur ein oder zwei Beiträge auf; dieses Tool wird mir also wahrscheinlich Beiträge vorspielen, die mich nicht interessieren. Man könnte es mit einem Algorithmus verbessern, der lernt, welche Informationen ich höre und welche ich überspringe, aber ideal ist das nicht. Vielleicht wäre es besser, beim Klick auf eine interessante Überschrift eine personalisierte Audio-Zusammenfassung zu erzeugen.
Drittens nimmt es HN das Menschliche. Ich mag es, die Beiträge so zu lesen, wie Menschen sie tatsächlich geschrieben haben, und es macht Spaß, ihre jeweilige Ausdrucksweise, ihren Ton und die Interaktionen zu sehen. All das zu entfernen und stattdessen eine roboterhafte Zusammenfassung zu hören, fühlt sich an, als würde man der Community die Seele nehmen. Das Gefühl der Verbundenheit mit den Menschen, dem besten Teil dieser Site, wird schwächer.
Besonders gut finde ich auch, dass es keinen nachrichtenartigen Bias und keine Werbung gibt; ich werde es morgen auf jeden Fall ausprobieren.
Außerdem sind High-Level-Zusammenfassungen auf HN oder in sozialen Medien nicht mein Use Case. Sie liefern weniger echten Wert, als dass sie nur die Illusion von Wert erzeugen. Was ich möchte, ist tief in Geschichten einzutauchen, die mich neugierig machen.
Das ist auch mit Text-to-Speech möglich, aber zuerst müsste man den Feed selbst kuratieren und dann diese ausgewählten Beiträge im Podcast-Format vertiefen.
Noch nützlicher fände ich eher ein Produkt ohne LLM-Komponente, bei dem man eine Liste von HN-Threads einfügt und das dann alle Kommentare komplett per Text-to-Speech vorliest. Das könnte man beim Autofahren oder neben anderen Tätigkeiten als Longform-Content hören.
Das ist ein grundlegendes Problem des Mediums selbst und eines, das jetzt, da Text-to-Speech wieder aufkommt, einige Entwickler jeweils neu entdecken werden.
Dieses Userscript kann auch als Bookmarklet verwendet werden und hilft dabei, schnell Beiträge nachzuholen, die man noch nicht gesehen hat. Wenn man HN öffnet und das Bookmarklet ausführt, werden neue Beiträge mit „(NEW)“ markiert, und bei alten Beiträgen wird angezeigt, wie stark sich ihr Rang verändert hat.
Man kann den Hauptbeitrag ausblenden oder anhand von Kommentaranzahl und Punkten Kriterien setzen, um ältere Beiträge aus- oder einzublenden. Beim Durchsehen mehrerer Seiten kann man so neue, noch ungesehene Beiträge schnell erkennen; das macht das Aufholen sehr schnell.
Es ist noch nicht bereit für ein Show HN, aber den aktuellen Stand kann man hier sehen:
https://news.gipety.com/hn/10842381/k/218/s/three-years-as-a...
Das könnte eine ziemlich gute Möglichkeit sein, klassischen Show-HN- und Ask-HN-Episoden aus der Vergangenheit ein zweites Leben zu geben.
Eine großartige Idee. Je älter ich werde, desto weniger Energie habe ich zum Lesen, und es hat echten Wert, weil ich oft wirklich tolle Dinge verpasse, die nur kurz auf der HN-Titelseite auftauchen und dann wieder verschwinden.
Gut ist auch, dass die Kommentare zusammengefasst werden. Tief in den Kommentaren finden sich oft echte Perlen. Vermutlich werden nur einige der Top-Kommentare herangezogen.
Eine große Verbesserung könnte Personalisierung sein. Das meiste auf der Titelseite ist für mich persönlich nicht relevant, und auf der New-Seite gibt es viele großartige Dinge, die nie populär werden. Es wäre schön, wenn das System lernt, auf welche Arten von Beiträgen ich reagiere, und mir Zusammenfassungen solcher Beiträge zeigt, auch wenn sie gerade nicht im Trend liegen.
Last.fm gab es schon vor 20 Jahren und hat gezeigt, dass man für ein gutes Empfehlungssystem nicht unbedingt KI braucht, aber personalisierte Erlebnisse scheinen sich nicht wirklich durchgesetzt zu haben. Der YouTube-Algorithmus leistet das bis zu einem gewissen Grad, aber schade ist, dass man kaum echte Kontrolle hat.
Ich höre eher nur Dinge, die nicht besonders wichtig oder wertvoll sind. Wenn beim Hören etwas hängen bleibt, lese ich es anschließend.
Bei Personalisierung gibt es definitiv viel Potenzial. Allerdings ist HN so zufällig, dass ich dort manchmal Dinge entdecke, von denen ich intellektuell nicht einmal wusste, dass ich sie brauche. Ich sehe das wie bei den meisten Empfehlungssystemen als Balance zwischen Exploration und Exploitation.
Als Minimal Viable Product wäre vermutlich möglich, nach bestimmten Keywords zu filtern und diese Beiträge dem Modellinput hinzuzufügen.
Manchmal hat man das Gefühl, in einem bestimmten Genre oder einer Bubble festzustecken, oder wenn Autoplay während des Schlafens weiterläuft, wird die Startseite davon übernommen. Wenn man ein paar solcher Videos aus dem aktuellen Wiedergabeverlauf löscht, verbessert sich das spürbar.
Oder man startet ein paar Videos zu einem Thema, das man sehen möchte, und bald werden fast nur noch solche Inhalte empfohlen.
Es wäre cool, Embeddings für frühere HN-Beiträge zu erstellen, dann die Embedding-Vektoren der Beiträge zu mitteln, die ein Nutzer als Favoriten markiert hat, und per Kosinus-Ähnlichkeit Beiträge auszuwählen, die ihn interessieren könnten.
Eigentlich wäre es besser, die Like-Historie zu verwenden, aber ich weiß nicht genau, ob und wie man darauf zugreifen kann.
Mich würde auch interessieren, wie andere Leute Embeddings nutzen. Ich weiß, dass man mehrere Embeddings mitteln kann, aber ich frage mich, ob jemand mit anderen Transformationen Erfolg hatte. Wenn man an Dinge wie King - Man + Woman = Queen denkt, scheint es in vielen Fällen so zu sein, dass Fragen direkt für semantische Suche oder als RAG-Eingabe verwendet werden.
Ich frage mich auch, ob es sinnvoll wäre, massenhaft Frage-Antwort-Paare zu erzeugen und zu embedden, dann eine durchschnittliche Transformation zu bestimmen, die vom „Fragenraum“ in den „Antwortraum“ führt, und diese Transformation beim Embedding einer Frage anzuwenden, bevor man RAG ausführt. Oder vielleicht würde dabei einfach zu viel Rauschen entstehen.
Upvote-Verläufe dagegen sind privat und passen viel besser zu den Dingen, die mir wirklich wichtig sind.
Für jedes Dokument, das in die Vektordatenbank soll, lässt man ein LLM eine Liste möglicher Fragen erzeugen, die dieses Dokument beantworten kann. Im Grunde ist das ähnlich wie das Erstellen eines Quiz.
Diese Frage-Embeddings mappt man wieder auf das ursprüngliche Dokument zurück und speichert Dokument, Dokumentfragmente, Frage 1, Frage 2 usw. in der Vektordatenbank.
Wenn ein Nutzer dann eine RAG-Abfrage stellt, gibt es nicht nur die direkte Verbindung Nutzeranfrage → Dokumentfragment, sondern auch eine transitive Verbindung Nutzeranfrage → ähnliche Anfrage → Dokumentfragment.
Ha, in dieser Stunde hat dieses Tool Folgendes über sich selbst gesagt:
„In einem etwas selbstreferenzielleren Verlauf betrachten wir den Launch von HN Update selbst. Dieser Versuch zielt darauf ab, die Top-Beiträge von Hacker News zusammenzufassen und stündlich eine Nachrichtensendung bereitzustellen. Hörer stehen dem Konzept kuratierter Nachrichten positiv gegenüber, haben aber auch Bedenken hinsichtlich der Genauigkeit der Zusammenfassungen und möglicher Darstellungs-Biases. Die Diskussion in der Community deutet darauf hin, dass Vertrauen in die inhaltliche Genauigkeit weiterhin ein Kernproblem ist, auch wenn der Wert solcher Dienste klar erkennbar ist.“
Ziemlich niedlich und beeindruckend.
Ziemlich gut, aber es scheint Dinge zu erfinden. Es hat einen Meta-Kommentar[1] zur Website-Formatierung dieses Beitrags genommen und daraus gemacht, die Community sei besorgt, dass der C++-Vorschlag zur Speichersicherheit Code auf Mobilgeräten schwerer lesbar machen könnte.
Nachdem ich das gehört habe, fällt es mir schwer, den anderen Zusammenfassungen zu vertrauen.
1: https://news.ycombinator.com/item?id=41899828
„Diese Formatierung und Schriftmischung ist auf Mobilgeräten schwer zu lesen.“
Für uns ist klar, dass das ein Meta-Kommentar ist, aber ich kann sehen, wie es zu Verwirrung kommen kann. Trotzdem hätte auffallen können, dass „Lesbarkeit auf Mobilgeräten“ nicht wirklich gut auf die Programmiersprache C++ passt.
Ich werde dem Prompt hinzufügen, dass Kommentare meta sein können und sogar falsch sein könnten, damit solchen Kommentaren nicht zwanghaft eine Bedeutung untergeschoben wird.
Ein ziemlich interessantes Projekt. HN-basierte Projekte haben eine seltsame, aber besondere emotionale Anziehungskraft. Sie funktionieren wie Erweiterungen oder Add-ons, die HN in irgendeiner Dimension verbessern.
Ich glaube nicht, dass ich dieses Tool nutzen würde, wenn ich vor dem Computer sitze oder auf dem Handy mit endlosem Scrollen anfange, aber wenn ich beschäftigt bin und HN schnell checken muss, würde ich es verwenden wollen.
Als schnelles Feedback: Zunächst sagen Titel und Untertitel in der UI/UX nicht viel über die App aus. Beim Audiotrack sieht man zwar den Wiedergabefortschritt, aber nicht die Gesamtdauer und die aktuelle Zeit. Es wäre nützlich, den Audiotrack mit Abschnitten hervorzuheben, die die einzelnen Beiträge repräsentieren. Es wäre auch sinnvoll anzugeben, wie viele Beiträge zusammengefasst werden; aktuell sieht es nach 5 aus.
Für einen besseren Use Case wäre es sinnvoller, daraus eine mobile App oder PWA zu machen, damit man auch beim Fahren leicht über das Infotainment-System im Auto darauf zugreifen kann.
Wenn es eine mobile App wäre und als Widget mit Play-Button angeboten würde, ließe sich die Zahl der nötigen Taps zum Abspielen der Sendung reduzieren. Ich hoffe, das hilft als konstruktive Kritik.
Der nächste Schritt ist, das HNN News Network aufzubauen, damit auf Bürofernsehern ständig eine Sendung mit Nachrichtenticker und AI-Nachrichtenanker läuft, so wie Banken CNBC oder Bloomberg News rund um die Uhr laufen lassen.
Das Beste an solchen AI-Vorlesetools für Inhalte ist die Möglichkeit, Nutzern Stimme, Sprechgeschwindigkeit usw. auswählen zu lassen. Aus Nicht-US-Perspektive sind amerikanische Talking-Head-Nachrichtenkanäle ziemlich nervig, wenn man an den eigenen Akzent gewöhnt ist. Das gilt auch dann, wenn man sich über aktuelle Themen auf dem Laufenden halten möchte.
Als ich anfing zuzuhören, nachdem dieser Beitrag selbst auf Platz 1 bei HN gelandet war, wurde es zu einer meta-Situation, in der ich das Tool sagen hörte, dass es möglicherweise Dinge erfindet.
Großartiges Projekt.
Wirklich hervorragend. Es wäre schön, wenn ihr eine Archivfunktion hinzufügen könntet, mit der man Zusammenfassungen von vor ein paar Stunden oder eine Morgenbesprechung anhören kann.
Bei einer Morgenbesprechung frage ich mich, ob damit ein stärker kuratiertes Nachrichtenpaket gemeint ist, etwa die interessantesten oder meistdiskutierten Nachrichten des Tages. Aktuell werden nur die Top 5 Beiträge der Hauptseite geholt.
Ich habe letztes Jahr mit derselben Idee https://radio-hn.pages.dev/ gebaut. Es lief nur einmal am Tag, und ich habe es damals irgendwo hier gepostet.
Mich würde interessieren, ob der Code öffentlich ist. Vor allem, wie du mehrere Sprecher und Stimmen umgesetzt hast.
NotebookLM hat das Problem, dass zwei Personen ständig die Rollen tauschen. Die eine ist bei einem Thema der Schüler und die andere der Lehrer, und plötzlich wechseln die Rollen auf eine völlig unlogische Weise.
Du warst deiner Zeit voraus.