风语 · 实用指南 · 更新于 2026-10-03
结论先说：两个来源之间的差距是「整段」的，九个类别之间的差距是「逐格」的；只按其中一个挑，都会漏。来源会整体抬高或拉低一个工具的底子，类别则决定它在同一来源里排到哪一档。
常见的说法：GitHub 上的比别的渠道靠谱，挑的时候按平台分就行。
我们怎么数：把来源和类别两列都留下，再把每个格子的上架率算出来——同一个来源里，类别之间的差距比想象的大得多。
结论：GitHub 与 Hacker News 的上架率差了整整 36 个百分点。
| 来源 | 总数 | 上架 | 观察 | 淘汰 | 上架率 |
|---|---|---|---|---|---|
| GitHub | 722 | 260 | 451 | 11 | 36.0% |
| Hacker News | 116 | 0 | 91 | 25 | 0.0% |
GitHub 来源撑起了几乎全部上架工具，Hacker News 来源一个都没上架。但这不是说 Hacker News 上没好东西，而是它作为「被发现」的入口，工具往往还太新、可用信号不够，更多落在观察档。
结论：按上架率排，模型类最高，营销类最低。
| 类别 | 总数 | 上架 | 上架率 |
|---|---|---|---|
| 模型 | 192 | 86 | 44.8% |
| 数据 | 72 | 28 | 38.9% |
| 编程 | 154 | 56 | 36.4% |
| 效率 | 64 | 20 | 31.2% |
| 视频 | 98 | 28 | 28.6% |
| 设计 | 115 | 29 | 25.2% |
| 写作 | 62 | 8 | 12.9% |
| 其它 | 62 | 4 | 6.5% |
| 营销 | 19 | 1 | 5.3% |
模型、编程、设计三类加起来就有 461 个，占全库一半以上；而营销类只有 19 个。类别越厚，里面的好坏越分层，越需要分数来分，而不是靠「这类的都不错」一句话罩住。
结论：因为同一个来源内部，类别差距还是横跨近四十个百分点。同为 GitHub 来源，模型类上架率 44.8%，营销类只有 5.3%。只看来源，会把这两个截然不同的格子当成一样；只看类别，又会忽略 Hacker News 整体偏新这件事。两列一起看，才不会被单列带偏。
结论：最容易犯的，是用单列给一张大表下结论。
| 坑 | 典型表现 | 应对 |
|---|---|---|
| 按平台一刀切 | 「GitHub 的都能用」 | 同来源内类别差距很大 |
| 把 0 上架误读为「没有」 | 以为 HN 没收录价值 | 它只是更多落在观察档 |
| 用类别平均数盖住个体 | 「模型类都行」 | 类别内仍要看单条分数 |
| 忽略样本量 | 拿 19 个的营销类比 192 个的模型类 | 比例要配总量一起看 |
| 凭星数选 | 51 万星的工具直接上 | 星数只进人气一格 |
有几个来源？两个，GitHub 722 个、Hacker News 116 个。
哪个来源上架多？GitHub，260 个上架；Hacker News 为 0。
哪个类别最好挑？按上架率是模型类，44.8%。
这些数字在哪看？在货架评分数据页，逐条可查。
同簇阅读：一份给 838 个 AI 工具打的分，到底该怎么读？ ｜ 一个 AI 工具很火，为什么分数还是不高？ ｜ 分数到多少才算能用？「上架 / 观察 / 淘汰」三档怎么定？
数据出处：风语「货架评分」数据页（含来源与类别字段） ｜ 相关簇：「世界机会」国家 × 行业数据怎么看