10月30日，HackerNews 上出现一条关于流量下滑的讨论帖，IT之家随后报道：开发者通过官方 API 核验，2026年9月这个全球最大编程问答站的新增提问只剩969条。 网站本身没有关门：它已积累超过2400万个问题，存量答案都还挂在线上可以检索。 学编程的新人真正要弄明白的是：当这座答案图书馆停止更新，存量还能靠多久、怎么靠。IT之家知乎机器之心
断流有多快：从月增20万到四位数
这条曲线大致分三段。2008年7月私测首月只新增4条提问，同年9月公测后当月就冲到1.4万条；此后一路爬坡，2013到2017年年提问量稳定在两百万以上，2016年达到峰值218万。 之后的下坡越来越陡：2022年还有133.6万条，2025年跌到10.9万条，2026年前七个月合计只剩12,322条。 截至10月30日，最近一个可核验的完整月份就是9月的969条，10月数据尚未公布——所谓断流，说的是增量归零的速度，不是图书馆被拆掉。机器之心析数塔
问题是被两件事先后掐断的
拉长时间看，提问量的下滑其实早于 ChatGPT 出现：拐点在2014年，站点开始系统性收紧审核，更积极地关闭重复和不符合规范的提问——初衷是保住信噪比，代价是把想进门的新人挡在了门外。机器之心
对新人到底多不友好，2022年的一项研究给过量级：在968条新用户发帖的样本里，49%遭遇了关闭、无人回复或被无理由点负分中的至少一种。 真正让提问这个动作消失的是 AI：ChatGPT 把问一次的成本压到接近零，IDE 里的 AI 助手则让人不用再离开编辑器——Stack Overflow 的立身之本是把一个人的问题变成所有人的资产，AI 做的恰恰相反，把公共提问变回了私人对话。机器之心
更麻烦的是回答者也在撤退。奥克兰大学研究者 Kenny Ching 在2026年7月发布的工作论文追踪了24,304名贡献者17个月的行为：从2022年起，高声望用户离开平台的速率开始加快，并逐渐追平低声望用户。 他把这个机制命名为「信号压缩」——多年挣来的专业性，已经和聊天机器人的回答区分不开了。机器之心
老答案还能靠什么：分界线在版本
存量语料是真的家底：站方在2026年2月刚完成改版并换了新logo，2400万条问答照常可查。机器之心
但同一批数据以 CC BY-SA 授权开放，恰恰是被大模型摄取最彻底的技术语料——而吃掉它的模型，正是新增贡献停止的原因。机器之心
对新人来说，这意味着一条清晰的分界线：语言细节、报错信息明确的主流用法、被多年点赞和评论交叉验证过的经典答案，依然是可靠的；而 jQuery、Python 2、Angular.js 的解法正在过时，新框架和版本破坏性变更的坑，已经没有公开对应答案了。 过去这类知识由第一个踩坑的人写在公开网页上，现在它发生在某个人和某个模型的私人对话里，解决完就消失。机器之心
新人的用法：AI 给草稿，三处做核对
把答案库当图书馆、把 AI 当管理员、把核对留给自己，是当下性价比最高的姿势。信任缺口来自 Stack Overflow 官方2025年开发者调查：覆盖177个国家、约4.9万名受访者，84%在用或计划用 AI 工具，但只有29%信任 AI 输出的准确性，46%明确表示不信任。 同样的调查里，最大的抱怨不是 AI 不会写代码，而是它写的东西「几乎对，但不完全对」：66%的人被这一条困扰，45%说花在调试 AI 代码上的时间是显著的。机器之心
所以 AI 给出方案后，落地前按三个顺序核对：先查官方文档和 changelog 确认 API 还活着，再翻对应项目的 GitHub Issue 看有没有人踩过同款，最后搜稳定技术栈上高票的老答案做交叉验证。知识生产并未消失，只是换了场所——Next.js 这类框架的文档里已经开始出现模仿 Stack Overflow 答案写法的「常见错误」章节，维护者亲自下场补位。 还有一件 SO 教会新人、AI 时代反而更值钱的事：把报错、环境和最小可复现例子描述清楚再开口。无论对面是模型、文档还是 Issue 区的维护者，清楚的问题永远比模糊的问题更容易得到真答案。老答案靠得住，但只能靠到它停止更新为止——把核对的功夫补上，新人才不会替 AI 的「几乎对」买单。机器之心
