Stack Overflow рушится: количество новых вопросов в 2026 году упало до минимума за всю историю

本文来自微信公众号： 机器之心 ，编辑：Panda，作者：机器之心，原文标题：《Stack Overflow快死了！新提问竟比内测时还少》 Stack Overflow，有「程序员圣经」之称，已经积累超过2400万个问题专业社区，全网最大的编程问答语料库，正在走向死亡。 2026年7月，全世界的程序员在Stack Overflow上一共提了1304个问题。 2014年3月，这个数字是20.7万。 前两天，开发者Daniel Lockyer把包含这些数据的折线图发到了X上，并发出了「一个时代的终结」的感慨。 数据是真的，来自Stack Overflow官方对外开放的SQL查询接口Stack Exchange Data Explorer。 第二天，独立开发者Pieter Levels（levelsio）转发了这张图，把它接到了另一个话题上：如果没人在Stack Overflow上提问了，Reddit又被推广机器人占领，那互联网上还剩多少真人写的内容？没有新内容，下一代模型拿什么训练？ 这两条推文引发了广泛讨论。网友的态度也各不一样，或感慨、或兴奋、或哀伤……不一而足。 Stack Overflow的兴与衰 仔细看上面Stack Overflow的月度提问量曲线，可以清晰地将其分成三段。 第一段是增长。2008年7月的私测月只有4个问题，8月3744个，9月15日公测后当月跳到14024个。2010年1月已经是每月44923个，2011年年度提问量破百万，2013年破两百万。这是那种教科书式的曲棍球杆现象。 第二段是高原。单月最高点停在2014年3月的20.7万个，紧随其后的是2017年3月和2016年3月的的20.1万。三个最高月分散在四年里，说明这是一个平台期而不是一个尖峰。年度总量在2013到2017年间稳定在两百万以上，2016年达到峰值218万。之后开始松动但没有崩：2018年188万，2019年175万，2020年还回升到185万，其中光是2020年4月就有了18万个。 第三段就是衰退期。2022年全年134万，2023年79万，2024年40万，2025年11万。2025一整年的提问量，还不到2014年3月单月的53%。 再往细里看，压缩得更厉害。2024年12月17935个，2025年12月3312个（同比降81.5%），2026年1月2910个，3月1903个，5月1229个，6月1072个。除了2008年7月那个只有4个问题的私测启动月，6月的1072是全站历史上最低的一个完整月份。2026年7月略有回升，但依然很少，仅有1304个。 2026年前七个月加起来1.2万个。按2016年的日均提问速度算，这是那一年大约两天的量。 Stack Overflow的衰退并不全因AI 从图上看，Stack Overflow的衰退其实比ChatGPT早了八年。 拐点出现在2014年，那一年Stack Overflow开始系统性提升审核效率，更积极地关闭重复问题和「不符合规范」的提问。站方的初衷是保住信噪比，代价是把新用户挡在了门外。2022年的一项研究显示，在一组968条新用户发帖的样本里，49%遭遇了关闭、无人回复或无理由负分中的至少一种。 https://www.scitepress.org/PublishedPapers/2022/110811/110811.pdf 这套文化被吐槽了十年。devclass在报道1月那轮数据时引述了一位开发者的反应，大意是AI确实加速了衰退，但根子在于社区长期惩罚那些试图参与的人，人们只是终于有了一个不会说「你这问题很蠢」的工具。 在Daniel Lockyer的推文下方，我们也能看到很多类似批评： 问题在于，光有敌意文化并不足以把年度提问量打到十万级。2022年之前，这个数字始终守在130万以上。真正的断崖是两件事叠加的结果：ChatGPT让提问的边际成本降到零，然后IDE里的AI助手让提问这个动作本身消失了。 开发者不再需要离开编辑器，不需要把问题写成一个陌生人能看懂的最小可复现例子，不需要等几个小时。 Stack Overflow的价值曾经建立在「把一个人的问题变成所有人的资产」上。AI助手做的恰恰相反：它把公共提问变回了私人对话。 站方并非没有动作。2023年10月裁员28%（此前5月已裁58人），推出OverflowAI，转向给OpenAI等公司做数据授权，架起反爬虫墙逼平台方回到谈判桌。 https://stackoverflow.blog/2023/10/16/stack-overflow-company-announcement-october-2023/ 2025年内完成全面上云，纽约（实为新泽西）机房约50台服务器全部下架，科罗拉多的灾备机房6月退役，年底那篇《The Great Unracking》给这段十六年的物理基础设施史写了个副标题：「再见了，谢谢你们的所有比特。」 2026年2月站点改版并换了新logo。CEO Prashanth Chandrasekar自2019年至今仍在任，公司仍归Prosus所有。2021年6月那笔18亿美元的收购，恰好赶在最陡的那一段开始之前十八个月完成。 不只是Stack Overflow Stack Overflow看起来非常显眼，因为它会清晰地发布提问数据统计。但其实，同样的曲线正在很多地方以不同的斜率出现。 Chegg是被公认死得最快的那个。这家2005年做教科书租赁起家、2013年上市的在线教育公司，靠的是同一套模型：把作业题的答案做成可检索的存量资产，用搜索引擎导流，按月收费。 ChatGPT上线后，学生没有理由再付这笔钱。Needham的调研显示，2024年11月有62%的学生打算用ChatGPT，2023年春天这个数字是43%；同期Chegg从38%掉到30%。 2023年它做过一次自救，用GPT-4加自家一亿多条学术内容做了CheggMate，试图证明专业AI值得付费，但学生不认可。 2025年5月裁248人（22%）并关闭美加办公室，10月再裁388人（剩余员工的45%）。2026年4月底股价在1.07美元附近，5月市值约1.25亿美元，较峰值蒸发约99%。从峰值到几乎归零，大约39个月。 自由职业平台是第二个样本，而且分层非常清楚。Fiverr 7月29日公布的2026年第二季度财报：营收9780万美元，同比降10%；其中撮合交易的marketplace收入降15.5%至6310万美元。真正扎眼的是买家数：截至6月30日的年度活跃买家270万，比一年前的340万少了21.9%。但同期人均消费涨了15.6%到368美元，抽成率从27.6%升到28.0%，完成金额在1000美元以上的项目客户数同比增长13%。管理层在电话会上给出了最直白的注解：按TTM口径，写作和翻译类目的跌幅最大，超过24%。全年指引被下调到3.56至3.72亿美元，同比下降14%到17%，并且说这场转型见效可能需要至少六个季度。 同样的逻辑在Upwork和Freelancer.com上重复。 - Upwork 2025年末的活跃客户约78.5万，比2024年的约83.2万少了约4.7万，是它上市以来最大的一次收缩。 - Freelancer母公司FY25集团GMV 8.815亿澳元，同比降7.1%。 这些平台当年的存在理由，是把人的技能商品化以压低成本；现在有一种技术把「输出」进一步商品化了。宾夕法尼亚大学沃顿商学院Manav Raj等人2024年的研究已经量化过这个位移：ChatGPT之后，写作、翻译和基础编码的自由职业需求出现了可测量的替代。 维基百科的情况更微妙，因为它掉的不是贡献，是读者。2025年5月维基媒体基金会更新了机器人识别系统，把一批伪装成人类的爬虫重新归类之后，发现真实人类访问量同比下降了约8%。 产品高级总监Marshall Miller表示：访问变少意味着成长为编辑的志愿者变少，捐款的个人变少。而维基百科的贡献本来就极度集中：研究显示77%的条目出自1%的编辑之手。基金会2026–2027财年年度计划草案里写下了判断：这不是暂时现象，是结构性转变。 Quora走的是另一条路：与其守住问答，不如自己做AI入口。它把资源压在Poe上，2024年1月拿了a16z的7500万美元融资来扩张这个多模型聚合平台。一个问答社区最终把未来押在了替代问答的东西上…… 再往外一圈是整个信息型内容的生意。一项覆盖1065名桌面版Chrome用户的随机对照实验发现，AI Overviews出现时，站外自然点击下降39.8%，零点击搜索上升34.5%，而用户对体验的评价没有可测量的改善。Ahrefs 2026年2月的研究把头部排名页面的点击率降幅算到了58%。后果已经落到了裁员和关站层面：Bauer Media Group 2026年4月宣布关闭德国数字子公司、裁撤160个岗位；运营了21年的公益参考站Overfishing.org关停。 总解一下规律：越是「机器生成的答案在功能上等价于原件」的品类，塌得越快。参考资料、技术文档、定义类内容、how-to教程，全部在这个集合里。反过来，越是需要长期关系、语境和责任承担的工作，越是没什么事。Fiverr的财报也说明了这一点：低值交易在消失，1000美元以上的复杂项目在增长。 更麻烦的是，专家在撤退 如果只是用户换了个地方问问题，故事还算简单。但奥克兰大学商学院的Kenny Ching在2026年7月发布的一份工作论文里，指出了一个更不好办的机制。 他追踪了Stack Overflow上24304名贡献者17个月的行为，发现从2022年起，高声望用户离开平台的速率开始加快，并且逐渐追平了那些本来就流失更快的低声望用户。也就是说，走的不只是提问的人，还有回答的人，而且越是花了多年积累专业能力、在社区里挣到过认可的人，走得越坚决。 Ching给这个机制起的名字叫「信号压缩」（signal compression）。他的解释是：这些人离开的原因是他们辛苦挣来的专业性，已经和一个聊天机器人的回答区分不开了。 当所有人都能用AI产出一份看起来质量不错的东西，付出真实努力这件事就不再是一个可以得到认可的信号。他在采访里把这个逻辑推到了平台之外：同样的情况正在教室、公司和科研共同体里发生，长期风险是「通过摧毁展示真实努力的激励，AI可能会截断未来人类专业能力的形成」。 这和Stack Overflow自己的调查数据是一致的。2025年那份覆盖177个国家、约4.9万名开发者的调查显示，84%的受访者在用或计划用AI工具（2024年是76%），但只有29%信任AI输出的准确性，46%明确表示不信任，「高度信任」的仅3%——在资深开发者里是2.6%。 https://survey.stackoverflow.co/2025 最大的抱怨不是AI不会写代码，而是它写出来的东西「几乎对，但不完全对」，66%的人被这一条困扰，45%说自己花在调试AI代码上的时间是显著的。而当他们不信任AI的答案时，75.3%的人说他们会去问一个人。 问题是，那个人正在离开。 结语 现在把几件事综合起来看看。 Stack Overflow的存量语料以CC BY-SA授权开放，这让它成为被摄取得最彻底的技术语料之一。摄取它的模型，现在正是新增贡献停止的原因。 存量语料是有时间戳的。Stack Overflow上关于jQuery、Python 2和Angular.js的答案会逐渐变得过时。新出的框架、新版本的破坏性变更、某个只有三千人用过的库在特定CUDA版本下的编译错误……这类知识过去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，解决完就消失了。 站方的答案是「可信的人类智能层」。Chandrasekar反复讲这个词：AI有误导风险、可能缺乏复杂度和相关性，因此依托经过策展的知识库、负责任地使用数据的路径是关键的。这在逻辑上没错，但它需要有人愿意持续供给那个层；但Ching的数据说，这些人正在减少。 也有反向的可能。模型未必需要论坛式的Q&A才能学到新知识：它们可以从代码仓库、从官方文档、从与用户的交互日志里学。 谷歌在2026年开放了覆盖约4000万份文档、24小时重新索引的文档API，摆明了是给机器读的。框架维护者也在补课：Next.js的文档里出现了「常见错误」章节，写法几乎就是Stack Overflow答案的样子；Svelte团队干脆自己训了一个基于文档和源码的聊天机器人。知识生产的场所可能只是在迁移，而不是在消失。 但这两种前景之间有一个尚未被回答的差别。论坛式问答有一个副产品：它是公开的、可被第三方检索的、不属于任何一家公司的。文档由维护者写，交互日志归模型厂商所有。当程序员遇到问题的第一反应从「搜一下有没有人问过」变成「问一下」，损失的不只是一个网站的流量，还有一份任何人都能查阅、也能纠正的公共记录。 Lockyer那条推文下的讨论里，开发者Mayberry给了一个不算悲观的预测：博客、小众社区，还有个人账号，可能会重新变得重要，因为「有声誉的人和有原创内容声誉的站点会重新变得值钱」。