Rilis HN: HN Update — siaran berita per jam untuk cerita-cerita utama HN

• HN Update adalah halaman yang menggabungkan cerita-cerita teratas di halaman depan Hacker News seperti berita audio, dengan asumsi pembaruan setiap tepat pergantian jam
• Saat ini, siaran mencakup 5 cerita teratas, dan waktu pembaruan terakhir halaman adalah 30 Juni 2026 pukul 11:06 malam
• Cerita yang keluar dari 5 teratas dipindahkan ke arsip, dan ketika terkumpul 10 cerita, semuanya digabung menjadi satu episode recap
• Pemutar audio tersedia masing-masing di siaran utama dan area recap, dengan durasi 9 menit 55 detik dan 19 menit 12 detik
• Area Recaps menyediakan episode-episode sebelumnya dan Load More agar alur Hacker News terdahulu bisa terus ditelusuri

---

Cara pembaruan HN Update

• HN Update mengambil dan menampilkan 5 cerita teratas dari halaman depan Hacker News
• Siklus pembaruannya adalah setiap tepat pergantian jam
• Waktu pembaruan terakhir halaman adalah 30 Juni 2026 pukul 11:06 malam

Susunan siaran audio

• Durasi pemutar audio di bagian atas adalah 9 menit 55 detik
• Di area recap di bagian bawah halaman juga ada pemutar audio terpisah, dengan durasi 19 menit 12 detik

Alur pembuatan Recaps

• Ketika sebuah cerita keluar dari 5 teratas di halaman depan Hacker News, cerita itu dipindahkan ke arsip
• Saat 10 cerita terkumpul di arsip, cerita-cerita tersebut disambung menjadi episode recap
• Di area Recaps Archive, recap-recap sebelumnya dapat dilihat

Item Recaps yang saat ini terlihat

• Di area Recaps terdapat item pada waktu berikut
  • 18 Juni 2026 pukul 11:09 malam
  • 17 Juni 2026 pukul 05:05 sore
  • 17 Juni 2026 pukul 04:14 pagi
  • 17 Juni 2026 pukul 04:06 pagi
• Tersedia Load More untuk memuat lebih banyak item

[GN⁺]

Pendapat di Hacker News

• Banyak reaksi positif, tetapi setelah mendengarkan sebentar, saya merasa kurang cocok. Pertama, pengalamannya terasa terlalu lambat
  Misalnya, membuka beranda HN, memindai judul, lalu membaca komentar di artikel peringkat pertama butuh sekitar 30 detik, dan setelah merasa sudah mendapatkan semua informasi yang diperlukan, saya bisa kembali nanti untuk melihat artikel baru. Namun alat ini butuh 1 menit untuk memberi briefing satu artikel
  Kedua, kegunaannya rendah. Biasanya dalam sehari hanya ada 1–2 artikel di beranda HN yang menarik perhatian, tetapi alat ini besar kemungkinan membacakan artikel yang tidak saya minati. Ini bisa ditingkatkan dengan algoritme yang mempelajari informasi apa yang saya dengarkan dan apa yang saya lewati, tetapi itu tetap bukan kondisi ideal. Mungkin lebih baik jika saat mengklik judul yang menarik, alatnya membuat ringkasan audio yang dipersonalisasi
  Ketiga, ini menghapus nuansa manusiawi HN. Saya suka membaca langsung tulisan yang benar-benar diposting orang, dan menarik melihat ekspresi, nada, serta interaksi masing-masing. Menghapus semua itu dan mendengarkan ringkasan yang terasa seperti robot rasanya seperti mencabut jiwa komunitas. Rasa terhubung dengan orang-orang, yang merupakan bagian terbaik situs ini, jadi berkurang

  • Sepertinya ini kasus penggunaan yang kurang cocok. Bagi saya, ini tidak akan menggantikan membaca halaman depan, tetapi sepertinya bisa menggantikan podcast yang saya dengarkan saat jalan pagi
    Saya juga sangat menyukai tidak adanya bias ala berita atau iklan, dan saya pasti akan mencobanya besok
  • Saya setuju, dan menambahkan beberapa hal: alasan menelusuri HN dalam bentuk teks itu berguna adalah karena jika ada yang menarik perhatian, kita bisa mengikuti tautannya dan mendalami lebih jauh. Dalam format podcast, kita tidak bisa mengklik dan menggali konten yang didengar, sehingga keunggulan ini hilang
    Selain itu, ringkasan tingkat tinggi di HN atau media sosial bukanlah kasus penggunaan saya. Alih-alih benar-benar memberi nilai, itu hanya memberi ilusi seolah-olah bernilai. Yang saya inginkan adalah masuk lebih dalam ke cerita yang membuat saya penasaran
    Ini juga mungkin dilakukan dengan text-to-speech, tetapi pertama-tama feed-nya harus dipilih sendiri, lalu artikel yang sudah diseleksi itu dibahas secara mendalam dalam format podcast
    Justru menurut saya produk yang lebih berguna adalah yang menghilangkan unsur LLM: kita menempelkan daftar thread HN, lalu seluruh komentar dibacakan dengan text-to-speech. Itu bisa didengarkan sebagai konten panjang saat mengemudi atau melakukan hal lain
  • Sebagian besar menyentuh keterbatasan yang sangat jelas, yaitu sifat sekuensial suara sintetis. Fenomena ini paling terlihat pada pembaca layar yang menggunakan sintesis suara
    Ini adalah masalah mendasar dari medianya sendiri, dan ketika text-to-speech kembali populer sekarang, sebagian developer akan menemukannya lagi masing-masing dari awal
  • https://gist.github.com/SMUsamaShah/e7c9ed3936ba69e522f8cb38...
    Userscript ini juga bisa dipakai sebagai bookmarklet, dan membantu cepat mengejar artikel yang belum dilihat. Buka HN lalu tekan bookmarklet, maka artikel baru akan diberi label “(NEW)”, sementara artikel lama akan menampilkan seberapa banyak peringkatnya berubah
    Anda juga bisa menyembunyikan artikel utama, atau mengatur batas jumlah komentar dan skor untuk menyembunyikan atau menampilkan artikel lama. Dengan menelusuri beberapa halaman, Anda bisa cepat mengecek artikel baru yang belum terlihat, sehingga proses catching up menjadi sangat cepat
  • Keren. Saya juga sebenarnya sedang membuat sesuatu yang cukup mirip. Namun dalam kasus saya, fokusnya pada artikel individual. Seperti komentar di atas, saya merasa audio tidak terlalu cocok untuk gambaran umum
    Belum cukup siap untuk Show HN, tetapi kondisi saat ini bisa dilihat di sini
    https://news.gipety.com/hn/10842381/k/218/s/three-years-as-a...
    Sepertinya ini bisa menjadi cara yang cukup bagus untuk memberi kehidupan kedua pada episode Show HN dan Ask HN klasik dari masa lalu

• Ide yang bagus. Semakin tua, energi untuk membaca semakin berkurang, dan ada nilai nyata karena saya sering melewatkan hal-hal sangat keren yang sempat muncul sebentar di halaman depan HN lalu menghilang
  Saya juga suka bahwa komentarnya ikut diringkas. Sering kali ada permata sungguhan jauh di dalam komentar. Sepertinya mereka mungkin hanya mengambil beberapa komentar teratas
  Peningkatan besar mungkin ada pada personalisasi. Sebagian besar halaman depan tidak relevan bagi saya secara pribadi, sementara halaman artikel baru penuh dengan hal-hal keren yang tidak pernah populer. Akan bagus jika sistem mempelajari jenis artikel yang saya respons, lalu menampilkan ringkasan artikel semacam itu meskipun sedang tidak tren
  Last.fm sudah muncul 20 tahun lalu dan menunjukkan bahwa sistem rekomendasi yang bagus tidak harus membutuhkan AI, tetapi tampaknya pengalaman yang dipersonalisasi tidak terlalu mengakar. Algoritme YouTube melakukan itu sampai batas tertentu, tetapi sayangnya kita hampir tidak punya kendali nyata

  • Semakin tua—sekarang saya 50 tahun—kesabaran saya untuk metode selain membaca hampir mendekati nol. Membaca jauh lebih cepat daripada mendengarkan, dan membaca ulang bagian yang tidak dipahami pada awalnya juga lebih mudah dan cepat
    Saya cenderung hanya mendengarkan hal-hal yang tidak terlalu penting atau tidak terlalu bernilai. Jika saat mendengarkan ada sesuatu yang menarik perhatian, barulah saya membacanya
  • Saat ini hanya mengambil komentar teratas dan beberapa komentar anak. Itu agar tidak melampaui context window model
    Personalisasi jelas punya banyak potensi. Namun HN terlalu acak, sehingga kadang saya menemukan sesuatu yang secara intelektual bahkan tidak saya tahu saya butuhkan. Menurut saya ini soal keseimbangan antara eksplorasi dan eksploitasi, seperti kebanyakan sistem rekomendasi
    Untuk produk minimum yang layak, mungkin bisa dilakukan dengan memfilter berdasarkan kata kunci tertentu dan menambahkan artikel-artikel tersebut ke input model
  • Saya tidak tahu mengapa sistem rekomendasi Last.fm dianggap bukan AI. Wikipedia menyebutkan bahwa mereka memakai “collaborative filtering”, dan Gemini mengatakan itu adalah salah satu bentuk AI. AI sudah dimulai hampir 70 tahun lalu
  • Saya setuju soal energi untuk membaca yang berkurang. Saya penasaran apakah ini karena kita menua, atau karena friksi untuk mengonsumsi informasi terus menurun seiring waktu
  • Algoritme YouTube juga bisa dikendalikan secara tidak langsung. Cukup rapikan riwayat tontonan
    Kadang ketika terasa terjebak dalam genre atau bubble tertentu, atau autoplay berjalan saat tidur, halaman beranda jadi dikuasai oleh konten semacam itu. Jika menghapus beberapa video seperti itu dari daftar tontonan terbaru, perbaikannya terasa jelas
    Atau jika mulai memutar beberapa video tentang topik yang ingin ditonton, tak lama kemudian rekomendasinya akan hampir seluruhnya ke arah itu

• Akan menarik jika membuat embedding dari posting HN lama, lalu mengambil rata-rata vektor embedding dari posting yang difavoritkan pengguna, kemudian memilih posting yang mungkin menarik bagi mereka lewat pencarian kemiripan kosinus.
  Sebenarnya akan lebih bagus jika memakai riwayat like, tapi saya tidak yakin apakah itu bisa diakses atau bagaimana caranya.
  Saya juga penasaran bagaimana orang lain memakai embedding. Saya tahu beberapa embedding bisa dirata-ratakan, tapi penasaran apakah ada yang berhasil dengan transformasi lain. Kalau memikirkan contoh seperti King - Man + Woman = Queen, dalam banyak kasus sepertinya pertanyaan langsung dipakai sebagai masukan untuk pencarian semantik atau RAG.
  Saya juga penasaran apakah masuk akal membuat banyak pasangan tanya-jawab lalu melakukan embedding, kemudian mencari transformasi rata-rata yang memindahkan dari “ruang pertanyaan” ke “ruang jawaban”, menerapkan transformasi itu saat meng-embed pertanyaan, lalu menjalankan RAG. Atau mungkin noise-nya malah terlalu besar.

  • Itu berarti mengasumsikan bahwa favorit punya makna tertentu. Setahu saya favorit bersifat publik, dan saya biasanya memakainya untuk melacak dan membagikan komentar yang menarik atau lucu.
    Sebaliknya riwayat upvote bersifat privat, dan lebih sesuai dengan hal-hal yang benar-benar saya pedulikan.
  • Saya tidak begitu tahu penggunaan word2vec bersama RAG, tetapi use case lain cukup umum. Dari pengalaman saya, tidak perlu membuat jawaban.
    Untuk tiap dokumen yang akan dimasukkan ke database vektor, gunakan LLM untuk menghasilkan daftar kemungkinan pertanyaan yang bisa dijawab oleh dokumen itu. Pada dasarnya mirip membuat kuis.
    Embedding pertanyaan semacam itu dipetakan kembali ke dokumen asal, lalu dokumen, potongan dokumen, pertanyaan 1, pertanyaan 2, dan seterusnya disimpan di database vektor.
    Dengan begitu, saat pengguna mengajukan kueri ke RAG, selain koneksi langsung kueri pengguna → potongan dokumen, juga ada koneksi transisi kueri pengguna → kueri serupa → potongan dokumen.
  • Saya penasaran apakah dang memakai embedding, atau ini terjadi begitu saja secara alami.

• Ha, pada jam ini alat ini mengatakan hal berikut tentang dirinya sendiri:
  “Dengan alur yang lebih self-referential, kita melihat peluncuran HN Update itu sendiri. Eksperimen ini bertujuan menyediakan siaran berita tiap jam dengan merangkum posting teratas di Hacker News. Pendengar menyambut baik konsep berita yang dikurasi, tetapi juga ada kekhawatiran soal akurasi ringkasan dan kemungkinan bias dalam penyajian. Diskusi komunitas menunjukkan bahwa meskipun nilai layanan semacam ini jelas, kepercayaan terhadap akurasi konten tetap menjadi isu inti.”

  • Versi saya bahkan menambahkan “dan kepada para pendengar... hai, Ibu!”
    Cukup menggemaskan dan berkesan.
  • Ini membuat saya berpikir, bukankah orang bisa melakukan hal buruk dengan menyisipkan prompt di judul atau isi posting?

• Cukup bagus, tapi sepertinya mengarang isi. Ia mengambil komentar meta[1] tentang format situs web pada posting ini, lalu menyajikannya seolah komunitas khawatir usulan keamanan memori C++ akan membuat kode sulit dibaca di mobile.
  Setelah mendengarnya, saya jadi sulit memercayai ringkasan lain.
  1: https://news.ycombinator.com/item?id=41899828

  • Katanya menambahkan “jangan mengarang” ke prompt bisa membantu. Saya tidak tahu redaksi persisnya, tapi mungkin cukup dengan sesuatu seperti hanya gunakan hal-hal yang ada dalam teks yang diberikan.
  • Benar, itu bukan tampilan yang bagus.
    “Format dan campuran font ini sulit dibaca di mobile.”
    Bagi kita jelas itu komentar meta, tetapi saya rasa memang bisa membingungkan. Namun mestinya bisa disadari bahwa “keterbacaan di mobile” tidak terlalu cocok diterapkan pada bahasa pemrograman C++.
    Saya akan menambahkan ke prompt bahwa komentar bisa saja bersifat meta, bahkan mungkin tidak benar, agar tidak memaksakan makna ke komentar semacam ini.

• Proyek yang cukup menarik. Proyek berbasis HN punya keterikatan emosional yang aneh tapi khusus, karena berfungsi seperti ekstensi atau add-on yang meningkatkan HN pada satu dimensi tertentu.
  Saya rasa saya tidak akan memakai alat ini saat duduk di depan komputer atau mulai infinite scroll di ponsel, tetapi kalau sedang sibuk dan perlu mengecek HN dengan cepat, saya ingin memakainya.
  Sebagai masukan cepat, pertama pada UI/UX, judul dan subjudul tidak banyak memberi tahu tentang aplikasi ini. Trek audio menampilkan progres pemutaran, tetapi tidak menampilkan total durasi dan waktu saat ini. Akan berguna jika trek audio diberi penanda untuk segmen-segmen yang mewakili tiap posting. Sepertinya juga perlu diberi tahu berapa banyak posting yang dirangkum, dan saat ini terlihat seperti 5.
  Untuk use case yang lebih baik, akan lebih masuk akal membuatnya sebagai aplikasi mobile atau PWA agar mudah diakses juga dari sistem infotainment mobil saat mengemudi.
  Jika dibuat sebagai aplikasi mobile dan disediakan sebagai widget dengan tombol putar, jumlah tap yang dibutuhkan untuk memutar siaran bisa dikurangi. Semoga ini membantu sebagai kritik yang konstruktif.

  • Semua poinnya sangat bagus.

• Langkah berikutnya adalah membuat jaringan berita HNN, lalu menyalakan siarannya terus-menerus di TV kantor dengan ticker teks dan presenter berita AI, seperti bank-bank yang memutar CNBC atau Bloomberg News 24 jam.

  • Saya rasa saya benar-benar akan memakainya. Terutama jika ada ringkasan per jam dari berita hari itu seperti kanal berita sungguhan. Tidak perlu menontonnya seharian; tinggal diputar saat sempat.
    Hal terbaik dari alat pembaca konten AI semacam ini adalah kemungkinan pengguna bisa memilih suara, kecepatan bicara, dan sebagainya. Sebagai orang non-Amerika, kanal berita talking head bergaya Amerika cukup mengganggu ketika saya sudah terbiasa dengan aksen saya sendiri. Begitu juga saat ingin mengikuti isu terkini.
  • Saya teringat kepala-kepala berbicara di Batman Beyond, yang mungkin AI.

• Setelah posting ini sendiri menjadi peringkat 1 di HN, saya mulai mendengarkannya, dan situasinya jadi meta: saya mendengar alat ini mengatakan bahwa ia mungkin mengarang isi.
  Proyek yang hebat.

• Benar-benar luar biasa. Akan menyenangkan kalau bisa menambahkan fitur arsip lama, misalnya untuk mendengarkan ringkasan beberapa jam lalu atau briefing pagi.

  • Implementasi arsip sepertinya tidak terlalu sulit.
    Untuk briefing pagi, saya penasaran apakah maksudnya kumpulan berita yang lebih terkurasi, seperti berita paling menarik atau paling banyak didiskusikan pada hari itu. Saat ini kami hanya mengambil 5 posting teratas dari halaman utama.

• Tahun lalu saya membuat https://radio-hn.pages.dev/ dengan ide yang sama. Formatnya hanya sekali sehari, dan waktu itu saya mengunggahnya di suatu tempat di sini

  • Berarti lebih maju satu setengah tahun dibanding NotebookLM
    Saya penasaran apakah kodenya tersedia untuk publik. Terutama bagaimana beberapa pembicara dan suara diimplementasikan
    NotebookLM punya masalah dua orangnya terus bertukar peran. Di satu topik, satu pihak adalah murid dan pihak lain guru, lalu tiba-tiba perannya bertukar dengan cara yang tidak masuk akal
  • Menarik. Saya sebenarnya sempat mencari sebelum mengunggah, tetapi membatasinya hanya ke satu tahun terakhir. Sepertinya tidak muncul di pencarian karena tulisannya sudah berumur dua tahun
    Memang mendahului zamannya