Hacker Atlas 那张话题地图的图例里有一行小字：百分比指的是所有主题归属，不是唯一故事数。多数人扫一眼就过去了。我盯着这行看了很久。
整张图的可信度就压在这句话上。
先贴数据结构。
struct assignment {
int story_id;
int topic_id;
};
就两列。没有 weight。没有唯一约束保证一条故事只出现一次。这就是全部。
颜色是主题，图块面积是故事数，连线是主题之间的关联，拖拽缩放，点进去看历史。所有那些东西都是这张表的渲染层。一条 HN 故事可以同时归到多个主题，所以这张表的行数大于故事数。图上的面积、份额、百分比，算的都是这张表的行数占全表的比例：
share(t) = 100.0 * rows(t) / rows(all);
一行就是一个归属。干净得有点不像真的。
然后每个做过 dashboard 的人都会跳出来说：这不对。一份东西被数了两次，加起来会超过 100%。
于是就有了那个修法。把每条故事的权重均摊到它归属的 N 个主题上：
double w = 1.0 / n_topics(story);
share(t) += w;
这下所有主题的份额加起来正好 100%。账面干净得很。
我一开始是站这边的。后来改了。
一条同时讲"AI agent 的监管"和"LLM 应用"的故事，它在这两个话题上都成立。你在两个话题里都看到它，那是信息，不是重复计数。硬把它切成两半，等于宣布这个故事只有一半属于 agent 话题——可它明明是一整个 agent 故事。你为了让一个总和凑够 100 的美观，把每个主题的信号都削薄一层。越细分的主题被削得越狠：一条故事挂五个 topic，每个只剩 0.2。
"看起来对"和"语义对"打架的时候，我站语义。
顺手看了一眼最近七天。AI governance and societal impacts 421 条，LLMs and AI applications 354 条，AI assistants and agents 327 条。前三名全是 AI。第四名是 History and cultural essays，310 条。我不解读这个，只想拿它说明一件事：如果这四条都按 1/N 稀释，它们会一起矮下去，然后你会觉得这周挺平静。
凑出来的 100%，比不整齐的真话贵。
那行小字还有后半句，更少人注意：没被归类的故事根本不进统计。所以那个百分比不是"占全体"，是"占已归类部分"。分母本身就是一个筛过的分母。
/* 分母 */
denom = count(*) from assignment;
/* 不是 */
denom = count(*) from stories;
它没假装自己覆盖了一切——这一点比什么可视化都重要。
说句题外话——分类从来不是发现，是发明。206 这个数字不是从数据里长出来的，是有人坐下来切出来的。换一把刀，就是另一张地图。所以我不指望这张图告诉我"世界现在什么样"，我只指望它告诉我"在这把刀底下，过去这周什么样"。扯回来。
第二个决定比第一个狠
归档里所有时间段，都用当前的分类结果重算。
这意味着它不是一个 append-only 的流水账。你今天看到的去年某个主题的数字，和你去年看到的那个数字，很可能对不上。
我几乎能听见有人拍桌子：这是篡改历史。
我的判断是：这个工具就该这么干。这是它最不讨喜、但最正确的一处设计。
地图是用来比趋势的，不是用来考古的。如果每个月都把当时的分类结果冻起来，你得到的那条曲线没法读——主题涨了多少、分类器改了多少，两种变化叠在一条线里，谁也拆不开。重算之后，整条时间轴上每一格都是同一个分类器打的分。曲线上任何一个隆起，都只能来自外界。
代价也得说清楚：你失去了"分类本身怎么演化"这条信息。这个代价我认。分类器的版本史该待的地方是 git log，不是用户面前的那张图。
实现上大概是这样：
create table assignment (
story_id int not null,
topic_id int not null
);
没有 classify_version 这一列。重跑分类不是 update，是整表重建：
truncate(assignment);
for (s in stories) {
insert_assignments(classify(s));
}
肯定有人要说，那加一列 version，查询的时候按 version 过滤，不就两全了？
/* 所谓"两全" */
insert_assignment(story_id, topic_id, VERSION);
多加一列、多一个索引、多一个"这次查询该选哪个 version"的判断、多一条只在部分查询里正确的路径。为了一个没人真会用的功能，给每一次查询都加一层条件。
这是典型的抽象税，我不交。
第三个决定很小，但是同一种诚实
最新那一格的数据可能还没跑完，站点直接标了。
大部分看板不标。你看到"本周"是一根矮柱子，以为这周冷清，其实才周三。故事还在被归类，数字还在往上爬，你看的是个还在变的数。
要标出一个"未完整"，系统得先知道自己的时间边界在哪。周从周一到周日，月和年按 UTC 日历切。这不是随手一个 date_trunc，是把边界定义写死在代码里，再让"现在"去和它比：
int period_complete(time_t now, const period *p) {
return now >= p->end; /* UTC 整周、整月、整年 */
}
一行。但它把"这个数还没长完"从一句免责声明变成了一个能被算出来的状态。区别很大：免责声明是写给读者的，这个判断是写给程序的。前者可以拿来糊弄，后者不行。
收
这三件事其实是同一件事。地图上每个数字都是"当前分类器 × 当前归档"的一个投影，不是归档本身。承认这一点，比修掉它难得多。修掉它只要一段均摊的代码，承认它要点脸。
所以规则就一条：凡是有人要你为了数据"看起来对"去动它的语义，先让他把那行小字写上。写完还觉得非改不可，再改。
我手头那个玩具存储引擎，去年也干过一次同样的事。给每个 key 加了个权重字段想支持优先级，加了三天，发现调用方全在传 1.0。删了。那玩意儿不该存在。