正在发生的范式回归
2022 年以来，一些有趣的现象正在同时发生： 大型语言模型（LLM）改变了人们提问的方式， Newsletter 平台 Substack 成为独立创作者的重要阵地， Mastodon 和 Fediverse 提供了去中心化的社区选项， 独立博客社群出现了小规模的复苏。
这些现象有一个共同的指向：对算法推荐的反弹， 以及对人工策展、社区信任、直接订阅的重新重视。 这不是技术的倒退，而是对过度中介化信息流动的一种修正。
四种新兴信息获取形态
AI 问答
对话式信息获取
LLM 将"提问"从关键词输入变为自然语言对话，本质上是 BBS 发帖问人的 AI 化——你问，AI 综合已有知识回答，省去了等待社区回复的时间。
Newsletter
人工策展的订阅制复兴
Substack、竹白、微信公众号订阅——读者直接订阅信任的创作者，绕过算法推荐。这与 1990 年代的邮件列表在逻辑上几乎完全一致。
Fediverse
去中心化社区协议
Mastodon、Misskey、Pixelfed 基于 ActivityPub 协议，构建互联互通的去中心化社区。这与 Usenet 的去中心化设计有深层的相似性。
独立 Web
个人网站与 IndieWeb 运动
IndieWeb 社区鼓励人们拥有自己的域名和网站，通过 Webmention 协议互相链接——这不就是 Blogroll 文化的现代版吗？
一个核心张力：效率 vs 信任
搜索引擎解决的核心问题是效率：在数十亿网页中找到相关结果，速度在毫秒级。 但效率的代价是信任机制的弱化——你不知道为什么这个结果排在第一位， 你不知道谁在为这个结论背书，你只能依赖算法的黑盒判断。
前搜索引擎时代的信息获取方式效率更低，但信任结构更透明： 一个 Usenet 老用户的推荐，背后是他在这个社区积累的多年声誉； 一位博主的 Blogroll，背后是她对这些来源长期的阅读和筛选。 信任是可溯源的。
未来的信息获取方式，可能需要在效率和信任之间找到新的平衡点。 AI 问答提供了效率，但信任来源仍是黑盒； 去中心化社区提供了透明的信任结构，但效率和覆盖面有限。 这个张力，或许正是下一个信息获取范式需要解决的核心问题。
未来的信息获取，也许不会是搜索引擎的替代， 而是搜索引擎与人工策展、社区信任、AI 辅助的某种混合形态。 历史告诉我们，没有一种方式能够独占信息获取的全部场景。— 研究结论，无搜索引擎时代的信息流动
这个项目的意义
研究没有搜索引擎时代的信息获取方式， 不是为了否定搜索引擎的价值，而是为了理解： 人类在信息获取上有哪些根本性的需求， 以及这些需求是如何在不同技术条件下被不同方式满足的。
当我们看到 Newsletter 的复兴、AI 问答的崛起、独立博客的小规模回归， 我们看到的不是技术的倒退，而是某些被算法时代压抑的人类信息需求 正在以新的形式寻找出口——对人工判断的信任、对可溯源推荐的渴望、 对真实社区感的向往。
理解过去，或许正是设计未来的最好起点。