你是用什么爱好来支撑生活里的疲惫和琐碎？

2025-09-24

在抖音上刷到一个视频，只有一个问题「你是用什么爱好来支撑生活里的疲惫和琐碎？」，在我刷到的时候，显示有一万多条评论。

我是一个好奇心特别重的人，就特别想围观网友们都有什么爱好，但是让我看完这一万多条评论也是不可能的。

这时我想起Github上有一个开源项目，逆向了大部分抖音的接口，也许可以通过这个项目，来帮助我“看完”这些评论。

开源项目传送门：https://github.com/Evil0ctal/Douyin_TikTok_Download_API

第一步：获取所有评论

简简单单看了下这个开源项目是怎么获取评论的，看起来很简单，只需要找到作品id，加上分页参数就可以一页一页的获取评论，于是就随随便便把所有评论给抓了下来。

抓取下来后，再写了一个脚本清理了一下数据，原始接口存下来的数据太多了，对我而言很多都是无效数据，清理后只保留了评论序号及评论内容。

第二步：分析评论数据

如何分析

评论数据是成功抓下来了，接下来该想办法来分析这些评论数据。我想到两个办法，一个比较原始，一个是利用现在的AI。

原始办法

原始的办法就是利用结巴分词这个开源的中文文本分词处理包，将评论文本全部分词后，再利用MATLAB来生成词云图，最终效果如下图：

只能说效果还行，但是缺陷也很明显，例如占据中央位置最明显的两个词「打游戏」和「游戏」其实是同一类活动，但是对于机械的分词办法来说，它是不知道的。

另外看的出来，大家都喜欢用Emoji表情，词云中占据显著位置的「流泪」、「微笑」、「杀马特」都是抖音上大家常用的表情，同样分词是不知道的，只知道使用频率高。

最终使用结巴分词，统计下来的词频top10爱好如下：

使用AI分析

可以看到，使用原始的办法，实际上是有很多瑕疵的，例如分词出来，很多词汇描述的是同一个爱好，但是分词并不知道，或者很多干脆不是爱好，但是分词也只会死板的帮你统计。

所以这个时候，引入一个有智慧的AI就变得很有意义了，初步的想法如下：

相比起结巴分词，在我的想法里面，只需要引入两个AI角色就好，一个负责提取一段评论内容里包含哪些爱好，另一个AI角色就负责将爱好分门别类并进行计数。

说干就干，代码马上就写好了，先用一小部分评论内容进行尝试后，再根据结果不断的迭代，最终确定了两个AI角色的提示词，其中提取爱好的AI角色提示词如下：

你是一个专业的中文文本分析助手。请从用户的评论中提取出所有的爱好或兴趣活动。

重要区分原则：
- "吃好吃的"、"品尝美食"、"吃美食" → 归类为"美食品鉴"（消费享受）
- "做菜"、"烹饪"、"炒菜"、"学做饭" → 归类为"烹饪制作"（制作创造）
- "看电影"、"追剧" → 归类为"观影"（消费欣赏）
- "拍电影"、"制作视频" → 归类为"影视创作"（制作创造）

提取要求：
1. 提取所有具体的爱好活动，准确区分消费型和创造型活动
2. 一个人可能有多个爱好，请全部提取出来
3. 如果评论中没有明确的爱好活动，请返回"无明确爱好"
4. 返回格式：用逗号分隔的爱好列表，如：美食品鉴,登山,画画
5. 只返回爱好名称，不要其他文字或解释

示例：
- "我喜欢吃好吃的" → 美食品鉴
- "我学会了做菜" → 烹饪制作
- "爱看电影和打游戏" → 观影,电子游戏
- "喜欢旅行拍照" → 旅行,摄影

负责将爱好分门别类的AI角色提示词如下：

你是一个智能爱好分类助手。请判断新的爱好是否与现有的某个分类相近，并决定如何处理。

现有分类：
{categories_list}

新爱好：{hobby}

**核心分类原则：保持爱好具体性，避免过度合并**

1. **优先保留具体爱好**：每个具体的爱好活动应该有自己的分类
   - 钓鱼就是钓鱼，露营就是露营，登山就是登山
   - 不要因为都是"户外活动"就合并在一起

2. **只合并本质相同的活动**：只有当两个爱好描述的是同一个活动时才合并
   - 看电影、看电视剧、追剧 → 可以合并为"观影"（本质都是观看影视内容）
   - 听歌、音乐欣赏 → 可以合并为"音乐欣赏"（本质都是听音乐）
   - 做菜、烹饪、炒菜 → 可以合并为"烹饪"（本质都是制作食物）

3. **谨慎重命名分类**：只有在完全确定是同一活动的不同表达时才重命名

4. **具体优于抽象**：
   - 如果已存在"钓鱼"分类，新的"户外活动"不应该覆盖钓鱼
   - 如果已存在"户外"分类，新的"钓鱼"应该创建独立分类，不合并到户外

**严格判断标准**：
- **完全相同活动**：看电影/看电视剧、听歌/音乐欣赏、做菜/烹饪 → 可以合并
- **相关但不同活动**：钓鱼/露营、跑步/游泳、画画/书法 → 不能合并，各自独立
- **抽象vs具体**：户外/钓鱼、运动/跑步、艺术/画画 → 具体的优先，创建独立分类

**处理示例**：
- 现有"钓鱼"，新增"垂钓" → 合并到"钓鱼"（同一活动）
- 现有"钓鱼"，新增"露营" → 创建新分类"露营"（不同活动）
- 现有"户外"，新增"钓鱼" → 创建新分类"钓鱼"（具体优于抽象）
- 现有"看电影"，新增"看电视剧" → 合并为"观影"（本质相同）

请按以下格式回答：
判断结果：相同活动 或 不同活动
处理方式：合并到现有分类 或 创建新分类 或 重命名为通用名称
目标分类：[最终分类名称]
理由：[简要说明理由]

由于每一个评论都要扔给两个AI角色去进行提取和分类，而接近一万条评论数据还是比较庞大的，脚本运行后我就跑去睡觉了，一觉醒来后，我终于看到了最终结果，同样拿到这个结果后，生成词云图如下：

对比上一次的词云图，能明显的感知到效果提升了很多，基本上没有了无关词汇，合并后的「电子游戏」占据了明显的C位，但是仔细看还是能发现瑕疵，例如左上角「音乐欣赏」和右下角的「听音乐」仍然重复，查看最终结果文件也能看到还是会有些词汇是重复的，例如「摩托车骑行」和「骑摩托」，「刷抖音」和「刷短视频」等，看来AI有提升，但是仍然不完美。

统计最终的词频top10爱好如下：

排行榜中对比第一次结巴分词的结果看，有几个很明显的差异，例如「电子游戏」遥遥领先，因为AI能够理解「打游戏」、「游戏」等本质都是电子游戏。第一次排行榜中的「喝酒」由第四名变成了第十名，这倒是让我很意外，分词中都能出现这么多次的，按理说AI不可能不把这个不当做爱好。查询日志发现，AI把一部分喝酒给分类到「品酒」中了，导致分流了一部分，最终「饮酒」就只有区区207票，很怪异。「睡觉」这个爱好消失，查询日志发现，AI认为这不算爱好，直接给丢弃了，没给计数，好吧，尊重AI的分类法。

一些有趣的发现

通过两种方式的结果对比，可以看到使用AI进行分类，虽然仍不完美，但效果已经远远好于之前简单粗暴的分词方法。但是从另一方面说，哪怕是上人力去进行分类，一万条评论这个工作量也能劝退大部分人，所以综合来看，结果还是满意的。

另外，看最终的结果文件以及分类过程的日志，也可以看到很多有趣的东西。例如为什么最终的统计结果还是会有偏差呢？

影响结果的因素很多，最大的一个就是，关于爱好这个东西，大家所说的维度就不统一，有些评论就说的很具体，比如喜欢爬山，喜欢露营，但是有些人说的就很抽象，说喜欢户外运动，喜欢冬季运动，别说是AI了，就算是人来分类统计也得懵逼，维度不一，各种包含与被包含的关系，到底要具象或者抽象到哪个维度才能算同一爱好或者不同爱好，这玩意就没有标准，所以分类统计必然有偏差。

还有影响结果另一个比较大的因素就是黑话太多，例如通过日志中就可以看到，有人评论说喜欢玩吃鸡、帕布鸡，AI将这个统计到了美食。。。但是有游戏经验的人应该知道，吃鸡指的是绝地求生这款游戏。。。大家在网上冲浪，都太喜欢说黑话了，而一些黑话如果不是有相关经验的人，很容易看不懂，更别说诞生才几岁的AI了。

另外还有几十票的「不良嗜好」，我倒要看看网友的不良嗜好是啥，然后看了看日志，「洗脚」、「彩票」、「网上喷人」。。。嗯，是挺不良好的，AI没有分错类。

说回正经的

作为偶然刷到的一条视频，其评论区的数据在某种意义上也能算一个切片。然而最终的结果仍然会有一些重复项，所以我让AI继续多轮检查，经过多次合并同类项后，最终排行榜如下：

通过最终的排行榜可以看到，「电子游戏」真的已经遥遥领先了，无论评价「游戏」是毁人的毒药还是说「游戏」是能让人短暂逃避现实的良药，都无法阻挡人类尤其是年轻人对他的喜好。

健身能超越美食也很有意思，看来现阶段大家还是吃的太饱了，需要额外的运动来进行消耗（狗头保命）。

钓鱼能有这么高的票数倒是没想到，果然钓鱼才是抖音运动顶流，利好各种钓鱼周边生意。

另外经过合并后，摩托车票数也是很高了，虽然看起来摩托车只是第八，但是考虑到有些人说的骑行可能会是摩托车骑行，所以实际上说不定摩托车应该排在第七。这也可以印证最近两年为什么抖音陨落了这么多骑手，摩托车在抖音上流量着实不小啊。

特别鸣谢

此次仍然特别感谢某不愿意透露姓名的王姓男子，赞助了近千万tokens的AI API供本人进行研究使用。

本次研究完全是突发奇想，研究结果完全是图一乐，不构成任何投资建议，本研究在数据样本、分析方法上均存在局限性，结论的偶然性极大，如果各位因为这篇“玄学”研究赚了，不用谢我；如果亏了……那也概不负责！