11 月 1 日，Karpathy 在博客里写了一件小事：周五晚上 11 点，他打开 YouTube 想找点东西看，结果看到一堵被劣质内容糊满的墙——夸张的封面、反复推荐的老话题、一眼就知道在骗点击的视频。他关掉页面，第二天早上给了 Opus 5.5 一个任务：照着 Hacker News 里被推荐过的视频，做一个自己的 YouTube。几个小时后，hackertube.org 上线了。
原文：HackerTube
这件事有意思的地方不在“AI 又会写代码了”。真正稀缺的是另一件事：他知道该让模型去筛什么。
HackerTube 是什么
打开 hackertube.org，界面就是一套熟悉的视频站布局：首页推荐、分类、播放列表、历史记录、稍后再看、设置。差别在于片库小得惊人，也干净得惊人：6454 个视频，来自 2007 到 2026 年，分成 150 个主题。
这些视频不是爬虫随便抓的。Karpathy 先下载了 Hacker News 的全部评论，做了一轮过滤，再让 Sonnet 在 workflow 里逐条判断，去掉垃圾和低质量内容，最后留下约 4 万条“推荐了某个 YouTube 视频”的评论。同一个视频被不同的人反复提到，才有资格进入片库。
这个站不做“猜你喜欢”，它用的是一份更笨的名单：一群人十几年里留下的品味记录。每条记录都带着推荐者自己的理由。
两小时里，模型干了哪些活
按 Karpathy 自己的复盘，整个流程可以拆成四段：
- 拉全量 HN 评论，清掉噪声；
- 用 Sonnet 判断哪些评论真的在推荐视频；
- 把评论里的链接归并成视频，按主题分类；
- 套一个 YouTube 风格的前端，买域名、上 VPS、做安全加固和性能优化。
他把总耗时压在大约两小时。这里面写页面的时间并不多，大头在等模型读完那批评论，以及处理重复链接、失效链接和主题归类。
这解释了为什么这事看起来像“又一个 AI 生成项目”，实际却不是。模型负责的是体力活，人负责的是判断标准：什么算推荐、什么算垃圾、什么主题值得留。
三个刻意的设计
封面是最反平台的一处。HackerTube 不用上传者挑的那张缩略图，而是取视频 50% 位置的画面。平台鼓励你把最抓眼的一帧放到封面上，这个站直接把这条路堵掉，让封面回到“视频中间长什么样”。
推荐也没有账号系统。ForYou 的状态只存在浏览器本地会话里。你看过什么、喜欢什么，不会上传到服务器，也不会变成广告画像。刷新浏览器、换个设备，记录就没了。
导出更像是给同行留的后门。站点数据可以整体导出，交给自己的 Agent 再生成一版。Karpathy 把数据当成了可复制的原料，没有把它锁在域名里。
还有个小细节：键盘快捷键是完整的。对习惯用键盘的人来说，这比多十个推荐位实在。
它真正解决的是“信谁”
YouTube 的问题不只是内容多。推荐系统优化的是停留时长，不是你的满意度。你看得越久，它越确信这类内容对你有效，哪怕你每次关掉页面都觉得浪费了一晚上。
HackerTube 换了一个信号源：Hacker News 的评论。那里的推荐带着上下文——有人说“这个讲清楚了分布式事务”，有人回“第三十分钟开始才有用”。推荐的理由和视频一起被保留下来，而不是只剩下一个孤零零的标题。
这也是它最像“老互联网”的地方：没有账号、没有关注、没有信息流，只有一个被人手工筛过的列表，和一个愿意让你把数据带走的出口。
冷静看：6454 个视频说明不了太多
片库只有 6454 个视频。YouTube 每分钟上传的时长以万小时计，这个数字连一个热门频道都填不满。它更像一本精选集，不是替代品。
HN 的用户结构也决定了它的口味：英语、技术、创业、科学偏多，冷门地区的影像、音乐、纪录片基本进不来。150 个主题听着多，摊下来每个主题四十来个视频，翻两页就到底了。
维护也是问题。链接会失效，视频会下架，HN 的评论还在长。今天能两小时搭起来，明天要持续更新，就得有人定期重跑那条流水线。Karpathy 没提这部分，可能因为他本来也没打算做一个长期产品。
值得抄的不是界面
如果你只想复制一个视频站，这件事的价值很有限。真正能拿走的是那条流水线：先找到一个高质量的人类判断集合，再让模型把它变成结构化数据，最后用一个足够简单的界面呈现。
模型的角色是压缩和归类，判断标准仍然由人给。HN 评论是这样，你自己的收藏夹、群聊记录、邮件列表、笔记库也一样。模型不缺能力，缺的是一份“什么值得留下”的标准。Karpathy 两小时做完，是因为他先想清楚了这份标准长什么样。
还有个挺有意思的对比：平台花十几年训练一个推荐算法，让你多待一会儿；他用两小时做了一个站，让你快点找到想看的东西，然后关掉。