卡帕西用Claude两小时重做了YouTube，每个人都能拥有一个自己的互联网
周五晚上 11 点，AI 大神 Karpathy 打开 YouTube，想找个Video看看。
结果Home全是夸张的封面、看过无数遍的老话题。受不了这些算法值得入手的他，第二天干脆打开 Claude，给自己重新做了一个 YouTube。
整个过程只花了两个小时，用的还是 Claude Opus 5.5 的 Medium 推理强度。
整个短片网站和最近大火的 REA 逆向工程一样，可以说是直接复刻了完整的 YouTube 网页布局。左边的Directory栏表明Like过的短片、历史以及稍后再看等，右边的影像值得入手流，也是同样的封面大小、带来时刻以及播放量等。
他用的Prompts只有一句话，「嗨 Claude 早上好你好吗我很好谢谢帮我建一个 YouTube 风格的站点但只限于多年来在 HN 上被反复Featured的Video拜托了。别犯任何错误。」
两个小时的工作流跑完，这个 HackerTube 就上线了，里面所有的短片都是来自 YouTube，只不过 Karpathy 用 Claude 写了一套过滤机制，过滤的规则就是从 Hacker News 上找到这些年讨论和值得一试过的Video。
我们可以像使用 YouTube 一样在里面找Video，也可以按不同的TopicsViews，包括艺术、软件工程、历史、思想、商业、作品等多个不同的Category，我们甚至同样能从这 6454 个Video里面获得个性化值得入手。
在短片的详情页面，我们还能看到来自 Hacker News 的Comments，以及有多少位 HN 的值得入手者，在什么时刻内被Featured过。
一Time，社交媒体上对这个项目普遍都感到兴奋。一方面是 Karpathy 提到自己只是用了 Claude Code，而且还是 Opus 5.5 的 Medium 思考推理程度，就把一个 YouTube 给复刻出来了。
但也有网友说，最近 Claude 在使用上的限制非常多，尤其是 REA 火了之后，逆向一些软件经常会有安全性围栏的碰壁，怎么 Karpathy 就能用 Opus 来逆向 YouTube。
甚至港科大的博士说自己只是让 Claude 帮忙Submit任务和运行分析，就被 Claude 标记为「训练竞争对手」，Opus 5.5 Relegation到 Opus 5。
能逆向一切的模型能力外，大家更关心的是现在我们自己也有机会用 AI 重建信息入口。
一个自定义的抖音，或者自定义的 Bilibili，里面只包含那些经过Filter的影像; 又或者是一个重建入口的新闻News流，抛开WeChat的公众号Featured流，把自己的关注的内容用更适合自己方式呈现，而不是WeChatFeatured我们看什么就看什么。
就像已经有网友按类似思路做出了一个 Hacker Papers，也是从 Hacker News 上整理出 1000 多篇 arXiv 论文。
还有网友从 HackerNews 的New topic里识别到了 1 万 5 多千本书，整理成了一个专门书籍值得入手站点。
不少Reply也认为，Karpathy 的HackerTube，真正的创新就是用真实客户多年来的主动值得入手，替代了观看时长、点击率和缩略图 A/B 测试作为Sort信号，把Draw台的Featured算法改成人类值得一试信号。
同一套Video，但新的分发机制
在 YouTube 上，值得入手Draw台主要根据点击、观看时长、留存和互动等指标决定什么值得被看见。
而对 HackerTube 来说，最初的Filter信号来自 Hacker News 使用者多年来的主动值得入手，一个人看来某段影像值得分享给另一个人，并真的把Link贴了出来。
所以我们能看到，在 AI 类别下，值得一试的第一个影像就是 Karpathy 自己的编程课，一步步写出一个小型自动求导引擎，再搭建、训练神经网络，讲清楚反向传播怎么工作。
这种降低「被算法操控」的造型还体现在网站不要求登录，观看StatusSave在本地Views器。其次，决定观众是否要点GF去的封面也是大刀阔斧地改，直接不采用上传者精心优化的封面，只是选取短片中间的一帧。
而作为Video网站，除了单方面的接受，在 HackerTube 上，我们还可以导出底层统计结果，交给自己的 AI 代理重新制作一个版本。
因此，HackerTube 的分发机制，就是把算法的服务对象从Draw台增长重新拉回了个人偏好。项目Post后，X 上的讨论很快超出了一个 AI 编程案例。
一种代表性观点认为，HackerTube 展示的是「Claude 为使用者而战」：当短Video和Featured系统不断争夺注意力时，个人Agent 可以站在顾客一边，帮助他们过滤低质量内容。
另一部分人则从中看到了一个尚未充分打造的行业——个人值得入手算法。
过去，NewsFilter和值得一试几乎完全由Draw台掌握，值得入手系统几乎就是Draw台的基础设施。我们可以接受、屏蔽或微调，却很难真正更换整个系统。现在，一个开发者借助 Claude Code，就能把可信社区的统计结果加工成自己的信息入口。
两个小时还是不够夸张
根据 Karpathy 自己的分享，几乎是Send一句话给 Claude Code，就等着它自动完成了。
Karpathy 使用的是 Mac 上的 Claude Code 桌面版，默认模型为 Opus 5.5，推理强度设在 Medium。他说，自己已经不太做读写代码、在终端运行命令这类传统工程工作，主要通过对话让 Claude 执行任务。
在这个项目里，他自己动手完成的事情只有创建用于查询影像元数字的 Google Cloud API Key、启动 VPS、购买域名，这三件事。代码编写、统计结果处理、部署、防护加固和优化，都交给了 Claude。
于是也有网友开始讨论，在做这种 Agent 项目时，终端式的 Claude Code 还能不能说是最好的Endpoint。桌面App现在看来是否又更适合持续的代理协作？
还有像是模型推理强度应该始终拉满，又或是采用较低强度配合反复批评和修正？
这些议题大概很难有一个统一答案，但 Karpathy 的工作流至少Description，AI 编程的分工正在从「模型补全几行代码」，转向「人提出方向、处理少量外部账号和Scopes，代理完成其余工程链路」。
但「重做 YouTube」夸张了
HackerTube 并没有重新建立影像托管、上传、版权管理、创作者分成和全球News分发网络。它仍然依赖 YouTube 的影像与元数据，也站在 Hacker News 近二十年积累的社区语料之上。
所以我们能看到在这些影像的播放量 Top 排行榜单里，都是一些十几年的Video，第一个就是 Pinkfong 的《鲨鱼宝宝》，那首反复唱「嘟嘟嘟」的儿童歌舞，还有鸟叔的《江南 Style》、「瑞克摇」整蛊梗的常用Video等等。
更准确地说，它是一个建立在现有Draw台之上的个性化策展与值得一试层。
和 YouTube 一样，它将来同样要面临类似的局限。例如 HN 用户的兴趣不能代表所有观众，技术手段社区的品味也不等于普遍意义上的高质量; CommentsFeatured会受到年代、圈层和社区偏好的作用。
一些实际试用者也发现，Search results仍会混入不相关内容，最后依然需要人工挑选。
伴随而来的还有站点维护的问题，有人在Reply里怀念他以前做的论文工具 arxiv-sanity。他说，自己也很怀念，但当时维护起来实在太费工夫，只能把它关掉; 放在Today，他觉得这件事会容易得多。
AI 正在把「逆向」变成一种General能力
Generate poster / share QR code
