卡帕西受不了 YouTube 推荐，花两小时自己造了一个
打开 YouTube 首页，你看到的是它想让你点的下一个视频：夸张的封面、熟悉的频道、差不多的标题。
Andrej Karpathy 烦的就是这个。他想要的是另一种东西——那个你一年后还会想起的演讲。
11 月 1 日，他上线了一个叫 HackerTube 的网站：只收录 Hacker News 评论区里被人们反复推荐过的 YouTube 视频。
从想法到上线，他说花了大约两个小时。
他只干了三件"人"的事
Karpathy 自己的说法是：申请一个 Google Cloud 的 YouTube 元数据 API key、租一台服务器、买一个域名。
剩下的交给 Claude Code（Opus 5.5）：写代码、建数据管线、做前端。服务器起来之后，他把 IP 丢给 Claude，说"更新、加固、部署、优化"，然后它就做完了。
网站上线 15 小时，他那条推文有 320 万次浏览。
核心不是"AI 写代码"，是那个筛子
HackerTube 的 about 页把流程写得很清楚，我按自己的理解重排了一遍：
第一步，把二十年的 HN 翻一遍。 2007 到 2026 年的全部评论，扫出所有 YouTube 链接——超过十万个不同的视频。
第二步，只留"反复被推荐"的。 一个视频要同时满足两个条件：至少三个不同的人在评论里推荐过它，而且带真实评论、不是甩个链接就走；这些推荐还要分布在至少三个不同的月份。
这一刀下去，十万变七千，最后留下 6,454 个。
第三步，让模型读评论，判断"这是不是在推荐"。 这是整个项目最聪明的地方。
一个链接不等于一个推荐。有人是真心推荐，有人只是引用来源，有人拿它当梗，还有人是在批评它。
Claude 读了 39,834 条评论，连同评论所在帖子的标题，判断每一条属于哪种，再抽一句原话、打几个主题标签。
第四步，给每个视频写卡片。 结合 YouTube 元数据和 HN 说过的话，写出简介、HN 为什么喜欢它、这是什么类型的视频、有没有过时。
第五步，按"被推荐的月份数"排序。 不是播放量，不是点赞数，是在多少个月份里被人重新提起。
一个视频被同一个人转十次，不如被十个人在不同年份各提一次。
它想解决的是"信任"问题
YouTube 的推荐为观看时长优化。它很擅长找到你下一个会点的视频，但不擅长找到你明年还会想起的那一个。
HN 的评论区恰好相反：那里的人会为了一个技术观点吵三百楼，也会认真地说"这个演讲改变了我写代码的方式"。这些推荐散在几百万条评论里，没人整理过。
HackerTube 做的事，本质上是把"一群人长期反复推荐"变成了一个可计算的信号。
这也解释了几个设计细节：
- 首页混排：HN 经典、冷门遗珠（HN 喜欢但播放量很低）、最近热门、你还没探索过的主题；点过几个赞之后，才出现"和你口味相似"和"同一批 HN 用户还推荐了"
- 搜索是语义的：搜"distributed systems"，能找出没出现过这两个词的分布式演讲
- 每个视频页都附真实的 HN 评论，能点回原帖
- 快捷键：
/搜索，j/k上下移动
没有"为你推荐"的黑箱，每一条推荐都能追到一句人话。
它还把整个站打包了
最不像"周末项目"的一点：所有数据公开下载，17.8 MB 的 zip，ODC-By 1.0 许可。
里面是：
videos.jsonl：6,454 个视频的完整卡片（8.6 MB）mentions.jsonl：39,834 条标注过的评论（34.7 MB）taxonomy.json：16 个领域、150 个主题related.jsonl：3,778 个视频的"同好还推荐"embeddings.npy：bge-small 的 384 维向量
还有一个专门写给 AI Agent 看的 DATA.md——文件怎么组织、有哪些坑、示例记录长什么样。
你可以把 zip 丢给 Claude Code，说"给我做一个终端版"、"每周给我发一封我关注主题的邮件"、"按这个数据重做一个界面"。
丑话
1. "4300 万条"不是模型读的数量。 这是最容易误读的地方。Karpathy 后来澄清：Claude 先用 URL、正则和去垃圾把档案缩了一遍，只有剩下的才进了 Sonnet 的工作流。真正被模型逐条判断的是 39,834 条。
这两个数字差了三个数量级，写文章时混着用，就成了"AI 读完 4300 万条评论"的神话。
2. "两小时"是人的时间，不是账单。 两小时里跑了多少 token、花了多少钱，他没说。Opus 5.5 加 Sonnet 的批量标注，成本不会为零。
3. HN 的品味有偏。 英文为主、工程向、男性居多、偏爱底层和怀旧。它能筛出"HN 认为值得看"的视频，不等于"适合你"。中文用户可能会发现，150 个主题里真正对胃口的不多。
4. 它不是 YouTube 替代品。 没有上传、没有创作者、没有评论、没有订阅生态。它是一个索引，一个用社区品味重新排序的播放列表。
5. 上线两天，山寨域名已经出来了。 搜 hackertube 会看到 .org、.run、.video、.com 好几个版本。官方是 hackertube.org，其余的自己判断。
6. 依赖 YouTube。 视频下架、变成私享、地区限制，卡片就会变空洞。它自己解决不了这个问题。
我的判断
这件事被讨论最多的是"两小时做一个网站"。但真正值得看的是另一层：
推荐系统过去是平台资产。 它需要海量用户行为数据、需要 A/B 实验、需要一整个团队。所以"你该看什么"这件事，一直由平台定义。
现在，一个公开的社区档案（HN 二十年的评论）+ 一个能干活的 Agent，就能让一个人定义自己的"值得看"。
这跟"AI 帮你写代码"不是一回事。写代码只是执行；HackerTube 的核心是把一种人类判断——"这个链接是推荐还是引用"——变成了可批量执行的规则。
判断力被编码之后，一个人的品味可以服务很多人。
当然，前提是那个品味本身站得住。HN 的品味有它的盲区，Karpathy 的取舍也有他的偏好。但至少这一次，推荐的理由是公开的，你能点回去看那句原话。
下次再有人抱怨"算法给我推的都是垃圾"，答案可能不是"换个平台"，而是"你自己做一个"。
相关链接：
- HackerTube：https://hackertube.org/
- 关于页（完整流程）：https://hackertube.org/about
- Karpathy 的发布帖：https://x.com/karpathy/status/2116957135661945283
- 数据下载（17.8 MB zip，ODC-By 1.0）：https://hackertube.org/about
暂无评论。