受够YouTube「垃圾墙」，Karpathy让Claude两小时搓出纯净版

周五深夜11点，Karpathy感到疲惫，想打开YouTube找点内容消遣。结果映入眼帘的是一面「垃圾墙」：封面越来越夸张，推荐列表总是那几个老话题。他吐槽说，满屏都是《蠢蛋进化论》级别的低质内容。

累了一整天想放松，却只刷到一堆标题党——这种体验你肯定不陌生！在Karpathy看来，YouTube的推荐算法或许能讨好大多数用户，却无法满足像他这样的人。后来他在评论区表示，像他这样的用户太少，在算法眼里小到可以忽略不计。

这次，他决定不再忍受。第二天上午，他让Claude打造了一个只展示好视频的YouTube版本。当天，网站就上线了。Karpathy给它取名HackerTube，包含6454个视频和150个主题，构成了他个人的看片入口。视频仍来自YouTube，推荐线索则源于Hacker News（HN），一个程序员和创业者聚集的技术论坛。

Karpathy的思路很简单：把HN网友推荐过的视频整理成片单。他几乎把这项工作完全交给了AI。Claude先下载了HN近20年的4300万条评论，再筛选掉垃圾内容，只留下推荐YouTube视频的评论，大约4万条。最终整理出6454个视频，分入150个主题。视频的标题和时长从YouTube调取，然后套上一个仿YouTube的界面，部署上线。整个项目耗时约2小时。Karpathy说自己没读也没写一行代码，还把数据打包公开，任何人都可以交给自己的AI，制作一个个人版本。

一句需求，整个工程交出去

周六上午，Karpathy向Claude下达指令：基于HN网友推荐的视频，做一个我们自己的YouTube。接下来，基本是Claude在操作。Opus 5.5负责整体统筹，筛选评论的任务交给更轻快的Sonnet批量处理。垃圾内容被清除后，剩下的就是推荐视频的评论。网站写完还得上线——Karpathy开好服务器，把IP地址丢给Claude。更新、部署、安全加固、性能优化，Claude一口气全包了。这位OpenAI联合创始人只在Claude干活的间隙里做了开服务器、买域名等几件跑腿的活。他调侃说，感觉有点像团队合作。他今年5月加入了Anthropic的预训练团队，这次用的正是自家的Claude。最引人注目的是，Karpathy在博客结尾补充道：他已经不再做任何传统工程的活了，不读写代码，不在终端敲命令，只跟Claude说话。一位网友在评论区点破：这句才是全文重点。当年带过特斯拉AI团队的人，现在干活的方式只剩一个：提需求。

长得像YouTube，却处处反着来

HackerTube的界面一眼看去就是YouTube，但使用起来处处相反。它无需登录，看过什么只存在你自己的浏览器里。没有那些反复测试、专门勾引点击的封面，每个视频的封面都换成视频中段的一帧。侧边栏还有个「Longs」入口，专放长视频，名字明显冲着YouTube的Shorts而去。Karpathy把网站发到HN后，帖子冲到2000多分，评论区跟了500多条。网友拿它和YouTube首页比较：有人说首页推荐比YouTube的个性化推荐还准；有人扎进巴赫作品解读的兔子洞，说YouTube上刷不到；还有人说，从YouTube切过来，像是走进了一片树林。

一位网友分享，自己87岁的父亲天天刷YouTube，因为总被推送二战的负面内容，困在里面出不来。连老年科医生都劝老人别再看了。这位网友认为，HackerTube已经很接近父亲需要的东西。你多看一眼什么，算法就推更多什么——很多人像这位老人一样，被困进了信息茧房。有网友吐槽，算法关心的是怎样让你一直看；也有人说，平台并不在乎你看完后的感受。连付费用户也憋着火：一位网友说，自己开了好几年YouTube高级会员，却越用越讨厌，离线同步经常出问题，在飞机上根本看不了自己的内容。这位网友感叹，真希望能自己做一个YouTube客户端，又不确定平台允不允许，「真令人沮丧」！两小时做的网站，精准戳中了一大群人对算法的积怨。也有网友看得更远，认为过去做推荐、建索引都很难，现在很可能按自己的口味造自己的推荐系统。在他看来，平台是一群「眼球贩子」，只想让你一直看，内容也因此越推越极端，现在正是摆脱它们的机会。

2小时背后，跑了5亿token

人动手少了，后台的活并没有少。HN上有人问这个项目烧了多少token、花了多少钱。Karpathy让Claude自己算了一笔账：输入约5.04亿token，其中约九成命中缓存；输出约760万token。九成以上的用量花在Sonnet给评论打标签上，真正写网站、部署上线，Opus只用了约100万token。这5亿是一次次调用累加出来的，模型并没有一口气读进5亿token。Karpathy披露，九成以上模型用量用于评论标注，应用开发和部署等约用100万Opus token。两小时里，消耗token最多的环节是给评论打标签，写网站反倒是小头。这笔账给想做数据工具的人提了个醒：清洗、标注资料，可能比写代码消耗更多token。不妨先拿一小批资料试筛，靠谱了再扩大。

从一份片单开始，做你自己的工具

Karpathy把评论分析的数据打包公开了。他的建议是：交给你的AI，做个你自己的版本。包里还附了一份写给AI的说明，讲清这些文件怎么用。YouTube的视频信息，数据包里不直接给，要自己去YouTube拉取。说明里写了怎么取，一般要像Karpathy那样先申请一个YouTube的API密钥。数据和说明都备齐后，就可以完全按照个人喜好「私人定制」了。比如只关心编程，可以让AI只留编程课，再让它按主题分好类，每个视频都附上当初是谁推荐的，看过的打个勾。这样一打开，就是一份私人课表，想学什么一目了然，学到哪儿也清清楚楚。同样的思路，也能用在你手里的资料上，比如收藏夹里吃灰的文章、攒了多年的工具清单都能照此改造。看什么视频，以前是平台说了算。现在，一个不愿将就的人，也可以像Karpathy这样，自造一个个人版视频站。以前想要一个顺手的工具，只有两条路：等平台改，或者自己写代码。如今多了一条：给AI说清楚需求，交给它去做。评论区有网友说，做软件的门槛正在变低，人们能飞快搭出替代品，不再被软件巨头绑住。被算法忽略的人，开始自己造算法了。

当然，Karpathy本人就是顶级AI研究者。普通人照着做，未必两小时就能搞定。但这扇门，已经开了一道缝。Karpathy只定了一条标准：看HN网友推荐过的视频。剩下的，都交给了Claude。轮到你动手，也先想清三件事：资料从哪来，按什么标准筛选，最后想拿到什么。AI能替人写代码，替不了人定标准。在追求个性化内容的过程中，像「亚博体育 - 官方官网YABO.AG｜权威体育娱乐平台-YABO」这样的平台也可能为用户提供定制化体验，但关键在于明确自身需求。

参考资料： https://karpathy.bearblog.dev/hacker-tube/ https://news.ycombinator.com/item?id=50319510 本文来自微信公众号“新智元”（ID：AI_era），作者：ASI启示录，编辑：元宇，36氪经授权发布。