卡帕西两小时用Claude复刻YouTube，打造专属推荐流

周五晚11点，Karpathy打开YouTube想找视频，首页却全是夸张封面和看过多次的老话题。次日他打开Claude，仅用两小时、以Claude Opus 5.5的Medium推理强度，做出了一个YouTube风格网站HackerTube（hackertube.org）。网站复刻了YouTube网页布局：左侧导航栏显示点赞、历史、稍后再看，右侧推荐流保留封面大小、发布时间和播放量。他的提示词只有一句话，大意是“帮我建一个YouTube风格的网站，但只限于多年来在HN上被反复推荐的视频，别犯任何错误”。所有视频来自YouTube，Karpathy用Claude写了过滤机制，规则是从Hacker News上找这些年讨论和推荐过的视频。网站可按艺术、软件工程、历史、思想、商业、游戏等主题浏览，共6454个视频，并能获得个性化推荐；详情页显示来自HN的评论、推荐者数量及推荐时间。

社交媒体对此普遍兴奋：一方面，Karpathy仅用Claude Code和Opus 5.5 Medium推理强度就复刻出YouTube；另一方面，有网友称Claude近期使用限制多，逆向软件常碰安全围栏，港科大博士称自己让Claude提交任务和运行分析，就被标记为“训练竞争对手”，Opus 5.5降级到Opus 5。更多人关心的是用AI重建信息入口：自定义抖音或Bilibili，只含筛选过的视频；或重建新闻资讯流，按自己关注的内容呈现。已有网友做出Hacker Papers，从HN整理1000多篇arXiv论文；还有人从HN帖子识别出1.5万多本书，做成书籍推荐网站。不少回复认为，HackerTube真正的创新是用真实用户多年主动推荐，替代观看时长、点击率和缩略图A/B测试作为排序信号，把平台推荐算法改成人类推荐信号。

YouTube推荐系统主要依据点击、观看时长、留存和互动决定什么被看见；HackerTube最初的筛选信号来自HN用户多年主动推荐——一个人认为某视频值得分享，并真的贴出链接。AI类别下推荐的第一个视频就是Karpathy自己的编程课，逐步写出小型自动求导引擎，再搭建、训练神经网络，讲清反向传播。网站不要求登录，观看状态保存在本地浏览器；封面不采用上传者精心优化的版本，只选取视频中间一帧。用户还可导出底层数据，交给自己的AI代理重做版本。其分发机制把算法服务对象从平台增长拉回个人偏好。

项目发布后，X上的讨论超出AI编程案例。一种代表性观点认为，HackerTube展示的是“Claude为用户而战”：当短视频和推荐系统争夺注意力时，个人Agent可站在用户一边过滤低质量内容。另一部分人看到尚未充分开发的市场——个人推荐算法。过去内容筛选和推荐几乎完全由平台掌握，推荐系统是平台基础设施，用户可接受、屏蔽或微调，却很难更换整个系统；现在一个开发者借助Claude Code，就能把可信社区数据加工成自己的信息入口。

据Karpathy分享，他几乎只发一句话给Claude Code，就等其自动完成。他使用Mac上的Claude Code桌面版，默认模型Opus 5.5，推理强度Medium。他说自己已不太做读写代码、终端运行命令等传统工程工作，主要通过对话让Claude执行任务。项目中他亲手完成的只有三件事：创建用于查询视频元数据的Google Cloud API Key、启动VPS、购买域名；代码编写、数据处理、部署、安全加固和优化都交给Claude。网友由此讨论：做Agent项目时，终端式Claude Code是否还是最好接口，桌面应用是否更适合持续代理协作；推理强度应始终拉满，还是较低强度配合反复批评修正。Karpathy的工作流至少说明，AI编程分工正从“模型补全几行代码”转向“人提出目标、处理少量外部账号和权限，代理完成其余工程链路”。

但“重做YouTube”夸张了。HackerTube没有重建视频托管、上传、版权管理、创作者分成和全球内容分发网络，仍依赖YouTube视频与元数据，也站在HN近二十年社区语料之上。播放量Top榜单多是十几年前视频，第一是Pinkfong《鲨鱼宝宝》，还有鸟叔《江南Style》、“瑞克摇”整蛊梗常用视频等。更准确地说，它是建立在现有平台之上的个性化策展与推荐层。它同样面临局限：HN用户兴趣不能代表所有观众，技术社区品味不等于普遍高质量；评论推荐受年代、圈层和社区偏好影响。试用者发现搜索结果仍混入不相关内容，最后仍需人工挑选。网站维护也是问题，有人怀念他以前的论文工具arxiv-sanity；他说自己也怀念，但当时维护太费工夫只能关掉，放在今天会容易得多。

AI正把“逆向”变成通用能力。如今几乎什么都能逆向：从软件界面和功能复刻，到经典游戏反编译、移植，甚至重新实现玩法，还有逆向电视，越来越多过去需大量专业开发的项目开始交给AI Agent。网友还“逆向”出Android TV版hackertube.tv。严格说，HackerTube没有逆向YouTube代码，也没破解其推荐算法；Karpathy只是保留YouTube内容，用HN多年推荐数据重做筛选、排序和展示机制。虽未重建，却拆解了视频媒介中最影响个人体验的部分：内容如何被发现、如何被排序，以及用户与推荐系统之间谁在服务谁。这也可理解为一种逆向，逆向的是更上层的东西——YouTube代表的产品形态、信息组织方式，以及内容与用户的关系。其意义不止复制已有产品，而是让