起因很具体：不想再看推荐流

Karpathy 的原文说，周五晚上 11 点他打开 YouTube，看到的是夸张缩略图、重复主题和「白痴化」的内容。他承认这套算法对大多数用户可能有效，但对他无效。于是周六早上，他把任务交给 Opus 5.5：用 Hacker News 上被推荐过的视频，做一个自己的 YouTube。

结果就是 hackertube.org。整个过程约两小时，用的是 Claude Code 桌面版、Opus 5.5、Medium effort。他的原话是，自己已经不做传统意义上的工程——不读写出代码、不跑终端命令，只跟 Claude 说话。

数据管线才是主体

HackerTube 的内容不是模型生成的，而是从 HN 评论里挖出来的：Opus 下载了 HN 的全部评论，先做过滤，再用 Sonnet 在一个 Workflow（Claude Code 的功能）里清洗垃圾信息，最后收敛到约 4 万条「推荐了某个 YouTube 视频」的评论，对应 6,454 条视频，时间跨度 2007–2026，覆盖 150 个主题。

这一步决定了产品质量：源是人工推荐，天然带筛选；模型做的是去重、分类和清洗，不负责「编内容」。相比让模型直接生成推荐，这种管线更慢，但可解释、可复现，也不容易陷入自我循环。

产品上的几个选择

界面是 YouTube 式的，但去掉了账户体系：推荐状态存在浏览器本地会话，不登录也能用；缩略图用视频的 50% 帧，而不是上传者选的那张；支持键盘快捷键；整站数据可以导出，交给 agent 改成自己的版本。这些选择都指向同一件事——不靠算法留住用户，靠「源的质量」和「可带走的数据」。

两小时不包括什么

Karpathy 自己列了手工部分：去 Google Cloud 控制台申请 YouTube Data API key、开一台 VPS、买域名。这些事对熟练开发者可能只要几十分钟，对不熟悉云平台的人是另一回事。另外，两小时的前提是 Opus 5.5 这种级别的模型、Claude Code 的 Workflow、以及一个已经存在的高质量评论库；换成弱模型或没有现成数据源，时间会明显拉长。

对独立开发者的启示

  • 先找「人已经筛过一遍」的数据源，再让模型做清洗，不要从零生成内容。
  • 把非代码工作（API key、域名、部署、备案）单独列工期，别混进「两小时」。
  • 第一版只做读和看，不做登录、评论、推荐；账户体系是最大的复杂度来源。
  • 把数据导出做成产品的一部分，用户能带走，才愿意进来。
两小时省掉的是敲代码，不是选数据源、申请 key、部署和判断什么值得做。