Karpathy用Claude两小时复刻YouTube，HackerTube上线

周五夜里11点，AI大神Karpathy打开YouTube，打算找点视频看。

首页推给他的尽是夸张封面和看过无数遍的老话题。算法推荐让他受不了，第二天他干脆打开Claude，给自己重新造了一个YouTube。

全程只用了两个小时，跑的还是Claude Opus 5.5的Medium推理强度。

HackerTube的网址是：https://hackertube.org/

这个视频站跟最近大火的REA逆向工程一样，整套YouTube网页布局基本被照搬了过来。左侧导航栏列出点赞过的视频、历史记录和稍后再看，右侧推荐流的封面尺寸、发布时间、播放量也一一对应。

他给出的提示词就一句话：「嗨 Claude 早上好你好吗我很好谢谢帮我建一个 YouTube 风格的网站但只限于多年来在 HN 上被反复推荐的视频拜托了。别犯任何错误。」

两个小时的工作流跑完，HackerTube就上线了。站内视频全部来自YouTube，只是Karpathy让Claude写了一套过滤机制，规则是从Hacker News里找出这些年被讨论和推荐过的视频。

用起来和YouTube差不多，能搜视频，也能按主题逛，艺术、软件工程、历史、思想、商业、游戏等分类都在，这6454个视频同样能给出个性化推荐。

点进视频详情页，还能看到来自Hacker News的评论、有多少位HN用户推荐过，以及在什么时间段被推荐。

社交媒体上一时都很兴奋。Karpathy自己提到，他只用Claude Code，推理档位还是Opus 5.5的Medium，就把一个YouTube复刻了出来。

也有人提出疑问：最近Claude的使用限制相当多，REA火了之后，逆向软件常常撞上安全围栏，怎么Karpathy就能拿Opus去逆向YouTube。

港科大一位博士就说，自己只是让Claude帮忙提交任务、跑分析，就被标记成「训练竞争对手」，Opus 5.5被降到了Opus 5。

除了这种逆向一切的能力，大家更在意的另一点是：重建信息入口这件事，现在普通人也有机会用AI来做了。

比如做一个自定义的抖音，或者自定义的Bilibili，里面只放经过筛选的视频；再比如重建一个新闻资讯流，绕开微信的公众号推荐，把自己关注的内容按更合自己口味的方式摆出来，而不是微信推什么就看什么。

已经有网友照着类似思路做出了Hacker Papers，同样是从Hacker News上整理，收进1000多篇arXiv论文。

还有人从HackerNews的发帖里识别出1万5千多本书，做成一个专门推荐书籍的网站。

不少回复也认为，HackerTube真正的创新，是拿真实用户多年来的主动推荐取代观看时长、点击率和缩略图A/B测试作为排序信号，把平台的推荐算法换成了人的推荐信号。

同一套视频，但分发机制换了一套

在YouTube上，推荐系统靠点击、观看时长、留存和互动这些指标来判断什么内容该被看到。

HackerTube最初的筛选信号则来自Hacker News用户多年的主动推荐——一个人觉得某段视频值得分享给另一个人，并且真把链接贴了出来。

所以在AI分类下，排在第一位的推荐视频就是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，把反向传播怎么工作讲清楚。

这种降低「被算法操控」的设计还体现在：网站不需要登录，观看状态存在本地浏览器里。决定观众点不点进去的封面也改得很彻底，上传者精心优化的封面一概不用，只从视频中间截一帧。

作为视频网站，HackerTube也不只是单向浏览，底层数据可以导出，交给自己的AI代理另做一个版本。

说到底，HackerTube的分发机制是把算法服务的对象从平台增长拉回到个人偏好。项目发布后，X上的讨论很快超出了一个AI编程案例的范围。

有一种看法挺有代表性：HackerTube 体现的是「Claude 为用户而战」。短视频和推荐系统天天抢注意力，个人 Agent 却能站到用户这头，帮忙把低质内容挡在外面。

也有人从中看到一个还没被充分开发的市场，那就是个人推荐算法。以往内容筛选和推荐基本攥在平台手里，推荐系统差不多就是平台的地基。用户能接受、能屏蔽、能微调，可要想整套换掉，几乎没门。现在一个开发者靠着 Claude Code，就能把可信社区的数据加工成自己的信息入口。

两个小时还是不够夸张

按 Karpathy 自己的说法，差不多就是给 Claude Code 发一句话，然后等它自动干完。他用的是 Mac 上的 Claude Code 桌面版，默认模型 Opus 5.5，推理强度设为 Medium。他说自己已经不太做读写代码、在终端跑命令这类传统工程活，主要是靠对话让 Claude 去执行任务。

这个项目里，他亲自动手的只有三件事：创建用于查询视频元数据的 Google Cloud API Key、启动 VPS、购买域名。写代码、处理数据、部署、安全加固和优化，全交给了 Claude。

于是有网友开始琢磨：做这种 Agent 项目，终端式的 Claude Code 还算不算最好的接口？桌面应用是不是更适合持续的代理协作？还有人讨论模型推理强度该一直拉满，还是用较低强度配上反复批评和修正。

这些问题恐怕很难有统一答案。不过 Karpathy 的工作流至少说明，AI 编程的分工正在变：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 并没有重建视频托管、上传、版权管理、创作者分成和全球内容分发网络。它依旧依赖 YouTube 的视频与元数据，也站在 Hacker News 近二十年攒下的社区语料之上。

所以能看到，这些视频播放量 Top 排行榜里全是十几年前的东西：排第一的是 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」整蛊梗的常用视频等等。

更准确地说，它是搭在现有平台之上的个性化策展与推荐层。和 YouTube 一样，它将来也要面对类似的局限。比如 HN 用户的兴趣代表不了所有观众，技术社区的品味也不等于普遍意义上的高质量；评论推荐还会受年代、圈层和社区偏好影响。

一些实际试用的人也发现，搜索结果里仍会混进不相关内容，最后还是得人工挑。

伴随而来的还有网站维护的问题。有人在回复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，只能关掉；放到今天，他觉得这件事会容易得多。

AI 正在把「逆向」变成一种通用能力

确实如此，今天几乎什么都能逆向。各种软件的界面和功能复刻，经典游戏的反编译、移植，甚至重新实现游戏玩法，还有逆向电视，越来越多过去需要大量专业开发工作的项目，开始有人试着交给 AI Agent 去做。

网友「逆向」的 Android TV 版，hackertube.tv

严格讲，HackerTube 并没有逆向 YouTube 的代码，也没破解它的推荐算法。Karpathy 只是留下 YouTube 的内容，用 Hacker News 多年积累的推荐数据，重新做了一套筛选、排序和展示机制。

虽然没有重建，但这个过程拆解了视频媒介里最影响个人体验的部分：内容怎么被发现、怎么被排序，以及用户和推荐系统之间到底是谁在服务谁。

某种程度上，这也可以理解为一种逆向，只不过逆向的是更上层的东西，即 YouTube 这款产品所代表的产品形态、信息组织方式，以及内容与用户之间的关系。

这种变化的意义不会只停在复制一个已有产品上，它开始让每个人都去探索：那些原本封闭的系统，如何重新变得可理解、可修改，以及被再次创造。

逆向的本事一旦从代码层往上走，伸到产品、信息结构甚至媒介这一层，大家上网的方式恐怕也会跟着变。