# 卡帕西用Claude两小时重做了YouTube，每个人都能拥有一个自己的互联网 - 作者：张子豪 - 发布时间：2026-11-02 16:03 - 分类：公司 - 原文：https://www.ifanr.com/1687094 ![](https://s3.ifanr.com/wp-content/uploads/2026/11/home.jpg) 周五晚上 11 点，AI 大神 Karpathy 打开 YouTube，想找个视频看看。 结果首页全是夸张的封面、看过无数遍的老话题。受不了这些算法推荐的他，第二天干脆打开 Claude，给自己重新做了一个 YouTube。 整个过程只花了两个小时，用的还是 Claude Opus 5.5 的 Medium 推理强度。 ![Image](https://s3.ifanr.com/wp-content/uploads/2026/11/lark2pad-1793602710911-1.png) 图｜HackerTube 网址：https://hackertube.org/ 整个视频网站和最近大火的 REA 逆向工程一样，可以说是直接复刻了完整的 YouTube 网页布局。左边的导航栏显示点赞过的视频、历史以及稍后再看等，右边的视频推荐流，也是同样的封面大小、发布时间以及播放量等。 他用的提示词只有一句话，「**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，这个 HackerTube 就上线了，里面所有的视频都是来自 YouTube，只不过 Karpathy 用 Claude 写了一套过滤机制，过滤的规则就是从 Hacker News 上找到这些年讨论和推荐过的视频。 ![Image](https://s3.ifanr.com/wp-content/uploads/2026/11/lark2pad-1793602730234-2.png) 我们可以像使用 YouTube 一样在里面找视频，也可以按不同的主题浏览，包括艺术、软件工程、历史、思想、商业、游戏等多个不同的分类，我们甚至同样能从这 6454 个视频里面获得个性化推荐。 在视频的详情页面，我们还能看到来自 Hacker News 的评论，以及有多少位 HN 的推荐者，在什么时间内被推荐过。 ![Image](https://s3.ifanr.com/wp-content/uploads/2026/11/lark2pad-1793602741702-3.png) 一时间，社交媒体上对这个项目普遍都感到兴奋。一方面是 Karpathy 提到自己只是用了 Claude Code，而且还是 Opus 5.5 的 Medium 思考推理程度，就把一个 YouTube 给复刻出来了。 但也有网友说，最近 Claude 在使用上的限制非常多，尤其是 REA 火了之后，逆向一些软件经常会有安全围栏的碰壁，怎么 Karpathy 就能用 Opus 来逆向 YouTube。 ![](https://s3.ifanr.com/wp-content/uploads/2026/11/PixPin_2026-11-02_15-08-24.jpg) ![Image](https://s3.ifanr.com/wp-content/uploads/2026/11/lark2pad-1793602756999-4.png) 甚至港科大的博士说自己只是让 Claude 帮忙提交任务和运行分析，就被 Claude 标记为「训练竞争对手」，Opus 5.5 降级到 Opus 5。 ![Image](https://s3.ifanr.com/wp-content/uploads/2026/11/lark2pad-1793602760259-5.jpg) 能逆向一切的模型能力外，大家更关心的是现在**我们自己也有机会用 AI 重建信息入口。** 一个自定义的抖音，或者自定义的 Bilibili，里面只包含那些经过筛选的视频；又或者是一个重建入口的新闻资讯流，抛开微信的公众号推荐流，把自己的关注的内容用更适合自己方式呈现，而不是微信推荐我们看什么就看什么。 就像已经有网友按类似思路做出了一个 Hacker Papers，也是从 Hacker News 上整理出 1000 多篇 arXiv 论文。 ![Image](https://s3.ifanr.com/wp-content/uploads/2026/11/lark2pad-1793602764885-6.png) 还有网友从 HackerNews 的发帖里识别到了 1 万 5 多千本书，整理成了一个专门书籍推荐网站。 ![Image](https://s3.ifanr.com/wp-content/uploads/2026/11/lark2pad-1793602774495-7.png) 不少回复也认为，Karpathy 的HackerTube，真正的创新就是用真实用户多年来的主动推荐，替代了观看时长、点击率和缩略图 A/B 测试作为排序信号，**把平台的推荐算法改成人类推荐信号。** ## 同一套视频，但新的分发机制 在 YouTube 上，推荐系统主要根据点击、观看时长、留存和互动等指标决定什么值得被看见。 而对 HackerTube 来说，最初的筛选信号来自 Hacker News 用户多年来的主动推荐，一个人认为某段视频值得分享给另一个人，并真的把链接贴了出来。 ![Image](https://s3.ifanr.com/wp-content/uploads/2026/11/lark2pad-1793602794277-8.png) 所以我们能看到，在 AI 类别下，推荐的第一个视频就是 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，讲清楚反向传播怎么工作。 这种降低「被算法操控」的设计还体现在网站不要求登录，观看状态保存在本地浏览器。其次，决定观众是否要点进去的封面也是大刀阔斧地改，直接不采用上传者精心优化的封面，只是选取视频中间的一帧。 而作为视频网站，除了单方面的接受，在 HackerTube 上，我们还可以导出底层数据，交给自己的 AI 代理重新制作一个版本。 因此，HackerTube 的分发机制，就是把算法的服务对象**从平台增长重新拉回了个人偏好。**项目发布后，X 上的讨论很快超出了一个 AI 编程案例。 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不断争夺注意力时，个人Agent 可以站在用户一边，帮助他们过滤低质量内容。 ![Image](https://s3.ifanr.com/wp-content/uploads/2026/11/lark2pad-1793602813347-9.jpg) 另一部分人则从中看到了一个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，推荐系统几乎就是平台的基础设施。我们可以接受、屏蔽或微调，却很难真正更换整个系统。现在，一个开发者借助 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 根据 Karpathy 自己的分享，几乎是发送一句话给 Claude Code，就等着它自动完成了。 Karpathy 使用的是 Mac 上的 Claude Code 桌面版，默认模型为 Opus 5.5，推理强度设在 Medium。他说，自己已经**不太做读写代码、在终端运行命令这类传统工程工作**，主要通过对话让 Claude 执行任务。 在这个项目里，他自己动手完成的事情只有创建用于查询视频元数据的 Google Cloud API Key、启动 VPS、购买域名，这三件事。代码编写、数据处理、部署、安全加固和优化，都交给了 Claude。 ![Image](https://s3.ifanr.com/wp-content/uploads/2026/11/lark2pad-1793602848946-10.jpg) 于是也有网友开始讨论，在做这种 Agent 项目时，终端式的 Claude Code 还能不能说是最好的接口。桌面应用现在看来是否又更适合持续的代理协作？ 还有像是模型推理强度应该始终拉满，又或是采用较低强度配合反复批评和修正？ 这些问题大概很难有一个统一答案，但 Karpathy 的工作流至少说明，AI 编程的分工正在从「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 并没有重新建立视频托管、上传、版权管理、创作者分成和全球内容分发网络。它仍然依赖 YouTube 的视频与元数据，也站在 Hacker News 近二十年积累的社区语料之上。 ![Image](https://s3.ifanr.com/wp-content/uploads/2026/11/lark2pad-1793602852151-11.png) 所以我们能看到在这些视频的播放量 Top 排行榜单里，都是一些十几年的视频，第一个就是 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，它是一个建立在现有平台之上的个性化策展与推荐层。 和 YouTube 一样，它将来同样要面临类似的局限。例如 HN 用户的兴趣不能代表所有观众，技术社区的品味也不等于普遍意义上的高质量；评论推荐会受到年代、圈层和社区偏好的影响。 一些实际试用者也发现，搜索结果仍会混入不相关内容，最后依然需要人工挑选。 ![Image](https://s3.ifanr.com/wp-content/uploads/2026/11/lark2pad-1793602872619-12.jpg) 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，只能把它关掉；放在今天，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，放在今天，几乎什么都可以逆向。从各种软件的界面和功能复刻，到经典游戏的反编译、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，开始有人尝试交给 AI Agent 完成。 ![Image](https://s3.ifanr.com/wp-content/uploads/2026/11/lark2pad-1793602875186-13.jpg) > 网友「逆向」的 Android TV 版，hackertube.tv 严格来说，HackerTube 并没有逆向 YouTube 的代码，也没有破解它的推荐算法。Karpathy 只是保留了 YouTube 的内容，用 Hacker News 多年来积累的推荐数据，重新做了一套筛选、排序和展示机制。 虽然没有重建，但这个过程却拆解了视频媒介中最影响个人体验的部分，包括内容如何被发现、如何被排序，以及用户与推荐系统之间究竟是谁在服务谁等。 ![Image](https://s3.ifanr.com/wp-content/uploads/2026/11/lark2pad-1793602881361-14.jpg) 在某种程度上，我们也可以把这理解为是一种逆向，它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留在复制一个已有的产品上，它开始让每一个人都去探索原本那些封闭的系统，如何重新变得可理解、可修改，以及被再次创造。 ![Image](https://s3.ifanr.com/wp-content/uploads/2026/11/lark2pad-1793602889907-15.jpg) 对于 YouTube、Bilibili、微信公众号这样的内容平台来说，我们或许依然需要依赖它们提供的内容和基础设施，**但不一定还要完全接受平台设计好的信息入口**。 当逆向能力从代码层扩展到产品、信息结构乃至媒介层，我们使用互联网的方式，也可能跟着发生变化。