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。 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。 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。 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。 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。 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。 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。 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。 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。 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