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

周五晚间11点，AI领域的知名人物Karpathy打开YouTube，打算找个视频来观看。

但首页上充斥着夸张的封面和反复出现的老话题。对算法推荐感到厌倦的他，第二天干脆启动Claude，为自己重新打造了一个YouTube。

整个流程仅耗费两小时，使用的是Claude Opus 5.5的Medium推理强度。

HackerTube网址：https://hackertube.org/

这个视频网站与近期备受关注的REA逆向工程类似，几乎完全复制了YouTube的页面布局。左侧导航栏展示点赞过的视频、观看历史和稍后观看列表，右侧视频推荐流也保留了相同的封面尺寸、发布时间和播放量等信息。

他使用的提示词仅有一句话：“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。”

两小时的工作流完成后，HackerTube便上线了。网站内的所有视频均来自YouTube，但Karpathy通过Claude编写了一套过滤机制，规则是从Hacker News上提取这些年被讨论和推荐过的视频。

我们可以像使用YouTube一样在其中搜索视频，也能按艺术、软件工程、历史、思想、商业、游戏等不同主题浏览。甚至可以从这6454个视频中获得个性化推荐。

在视频详情页，还能看到来自Hacker News的评论，以及有多少位HN推荐者、在什么时间段内推荐过该视频。

社交媒体上对这个项目普遍感到兴奋。一方面，Karpathy提到自己仅用了Claude Code，且使用的是Opus 5.5的Medium思考推理程度，就复刻出了一个YouTube。

但也有网友指出，近期Claude的使用限制很多，尤其是REA走红后，逆向一些软件时常遇到安全围栏的阻碍。为什么Karpathy能用Opus来逆向YouTube？

甚至港科大的博士表示，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被降级到Opus 5。

除了模型具备逆向一切的能力，大家更关注的是，现在我们也有机会用AI重建信息入口。

一个自定义的抖音，或自定义的Bilibili，里面只包含经过筛选的视频；或者一个重建入口的新闻资讯流，抛开微信的公众号推荐流，把自己的关注内容以更适合自己的方式呈现，而不是微信推荐什么就看什么。

已经有网友按类似思路做出了一个Hacker Papers，从Hacker News上整理出1000多篇arXiv论文。

还有网友从HackerNews的发帖中识别出1万5千多本书，整理成一个专门的书籍推荐网站。

不少回复认为，Karpathy的HackerTube，真正的创新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。

因此，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做了大刀阔斧的改动，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。

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。

因此，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。

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。

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。

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。

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。

本文来自微信公众号“APPSO”，作者：发现明日产品的APPSO，36氪经授权发布。