Karpathy 用一个周末、靠 Claude 搭出一个视频推荐站

OpenAI 联合创始人、现任 Anthropic AI 研究员的 Andrej Karpathy 用一个周末的时间，使用 Claude 的 Opus 5.5 模型构建了 HackerTube。

Claude 筛选了 20 年 Hacker News 的 4300 万条评论，并把它们提炼成 6454 个在那里被反复推荐的视频。

Karpathy 在 X 上写道，结果是比 YouTube 自己的推荐“明显更好的观看体验”。

该网站无需登录，展示视频中段的一帧画面而非经过优化的缩略图，并将状态存储在浏览器本地。

紧接着，Karpathy 构建了 TristanTube，“用 Claude Code 3 分钟一次性完成”，其中包含 47000 个视频，来自 Tristan Hume 提供的一份 YouTube 频道列表。

Karpathy 说，他让 Claude Code 处理几乎全部工作，从数据分析到服务器搭建。

他唯一手动完成的步骤是一个 Google Cloud API 密钥、一台租用的服务器，以及购买域名。

Karpathy 说，过去需要数周的项目现在可以在几小时内完成。

订阅 THE DECODER，以获得无广告阅读、每周 AI 通讯、每年六次的独家“AI Radar”前沿报告、完整档案访问以及评论区访问权限。

Andrej Karpathy 用 Claude 的 Opus 5.5 模型，在一个周末内让 Claude 筛选 Hacker News 二十年积累的 4300 万条评论，提炼出 6454 个常被推荐的视频，做成免登录的 HackerTube；随后又用 Claude Code 三分钟完成第二个站点 TristanTube，收录 47000 个视频。他说，过去要花几周的项目，现在几个小时就能做完。

• Andrej Karpathy 用 Claude 的 Opus 5.5 模型，在一个周末内让 Claude 筛选 Hacker News 二十年积累的 4300 万条评论，提炼出 6454 个常被推荐的视频，做成免登录的 HackerTube；随后又用 Claude Code 三分钟完成第二个站点 TristanTube，收录 47000 个视频。他说，过去要花几周的项目，现在几个小时就能做完。
• 原贴提到：Andrej Karpathy, OpenAI co-founder and current Anthropic AI researcher,
• 来源：the-decoder.com

这是什么信号

这条信号的重点在于一个人把“数据清洗、内容策展、前端呈现、部署上线”整条链路压缩进一个周末；它并不属于“又一个 AI 玩具站”。一个资深工程师用 Claude 处理 4300 万条评论的筛选与提炼，再用 Claude Code 把第二个同类站点从零做到上线只花三分钟，这说明模型已经能接手“从原始语料到可用产品”的中间层工作。

另一个细节值得注意：HackerTube 刻意去掉了 YouTube 那套被优化过的缩略图，只展示视频中段的一帧，也不要求登录，状态存在浏览器本地。这不是技术上做不到更好，而是主动放弃平台式的增长设计，把注意力还给内容本身。这种“反推荐算法”的产品选择，恰是个人开发者才有条件做的。

为什么重要

过去，做内容聚合站的真正成本主要来自三件事：搞到干净数据、判断哪些内容值得留下、把结果做成可用的界面。现在，前两件基本可以交给模型批处理，第三件由 Claude Code 承担，人力被压缩到“买域名、拿 API key、租服务器”这三个动作。这意味着个人开发者与小型团队的产能边界被显著外推：从“想做一个站”到“站已经在线”，中间可能只隔一个周末。

更关键的启发来自那些被筛出来的内容：Hacker News 这样一个纯文本社区，二十年沉淀的评论区里，真正值得反复观看的视频被模型识别出来并重新组织。这等于用模型给一个老社区做了一次“跨媒介再策展”，把文本里潜藏的价值重新变成了可消费的资产。

对谁有价值

• 独立开发者与小团队：想验证“用模型处理大规模语料，再产出一个能上线的小产品”这条路径，这是一个成本极低的可复制样本。
• 内容与社区运营者：手里有多年评论、帖子、文档的人，可以参照这套“先筛选、再提炼、再重新组织”的思路做二次策展。
• 做推荐与搜索的产品经理：一个不需要登录、不做缩略图优化、只呈现内容本身的站，提供了另一种推荐产品的参照系。
• 关注 AI 工程化落地的团队：Karpathy 明确说自己只做了买 key、租服务器、买域名三步，这种“人工介入被压到最少”的分工方式本身就是一份流程样本。

可以怎么行动

1. 选一个你熟悉、且积累了多年文本的垂直社区或文档库，先用模型做一次“哪些内容值得留下”的筛选实验，验证质量再谈产品化。
2. 把项目拆成“数据处理交给模型、界面与部署交给 Claude Code、账号与基础设施留给人”三段，明确哪三步必须由人做，其余尽量放权。
3. 在产品设计上做一次减法实验：去掉登录、去掉平台化的缩略图和推荐位，看留存和主观体验是否反而变好。
4. 把“三分钟做完第二个站”当成一个内部基准：同类需求如果还要排期数周，就说明中间仍有大量可以由模型接手的重复劳动。

风险与限制

需要清醒的是，这套流程的顺利，很大程度建立在 Karpathy 本人的工程判断力上。他能准确描述需求、能看出模型输出的问题、能在出错时快速定位，这些能力构成了没有写在正文里的隐性成本。换成经验不足的人，同样的工具可能只换来一个“能跑但没人用”的站。

另外，HackerTube 的价值判断来自模型对“哪些视频在 Hacker News 上被反复推荐”的提炼，本质上是对既有社区偏好的放大，而不是发现了新内容；它也可能继承原社区的品味偏差与盲区。至于用模型批量筛选海量评论，还涉及对原站内容的使用边界、版权与抓取合规问题，这些在做成对外产品时都需要单独评估。“几小时替代几周”的说法也应谨慎看待：它成立的前提是需求清晰、范围可控、且没有复杂的合规与协作成本。

这条内容的真正价值，不只是“有人发布了一个新功能”，而是它揭示了 the-decoder.com 背后的产品方向、工作流变化或竞争信号。对 OPC 来说，这种信息可以转化成持续追踪的栏目选题。

如果把《Karpathy 用一个周末、靠 Claude 搭出一个视频推荐站》放到你的内容系统里，它最大的价值在于帮助读者更快看懂“为什么值得关注”，而不是只看到一条碎片化动态。

• Matthias Bastian 原帖