不到一天时间，吸引超过300万用户围观。AI领域知名开发者卡帕西（Karpathy）再次引发关注。
此次他并未训练大模型或发布复杂算法，而是利用 Claude 构建了一个名为 HackerTube 的视频推荐平台。
从数据采集、评论分析、视频筛选到网站搭建及服务器部署，全流程仅耗时约2小时。卡帕西表示，在此过程中他几乎未编写代码。
HackerTube：基于社区口碑的视频推荐平台
HackerTube 是一个基于 Hacker News（HN）过去20年用户讨论数据打造的视频推荐平台。它摒弃了 YouTube 高度个性化的推荐逻辑，转而从数千万条真实讨论中，挖掘被开发者反复推荐的优质内容。
最终，Claude 从约4300万条评论中筛选出约4万条包含 YouTube 视频推荐的评论，整理出6454条视频，覆盖150多个主题。卡帕西认为，这种基于长期社区口碑的方式能带来更佳的观看体验。
这一周末小项目引发了开发者的深思：在 AI Agent 时代，个人是否也能轻松拥有自己的 YouTube 或 Netflix，打造完全属于自己的内容平台？
两小时全流程复盘：AI接管软件交付
HackerTube 的开发流程可拆解为三个阶段，卡帕西主要使用 Claude Code Mac 桌面版，默认配置 Opus 5.5 模型，推理力度设为 Medium。
第一阶段：海量数据采集
卡帕西指令 Claude Opus 5.5 下载 Hacker News 过去20年的全部评论，总量约4300万条。Hacker News 作为科技、创业及编程领域的核心社区，积累了大量高质量的技术讨论和视频推荐，构成了丰富的内容宝库。
第二阶段：AI筛选与数据清洗
面对海量数据，人工筛选不现实。卡帕西利用 Claude Sonnet 通过工作流对评论进行过滤，最终筛选出约4万条含 YouTube 视频推荐的评论，并进一步提取、归类，得到6454条覆盖150多个主题的视频。该过程并非简单抓取热门视频，而是聚焦于被不同用户反复推荐、持续获得认可的内容。
第三阶段：自动开发与部署
数据准备就绪后，卡帕西指令 Opus 5.5 搭建 YouTube 风格的前端界面并完成部署。服务器启动后，他甚至将 IP 地址交给 Claude，由其继续完成代码更新、安全加固及性能优化。
在整个流程中，卡帕西仅需手动完成三项操作：
- 在 Google Cloud 控制台申请 API Key，用于查询 YouTube 视频元数据；
- 启动一台 VPS 用于托管网站；
- 购买域名。
其余工作均由 Claude 自动完成。这标志着 AI 已从辅助代码编写进化至接管完整的软件交付流程。
反套路设计：用社区口碑替代算法黑盒
HackerTube 不仅实现了自动化搭建，更在推荐机制上进行了创新尝试。
首先，平台无需登录。用户打开即可浏览，观看状态保存在本地浏览器会话中，无需注册账号或建立用户画像。
其次，摒弃传统个性化推荐。不同于 YouTube 综合观看历史、点击行为等信号的分发逻辑，HackerTube 直接呈现 Hacker News 社区过去20年中被反复推荐的视频，试图用真实社区的长期口碑替代平台算法。
此外，视频缩略图并未直接使用创作者上传的封面，而是截取视频中间具有代表性的画面，旨在减少经过 A/B 测试优化、专门刺激点击的封面带来的干扰。
虽然社区推荐未必比算法更准确，但它提供了一种新的内容发现视角：关注真实用户长期推荐的内容，而非平台猜测用户喜欢的内容。
目前，卡帕西已将底层评论分析数据打包开放，其他开发者可利用相同数据，通过 Agent 开发属于自己的版本。
AI开发者
地址：https://hackertube.org/
趋势展望：AI批量制造垂直内容平台
HackerTube 并非孤例，类似思路正被迁移至其他内容领域。例如项目 Today's Shelf 专注于书籍推荐，从 Hacker News 中提取15766本被提及书籍，打造每日更新的书单页面，支持按历史评分排序。
其核心逻辑与 HackerTube 一致：从长期积累的社区中提取高价值内容，通过 AI 完成数据清洗、分类及产品搭建，形成可直接使用的垂直内容平台。
从视频到书籍，这一模式可延伸至音乐、播客、课程、论文、工具导航及专业知识库等领域。过去需要产品、数据、开发及运维多角色协作的项目，如今正逐渐由 AI Agent 串联完成。
