受够YouTube「垃圾墙」！Karpathy让Claude两小时搓出纯净版

　　新智元报道

　　周五晚上 11 点，Karpathy 累了，他打开 YouTube，本想随便找点东西看。迎接他的是一整面「垃圾墙」：封面一个比一个夸张，推荐翻来覆去还是那几个老话题。他吐槽：满屏都是《蠢蛋进化论》级别的烂内容。

　　累了一天想放松，结果只刷到一堆标题党：这样的感受你肯定不会陌生！在 Karpathy 看来，YouTube 的推荐算法也许能讨好大多数人，却满足不了像他这样的用户。后来他在评论区说，像他这样的用户太少：在算法眼里，小到可以四舍五入掉。

　　这次，他决定不忍了。第二天上午，他让 Claude 造了一个只放好视频的 YouTube。当天，网站就上线了。Karpathy 给这个网站起名叫 HackerTube。

　　6454 个视频、150 个主题，组成 Karpathy 自己的看片入口。视频仍来自 YouTube，推荐线索则来自 Hacker News（HN），一个程序员和创业者扎堆的技术论坛。Karpathy 的思路很简单：把 HN 网友安利过的视频攒成片单。他把这件事几乎全部交给了 AI。

　　Claude 先下载了 HN 近 20 年的 4300 万条评论，再筛掉垃圾，只留推荐 YouTube 视频的那些，近 4 万条。最后整理出 6454 个视频，分进 150 个主题。视频的标题、时长，再从 YouTube 那边调过来。然后套上一个仿 YouTube 的界面，部署上线。整个项目，约 2 小时。

　　从筛数据到上线，Karpathy 说自己没读也没写代码。他还把数据打包公开了。谁都可以交给自己的 AI，改出一个自己的版本。

　　一句需求

　　整个工程交出去

　　周六上午，他给 Claude 下了一道指令：照着 HN 网友推荐过的视频，做一个我们自己的 YouTube。接下来，基本是 Claude 在干活。

　　Opus 5.5 负责统筹，筛评论的活派给更轻快的 Sonnet 批量去做。垃圾内容洗掉，剩下的就是推荐视频的评论。网站写完，还得上线。Karpathy 开好服务器，把 IP 地址丢给 Claude。更新、部署、安全加固、性能优化，Claude 一口气全包了。

　　而这位 OpenAI 联合创始人，只在 Claude 干活的间隙里干了开服务器、买域名这样几件跑腿的活。他还调侃，感觉有点像团队合作。

　　他今年 5 月加入了 Anthropic 的预训练团队。这次用的，正是自家的 Claude。最狠的是，Karpathy 在博客结尾补的那句话：他已经不做任何传统工程的活了。

　　不读写代码，不在终端敲命令，只跟 Claude 说话。一位网友在评论区直接点破：这句才是全文重点。

　　当年带过特斯拉 AI 团队的人，现在干活的方式，只剩一个：提需求。

　　2021 年，Karpathy（左）在特斯拉 AI Day 现场发言，右为马斯克。

　　长得像 YouTube

　　却处处反着来

　　HackerTube 网站界面一眼看去就是 YouTube，用起来却处处反着来。它不用登录，看过什么只存在你自己的浏览器里。没有那些反复测试过、专勾人点击的封面。每个视频的封面，都换成了视频中段的一帧。侧边栏还有个「Longs」入口，专放长视频。这名字一看就是冲着 YouTube 的 Shorts 去的。

　　Karpathy 把网站发到 HN，帖子冲到 2000 多分。评论区跟了 500 多条。

　　网友拿它和 YouTube 首页比了一把。有人说，首页推荐比 YouTube 的个性化推荐还准。有人扎进巴赫作品解读的兔子洞，说 YouTube 上刷不到。还有人说，从 YouTube 切过来，像是走进了一片树林。

　　一位网友说，自己 87 岁的父亲，天天刷 YouTube，因为总被推送二战的负面内容，困在里面出不来。

　　连老年科医生都劝老人，别再看这类视频了。这位网友认为，HackerTube 已经很接近父亲需要的东西。

　　你多看一眼什么，算法就推更多什么。很多人就像上面这位老人一样，被困进了信息茧房。有网友吐槽，算法关心的是怎样让你一直看；也有人说，平台并不在乎你看完后的感受。连付钱的用户也憋着火。

　　一位网友说，自己开了好几年 YouTube 高级会员，却越用越讨厌。离线同步经常出问题，在飞机上根本看不了自己的内容。这位网友感叹，真希望能自己做一个 YouTube 客户端，又不确定平台允不允许，「真令人沮丧」！两小时做的网站，精准戳中了一大群人对算法的积怨。

　　也有网友看得更远。这位网友认为，过去做推荐、建索引都很难。现在，我们很可能按自己的口味，造自己的推荐系统。在他看来，平台是一群「眼球贩子」，只想让你一直看，内容也因此越推越极端。现在，正是摆脱它们的机会。

　　2 小时背后

　　跑了 5 亿 token

　　人动手少了，后台的活并没有少。HN 上有人问，这个项目到底烧了多少 token、花了多少钱。Karpathy 让 Claude 自己算了一笔账。输入约 5.04 亿 token，其中约九成命中缓存。输出约 760 万 token。九成以上的用量，花在 Sonnet 给评论打标签上。

　　真正写网站、部署上线，Opus 只用了约 100 万 token。这 5 亿是一次次调用累加出来的。模型并没有一口气读进 5 亿 token。

　　Karpathy 披露，九成以上模型用量用于评论标注，应用开发和部署等约用 100 万 Opus token。两小时里，消耗 token 最多的环节，是给评论打标签。写网站反倒是小头。这笔账给想做数据工具的人提了个醒：清洗、标注资料，可能比写代码消耗更多 token。不妨先拿一小批资料试筛，靠谱了再扩大。

　　从一份片单开始

　　做你自己的工具

　　Karpathy 把评论分析的数据打成压缩包公开了。他的建议是：交给你的 AI，做个你自己的版本。包里还附了一份写给 AI 的说明，讲清这些文件怎么用。

　　YouTube 的视频信息，数据包里不直接给，要自己去 YouTube 拉取。说明里写了怎么取，一般要像 Karpathy 那样先申请一个 YouTube 的 API 密钥。

　　数据和说明都备齐了，就可以完全按照个人喜好「私人定制」了。比如只关心编程，可以让 AI 只留编程课。再让它按主题分好类，每个视频都附上当初是谁推荐的，看过的打个勾。这样一打开，就是一份私人课表。想学什么一目了然，学到哪儿也清清楚楚。同样的思路，也能用在你手里的资料上，比如收藏夹里吃灰的文章、攒了多年的工具清单都能照此改造。

　　看什么视频，以前是平台说了算。现在，一个不愿将就的人，也可以像 Karpathy 这样，自造一个个人版视频站。以前想要一个顺手的工具，只有两条路：等平台改，或者自己写代码。如今多了一条：给 AI 说清楚需求，交给它去做。

　　评论区有网友说，做软件的门槛正在变低。人们能飞快搭出替代品，不再被软件巨头绑住。被算法四舍五入掉的人，开始自己造算法了。

　　当然，Karpathy 本人就是顶级 AI 研究者。普通人照着做，未必两小时就能搞定。但这扇门，已经开了一道缝。Karpathy 只定了一条标准：看 HN 网友推荐过的视频。剩下的，都交给了 Claude。

　　轮到你动手，也先想清三件事：资料从哪来，按什么标准筛选，最后想拿到什么。

　　AI 能替人写代码，替不了人定标准。

　　参考资料：

　　https://karpathy.bearblog.dev/hacker-tube/

　　https://news.ycombinator.com/item?id=50319510

　　编辑：元宇