卡帕西做了HackerTube：AI把对推荐流的不满变成了一款学习工具

想看什么，自己做个入口：AI如何降低个性化工具的门槛

刷开视频网站，首页总是塞满熟悉的推荐：醒目的封面、相似的话题，还有一眼看不出是否值得点开的新视频。AI研究者Andrej Karpathy遇到这个问题时，选择自己做了一个替代入口。

10月31日，Karpathy在个人博客介绍了HackerTube：一个汇集Hacker News社区多年视频推荐的YouTube风格网站。他写道，项目源于某个周五深夜刷YouTube时的烦躁感。第二天，他让Claude Opus 5.5协助完成网站。按他的说法，整个过程约两小时。Karpathy是OpenAI创始成员、特斯拉前AI负责人，也曾在斯坦福担任深度学习课程CS231n的主讲教师。

用社区讨论筛出视频，再重新设计观看入口

HackerTube的数据来自Hacker News评论。Karpathy介绍，Claude先下载评论，再经过筛选和模型处理，去掉垃圾内容，最后留下约4万条推荐YouTube视频的评论，整理出6,454条视频，覆盖150个主题，时间跨度从2007年至2026年。

网站还有几项刻意的设计：视频封面取自正片中段，而不是创作者上传的自定义封面；用户无需注册，个人推荐状态保存在本地浏览器；网站数据也可以导出，方便用户交给自己的AI工具继续制作。

这份片单不是一套经过专业评审的“最佳视频榜”。它反映的是Hacker News社区曾经反复提到哪些内容，因此也会带有这个社区的兴趣和偏好。对学习者来说，它更像一个不同于平台推荐流的探索入口。

两小时背后，仍有人的判断和动手

“AI两小时做完网站”很容易成为标题，但这个数字不等于全程无人参与。Karpathy也说明，自己手动完成了创建YouTube API密钥、启动服务器和购买域名等步骤，其余工作主要通过与Claude对话完成。

这个案例真正值得学习的，是他把“不喜欢YouTube推荐”拆成了能执行的选择：内容从哪里来、什么样的视频应该留下、封面怎么处理、是否需要账号。AI帮助他实现这些选择，却没有替他决定产品应该解决什么问题。

这和Karpathy过去所说的“vibe coding”有相通之处：用自然语言表达想法，让AI参与生成和修改代码。Karpathy关于vibe coding的原帖 不过，能描述出一个想法，并不代表结果自然就可靠。使用者仍需要检查筛选规则、页面行为和信息来源，确认成品确实符合自己的目的。

AI学习者可以从一个小需求开始

想用AI做自己的学习工具，不一定要从“帮我做一个很棒的网站”开始。可以先讲清楚几个问题：我想解决什么麻烦？数据从哪里来？哪些内容应该留下、哪些要排除？我希望用什么方式查看结果？

例如，可以这样描述：

我想整理适合入门机器学习的视频。请先根据我指定的公开来源筛选内容，说明每条推荐的依据；页面按主题分类，不要自动播放，也不要用夸张封面。先给我一个可以试用的初版，并列出你不确定的地方。

需求越具体，越容易看出AI做对了什么、漏掉了什么。HackerTube带来的启发也在这里：有了AI，个性化工具的制作门槛降低了；而让工具真正有用的，仍是人对自己需求的判断。

关注本站，每天分享跨境电商前沿资讯（ Ctrl + D 收藏本站/收藏为书签 ）