摘要 他用 Hacker News 上被推荐过的 6454 个视频，换掉了 YouTube 给他的推荐；视频还在 YouTube 上播放。
周五晚上 11 点，卡帕西（Andrej Karpathy，OpenAI 创始成员、前特斯拉 AI 负责人）累了，想在 YouTube 上看点东西，结果看到的是一整墙“烂透了的垃圾”，他的原话是“蠢到家的内容”。第二天上午，他让 Claude 给自己做了一个新首页，然后在博客最后写：我终于能喘口气了。
周五晚上受够了，周六上午做完了
这条博客很短，情绪却很足。卡帕西说，YouTube 首页全是夸张到离谱的缩略图，推荐的是翻来覆去的老话题；这套算法对互联网上的普通人大概很好用，但对他不管用。于是周六上午，他把任务交给 Claude Opus 5.5：根据 Hacker News（一个程序员和创业者聚集的技术社区，下文简称 HN）上被推荐过的视频，写一个“我们自己的 YouTube”。
成品叫 HackerTube（hackertube.org），界面看起来就是 YouTube：左边是主题分类，右边是视频网格。但它不是另一个视频平台，视频本身仍然在 YouTube 上播放。它换掉的是“推荐谁、怎么排”：内容来自 HN 用户这些年互相推荐的视频，不再由平台按观看时长去猜你想看什么。
怎么做的：两个模型分工，从 4 万条评论里挑视频
按原文的描述，这件事分两段。前一段是找内容：Opus 5.5 下载了 HN 的全部评论，再用 Sonnet 在一个工作流（把同一个处理步骤批量套在大量数据上的自动流程）里过滤，去掉垃圾和低质内容，最后留下约 4 万条推荐了 YouTube 视频的评论。这些评论覆盖 2007 到 2026 年，一共指向 6454 个视频，分在 150 个主题里。
后一段是做站：套上一个 YouTube 式的界面，买域名，部署到一台 VPS（按月租用的云服务器），再做安全加固和性能优化。卡帕西说整个过程大约 2 小时。这是他本人的说法，代码、提示词和花费都没公开，而且他是顶级的 AI 工程师，普通人照做多半要更久。
几个跟推荐算法反着来的设计
比起快，更有意思的是它故意跟推荐算法反着来的几个地方，原文列了，站点代码里也对得上。
最显眼的是缩略图：不用上传者为吸引点击做的封面，而是取视频 50% 处的画面。站点代码里直接用 YouTube 自动截取的中段画面，并在设置里默认打开，夸张表情和大字标题就这样被绕开了。其次是不要账号：“为你推荐”照样能用，但你的偏好只存在自己浏览器的本地存储里，不上传到任何账号。第三是整站数据可以导出，原文的说法是“交给你的 agent，轻松做出你自己的版本”。另外还顺手加了键盘快捷键。
站点自己的介绍页把动机说得更直白：YouTube 的推荐是为观看时长调校的，很会找到你下一个会点开的东西，却不擅长找到那种一年后你还会想起来的演讲；而 HN 的评论者近二十年来一直在互相推荐的，恰恰是后一种。
以前只能点“不感兴趣”，现在可以自己换一个
以前你对推荐算法能做的，只有点“不感兴趣”。爬数据、清洗、分类、做前端、上线运维，这一整套活儿很难想象一个人一个上午做完。卡帕西这次做的，就是让 AI 把这些活包了，他只负责决定“我信谁的推荐”。
当然，HackerTube 的口味完全来自 HN 社区，不一定适合所有人；它依赖 YouTube 的播放和缩略图服务；内容也只到 6454 个视频为止，更像一个精选书架，不会像平台那样源源不断地推新东西。
想照着做一个：从导出数据开始
最简单的第一步是打开 hackertube.org 逛一逛，感受一下没有标题党封面的首页。想做自己的版本，就从站内的数据导出开始，站点列出了这些文件：
videos.jsonl 里每个视频都带着类型、难度、时效性、主题、HN 的推荐数据和质量分，DATA.md 写了每个字段的含义。把它们交给你常用的 AI 编程助手，就可以按自己的口味重新筛一遍，比如：
- 只看某一类视频（比如讲座或会议演讲），按质量分从高到低排
- 只看某个主题里内容不容易过时的那部分
- 用 embeddings.npy 里的搜索向量，找“和这个视频类似的”
- 读 mentions.jsonl 里 HN 用户写的推荐理由，挑出被说“改变了我写代码方式”这类评价的视频
这些都只用到导出文件里本来就有的字段，具体怎么写提示词原文没给，可以让 AI 先读 DATA.md 再动手。想换成你自己信得过的社区，思路也一样：先把社区里推荐视频的帖子收集起来，过滤掉广告和水帖，再按主题整理成只给自己看的目录。
如果让你给自己换一个推荐源，你会选哪个社区？欢迎在评论区聊聊；想看更多这种一个人加 AI 就能做成的小工具，也欢迎关注。