Karpathy 花两小时造了个 YouTube:推荐算法的解药,藏在 Hacker News 的评论区里
周五深夜 11 点,Karpathy 打开 YouTube,只看到一墙夸张的缩略图和重复的烂内容。周六早上,他让 Opus 5.5 用 Hacker News 十九年评论区里推荐过的 6454 个视频,造了一个没有账号、没有广告、只放好内容的 HackerTube。

周五深夜 11 点,Karpathy 累了,想打开 YouTube 看点东西放松一下。结果迎面而来的是一墙"enshittified 的垃圾":夸张到离谱的缩略图、翻来覆去的同一个话题、智商下限级别的内容。他在博客里写得很直白:这套算法对互联网上的"中位数用户"大概很管用,但对他完全不管用。
于是周六早上,他抓起 Opus 5.5,下了个任务:我们自己写一个 YouTube 克隆,片源就用 Hacker News 上被推荐过的视频。两个小时后,HackerTube(hackertube.org)上线了。帖子发到 HN 上,六百多分、两百多条评论,讨论的焦点很快从"又一个 vibe coding 玩具"变成了更扎心的问题:推荐算法到底在为谁服务?我请来老朋友陆远——做了八年推荐系统的工程师,现在一家内容平台带算法团队——聊聊这个两小时的小项目,为什么戳中了这么多人的痛处。
本文由每日自动管线生成:选题与素材来自 Hacker News 公开讨论,访谈内容由 AI 基于原文整理,嘉宾为角色设定,观点不代表任何真实人物。
小听: 陆远,先把 HackerTube 的做法说清楚。它到底是怎么从 HN 评论区里"挖"出一个视频站的?
陆远: 做法其实很朴素,但胜在数据源选得好。Opus 先把 Hacker News 从 2007 年到 2026 年的全部评论都下载下来,再用 Sonnet 跑了一遍标注流程,过滤掉垃圾和低质量内容,最后只留下真正推荐了某个 YouTube 视频的评论——大约 4 万条。去重之后得到 6454 个视频,横跨 150 个话题。这就是 HackerTube 的全部片库:没有上传,没有爬 YouTube 的热门榜,只有一条标准——这个视频曾经被 HN 社区里某个人认真推荐过。
小听: 6454 个视频,十九年攒下来的。听着不多,但 Karpathy 说"终于能喘口气了"。这个量级是不是恰恰是它的优点?
陆远: 对,量级小是 feature,不是 bug。YouTube 的问题从来不是片子不够多,而是"多"本身变成了负担——算法必须在海量内容里猜你想看什么,猜的依据是你过去的点击,而点击恰恰最容易被标题党和缩略图操纵。HackerTube 的片库是经过两轮人工筛选的:第一轮是 HN 用户在评论里贴链接时自己做的判断,第二轮是 Sonnet 的标注过滤。你可以把它理解成一个持续了十九年的、分布式的编辑部。6454 这个数字意味着:你随便点开一个,大概率不会浪费时间。
小听: 他还特意改了缩略图——不用上传者自己做的封面,改用视频 50% 处的截图。这是个很小的改动,但评论区很多人都在夸。
陆远: 这个细节最见功力。上传者自制的缩略图是"营销物料",它的优化目标是点击率,所以必然走向夸张表情、红黄大字、悬念式构图。视频 50% 处的截图是"内容采样",它代表视频中间到底在讲什么。把前者换成后者,等于把"点开之前你看到什么"的决定权,从创作者的营销本能手里拿回来,交给内容本身。对用户来说,浏览体验立刻就诚实了:你看到的,就是你将要看到的。

缩略图是营销物料,优化目标是点击率;改用视频中段截图,浏览立刻就诚实了。
小听: 还有个设计我很在意:HackerTube 的"为你推荐"是不用账号的,状态只存在浏览器本地会话里。这在今天是不是有点反潮流?
陆远: 非常反潮流,而且是故意的。主流推荐系统的商业模式是:你得先交出账号和行为数据,平台才能"懂你"。但"懂你"之后它要优化的并不是你的满意度,而是你的停留时长和广告曝光。HackerTube 的推荐只基于你在这个会话里看了什么,关掉浏览器就清零。这意味着两件事:第一,它没法拿你的历史数据做长期画像,也就没法把你锁进信息茧房慢慢熬;第二,它的推荐目标可以单纯一点——因为你已经在这个高质量片库里了,随便推都不会太差。评论区有个网友说得好:YouTube 不是不知道你想看什么,它是知道你不想看什么、但那些内容更赚钱。
小听: 说到这个,评论区争论最凶的就是这一点。有人说 YouTube 的推荐就是烂,有人反驳说它的指标是广告收入,"烂"是按你的标准,"好"是按它的标准。你站哪边?
陆远: 两边说的其实是同一件事:推荐算法没有"客观好坏",只有"为谁优化"。YouTube 的优化目标是可变现的注意力,不是你的时间质量。Karpathy 那个"中位数用户"的说法很准确——算法对大多数人确实够用,因为大多数人的需求就是打发时间。但对想认真看点东西的人,这套系统就是灾难:它会不断把你往更刺激、更浅、更容易点的方向推。有个网友说 TikTok 的推荐比 YouTube 好得多,更难关掉——这恰恰说明问题不在技术能力,而在目标函数。TikTok 只是把"让你停不下来"这件事做得更极致了。
小听: 成本账也很有意思。有人问这东西花了多少 token,Karpathy 回复说:总共 5.04 亿输入 token(90% 是缓存命中的),760 万输出 token,其中 90% 以上是 Sonnet 标注评论的活儿;真正写应用、部署、上线的 Opus 5.5 部分只用了大约 100 万 token,中间还压缩过一次上下文。两小时,一个人,一个订阅账号。
陆远: 这个数字值得拆开看。真正贵的部分不是"写代码",而是"做判断"——让 Sonnet 读几十万条评论、判断哪条是在推荐视频。写代码和部署反而便宜到可以忽略。这说明 AI coding 的成本结构已经变了:瓶颈从"实现"移到了"策展"。以前你想做 HackerTube,得先雇人花几周筛数据;现在筛数据的活儿交给模型,两小时搞定。但反过来说,这也意味着护城河不在代码——Karpathy 自己都说了,服务器代码他没开源,因为是"vibe coded 的一团乱麻",但你把数据 zip 丢给 Opus,让它照着做一个 YouTube 风格的站,"基本就是三分钟的事"。真正值钱的,是那 4 万条经过筛选的推荐关系。
小听: 数据他倒是开源了——about 页面可以直接下载整个数据集的 zip。已经有网友在问能不能下载全部链接,怕网站哪天消失。Karpathy 回说网站短期内不会消失,但数据就在那,随便拿。
陆远: 这个选择很 Karpathy,也很关键。一个推荐站的生死不应该取决于一个域名,而取决于数据能不能被别人接手。他等于把"策展"这个工作成果交给了公共领域:任何人都能拿着这份数据,用自己的 agent 在几分钟内再造一个 HackerTube。评论区已经有人在问源码、有人做了美食版的类似筛选、有人提议给孩子做一个干净版。数据源一开放,这个项目的形态就从"一个网站"变成了"一个可复用的策展层"。这比网站本身重要得多。
小听: 也有人把期待推得更远:能不能把这套做法搬到社交媒体上——Facebook、X、Reddit、Instagram——做一个跨平台的"hacker signal",把好内容聚合出来,让大家不用再蹲在那些"法西斯网络监狱"里?
陆远: 这个愿望我理解,但难度不在技术,在数据源。HackerTube 能成立,是因为 HN 评论区是一个罕见的高质量公开信号源:实名文化、长评论、技术人群、十九年的积累。社交媒体上没有这样干净的信号——点赞、转发、停留时长全都被平台自己的算法污染过一遍,你拿到的不是"用户觉得好",而是"算法觉得用户会点"。所以跨平台聚合的第一步不是写代码,而是找到还没被污染的信号源。这也是为什么评论区里那个给孩子做干净版的提议更现实:圈子越小、信号越干净,这套做法越管用。

真正值钱的不是代码,是那 4 万条经过筛选的推荐关系。
小听: 最后问个判断题。HackerTube 会是一阵风吗?两小时的项目,热度过去就没人维护了?
陆远: 作为网站,它很可能就是一阵风——Karpathy 自己都说做它是因为"想喘口气",不是要创业。但作为一次示范,它的寿命会很长。它示范了三件事:第一,推荐系统的竞争对手不一定是另一个推荐系统,也可以是一个好数据集加一次人工判断;第二,AI coding 的成本已经低到"策展"比"实现"更贵了,产品经理的活儿正在变成数据编辑的活儿;第三,也是最扎心的——当一个两小时的业余项目能让你"终于能喘口气",说明主流产品在"尊重你的时间"这件事上,欠账已经欠了很久了。HackerTube 会不会火不重要,重要的是它把这个问题摆到了所有人面前:你每天打开的那个推荐流,到底是在服务你,还是在消耗你?
Karpathy 这次与其说是做了一个产品,不如说是做了一次公开实验:把推荐算法的优化目标从"让你停不下来"换成"别浪费你的时间",看看会发生什么。答案是:6454 个视频、150 个话题、一个没有账号的网站,和两百多条评论里藏不住的共鸣。实验的结论也不复杂——好内容一直都在,只是被埋在了一墙缩略图下面。有人愿意花两小时把它们挖出来,你只需要点开。本文观点仅代表访谈角色设定,原始讨论见参考链接。