周五晚上11点，人工智能领域的知名人物Karpathy想要在YouTube上找个视频观看。

然而，首页充斥着夸张的封面和重复多次的老话题。对算法推荐感到不满的他，第二天干脆打开了Claude，为自己重新打造了一个YouTube。

整个过程仅耗时两小时，使用的是Claude Opus 5.5的Medium推理强度。

HackerTube网址：https://hackertube.org/

这个视频网站与近期大热的REA逆向工程类似，几乎是完整复刻了YouTube的页面布局。左侧导航栏包含点赞视频、历史记录和稍后再看等选项，右侧的视频推荐流同样展示了封面大小、发布时间和播放量等信息。

他使用的提示词只有一句话，「嗨Claude早上好你好吗我很好谢谢帮我建一个YouTube风格的网站但只限于多年来在HN上被反复推荐的视频拜托了。别犯任何错误。」

两小时的工作流程结束后，HackerTube便上线了。网站中的所有视频均来自YouTube，但Karpathy利用Claude编写了一套过滤机制，其规则是从Hacker News上提取多年来被讨论和推荐的视频。

我们可以像使用YouTube一样在其中搜索视频，也可以按艺术、软件工程、历史、思想、商业、游戏等多个主题浏览。甚至还能从这6454个视频中获得个性化推荐。

在视频详情页，我们还能看到来自Hacker News的评论，以及推荐者的数量和推荐时间范围。

一时间，社交媒体上对这个项目普遍感到兴奋。一方面，Karpathy提到他只用了Claude Code，并且是Opus 5.5的Medium推理程度，就复刻出了一个YouTube。

但也有网友指出，近期Claude的使用限制非常多，尤其是REA火了之后，逆向软件时常遇到安全围栏的阻碍。为何Karpathy就能用Opus来逆向YouTube？

甚至一位港科大的博士表示，自己只是让Claude帮忙提交任务和运行分析，就被Claude标记为「训练竞争对手」，Opus 5.5被降级到Opus 5。

除了模型能逆向一切的能力外，大家更关心的是现在我们自己也有机会用AI重建信息入口。

比如一个自定义的抖音或Bilibili，只包含经过筛选的视频；或者一个重建入口的新闻资讯流，抛开微信的公众号推荐，用自己的方式呈现关注内容，而不是被动接受微信的推荐。

已有网友按类似思路做出了一个Hacker Papers，从Hacker News上整理了1000多篇arXiv论文。

还有网友从HackerNews的帖子中识别出超过15000本书，整理成一个专门的书籍推荐网站。

不少回复认为，Karpathy的HackerTube真正的创新在于，用真实用户多年来的主动推荐替代了观看时长、点击率和缩略图A/B测试等排序信号，将平台的推荐算法改成了人类推荐信号。

同一套视频，但新的分发机制

在YouTube上，推荐系统主要依据点击、观看时长、留存和互动等指标决定内容可见性。

而对于HackerTube，最初的筛选信号来自Hacker News用户多年来的主动推荐。当一个人认为某段视频值得分享给他人时，便会贴出链接。

因此，在AI类别下，推荐的第一个视频就是Karpathy自己的编程课，一步步讲解如何写出小型自动求导引擎、搭建和训练神经网络，并阐明反向传播的工作原理。

这种降低「被算法操控」的设计还体现在网站无需登录，观看状态保存在本地浏览器。此外，决定观众是否点击的封面也进行了大刀阔斧的改动，直接采用视频中间的一帧，而非上传者精心优化的版本。

作为视频网站，除了单方面接受内容，在HackerTube上，我们还可以导出底层数据，交给自己的AI代理重新制作一个版本。

因此，HackerTube的分发机制将算法的服务对象**从平台增长重新拉回到个人偏好。**项目发布后，X上的讨论很快超出了AI编程范畴。

一种代表性观点认为，HackerTube展示了「Claude为用户而战」：当短视频和推荐系统不断争夺注意力时，个人Agent可以站在用户一边，帮助他们过滤低质量内容。

另一部分人则从中看到了一个尚未充分开发的市场——个人推荐算法。

过去，内容筛选和推荐几乎完全由平台掌控，推荐系统就是平台的基础设施。我们可以接受、屏蔽或微调，却很难真正更换整个系统。现在，一个开发者借助Claude Code，就能将可信社区的数据加工成自己的信息入口。

两个小时还是不够夸张

根据Karpathy自己的分享，他几乎只是发送一句话给Claude Code，然后等待自动完成。

Karpathy使用的是Mac上的Claude Code桌面版，默认模型为Opus 5.5，推理强度设为Medium。他说，自己已经不太做读写代码、在终端运行命令这类传统工程工作，主要通过对话让Claude执行任务。

在这个项目中，他亲自完成的事情只有创建用于查询视频元数据的Google Cloud API Key、启动VPS、购买域名这三项。代码编写、数据处理、部署、安全加固和优化都交给了Claude。

于是也有网友开始讨论，在做这类Agent项目时，终端式的Claude Code是否仍是最佳接口。桌面应用现在看来是否更适合持续的代理协作？

还有模型推理强度是否应始终拉满，或采用较低强度配合反复批评和修正？

这些问题或许没有统一答案，但Karpathy的工作流至少说明，AI编程的分工正从「模型补全几行代码」转向「人提出目标、处理少量外部账号和权限，代理完成其余工程链路」。

但「重做YouTube」夸张了

HackerTube并没有重新建立视频托管、上传、版权管理、创作者分成和全球内容分发网络。它仍然依赖YouTube的视频与元数据，也建立在Hacker News近二十年积累的社区语料之上。

因此，在这些视频的播放量Top排行榜单中，都是一些十几年的视频。第一个是Pinkfong的《鲨鱼宝宝》，那首反复唱「嘟嘟嘟」的儿童歌舞，还有鸟叔的《江南Style》、以及「瑞克摇」整蛊梗的常用视频等。

更准确地说，它是一个建立在现有平台之上的个性化策展与推荐层。

和YouTube一样，它未来同样面临类似局限。例如，HN用户的兴趣不能代表所有观众，技术社区的品味不等于普遍意义上的高质量；评论推荐会受到年代、圈层和社区偏好的影响。

一些实际试用者也发现，搜索结果仍会混入不相关内容，最后仍需人工挑选。

伴随而来的还有网站维护问题。有人在回复中怀念他以前做的论文工具arxiv-sanity。他说自己也很怀念，但当时维护起来太费工夫，只能关闭；放在今天，他觉得这件事会容易得多。

AI正在把「逆向」变成一种通用能力

确实如此，放在今天，几乎什么都可以逆向。从各种软件的界面和功能复刻，到经典游戏的反编译、移植，甚至重新实现游戏玩法，再到逆向电视，越来越多过去需要大量专业开发工作的项目，开始有人尝试交给AI Agent完成。

网友「逆向」的Android TV版，hackertube.tv

严格来说，HackerTube并没有逆向YouTube的代码，也没有破解其推荐算法。Karpathy只是保留了YouTube的内容，用Hacker News多年来积累的推荐数据，重新做了一套筛选、排序和展示机制。

虽然没有重建，但这个过程却拆解了视频媒介中最影响个人体验的部分，包括内容如何被发现、如何被排序，以及用户与推荐系统之间究竟是谁在服务谁。

在某种程度上，我们也可以将其理解为一种逆向，它逆向的是更上层的东西，即YouTube这款产品所代表的产品形态、信息组织方式，以及内容与用户之间的关系。

这种变化的意义不会只停留在复制一个已有产品上。它开始让每个人去探索那些原本封闭的系统，如何重新变得可理解、可修改，以及被再次创造。

对于YouTube、Bilibili、微信公众号这样的内容平台来说，我们或许依然需要依赖它们提供的内容和基础设施，但不一定还要完全接受平台设计好的信息入口。

当逆向能力从代码层扩展到产品、信息结构乃至媒介层，我们使用互联网的方式，也可能随之发生变化。