編按:本文綜合整理自 Andrej Karpathy 部落格〈HackerTube〉、Karpathy 的 X 貼文〈Weekend hack: HackerTube〉、Hacker News 討論串(2,021 分/501 則回覆)、AICoder 整理報導、HackerBooks 同型網站 與 YouTube 平台服務條款(開發者政策),並加入 Siami 編輯部觀點與分析。
2026 年 10 月 31 日晚上 11 點,Andrej Karpathy 疲憊地打開 YouTube,盯著滿版的誇張縮圖與重複的爛片推薦,終於受夠了。他在 X 上寫道,那是「一堵被 enshittified 的垃圾牆」,而這套演算法「對網路中位數的人有效,但對我顯然沒有」。
隔天早上,他抓起了 Claude Opus 5.5,給了一個任務:「來做我們自己的 YouTube 複製品,只放那些在 Hacker News 上被推薦過的影片。」
兩小時後,hackertube.org 上線。
四千三百萬則留言,收斂成 6,454 支影片
Karpathy 的做法不是「找頻道訂閱」,而是把 HN 的留言本身當成策展資料庫。整條流程是:
- 全量抓取 — Opus 下載了 Hacker News 二十年累積的所有留言
- 批次標註 — 用 Claude Code 的 Workflow 功能,讓 Sonnet 跑過全部留言,濾掉垃圾並挑出「推薦了某支 YouTube 影片」的那些,收斂到 39,834 則
- 去重分類 — 轉成 6,454 支獨立影片、150 個主題,時間橫跨 2007 到 2026
- 包裝成前端 — 套上 YouTube 風格的介面、申請網域、推到 VPS、再做資安加固與效能最佳化
關鍵數字值得停下來看:4,300 萬則原始留言 → 39,834 則有效推薦 → 6,454 支影片,有效率約 0.09%。也就是說,人工標註一則留言的經濟價值高到值得用模型去撿。
Karpathy 自稱「人工介入的部分只有三件事」:在 Google Cloud 介面開一把 YouTube API 金鑰、開一台 VPS、買下網域名稱。其餘全部交給 Opus 5.5。
「我已經不做任何像傳統工程的事了」
在部落格後來補上的EDIT段落裡,Karpathy 寫得更直白:他使用 Mac 版 Claude Code 桌面應用、Opus 5.5 設定為 Medium effort,「我已經不做任何像傳統工程的事(讀寫程式碼、在終端機跑指令之類的),我只跟 Claude 說話,讓它去完成一切」。
他在 HN 留言串裡補的 token 帳單,把這段話量化得更具體:
- 輸入 5.04 億 token(其中九成命中快取)
- 輸出 760 萬 token
- 九成以上是 Sonnet 拿來標註留言的呼叫 — 也就是「真正的正事」
- 寫程式與部署本身只用掉約 100 萬 token 的 Opus 5.5
- 整個 session 的 context 只壓縮過一次
換句話說,這個「兩小時造出整個網站」的案例裡,最貴的不是寫程式,而是大規模過濾雜訊那一段。而雜訊過濾正是小模型最擅長、工作量卻最無聊的活。
Karpathy 還提到伺服器原始碼沒有公開,理由是「那是個 vibe coded 的一團亂」,但他放出了資料包 zip,內含一份寫給 AI agent 看的 DATA.md(說明檔案怎麼組、會踩到什麼雷、範例紀錄、以及要自己去哪裡抓 YouTube 中繼資料)。有人問能不能直接 fork,他回覆:把 zip 丟給 Opus 5.5、跟它說你想要 YouTube 風格網站,「幾乎是瞬間的事」,那部分只花了 3 分鐘。
一天之內,HN 幫他把功能補齊
Karpathy 在 HN 留言串裡貼出一份「依留言做的更新」,把社群回饋當成待辦清單:
- 搜尋頁與主題頁加上篩選器:上架日期、影片長度、類型(演講/講座/紀錄片…),並可依上架日、觀看數排序
- 首頁也直接開放篩選,不必先搜尋
- 新增依「最近被推薦」排序 — 上個月才被提到的 2012 年演講因此浮到最前面,而不是被原始上架日埋掉
- 新增依讚觀看比排序當作品質訊號(做衰減處理,避免小片靠幾個讚灌水)
- 一鍵把頁面上最多 50 支影片丟成 YouTube 暫存播放清單,可以直接在手機與電視的 YouTube App 裡播
- 拿掉原本長得像 YouTube 的 logo,新增 HackerTube Longs(一小時以上的影片)
- Hidden gems:HN 熱門但 YouTube 觀看數不到 10 萬的片子;另有「Evergreen only」可濾掉當週新聞型影片
更值得注意的是擴散速度:Karpathy 貼文隔天,就有開發者用同一套方法做出 HackerBooks——收錄約 16,500 本至少被兩位 HN 留言者提過的書,每本書都能回溯到提及它的留言,網站同樣是「Claude Opus 5.5 寫的,連資料管線都是」,作者本人只做了少量手工。另有 HN 網友說只用一句提示詞餵自己的 Hermes agent,就做出並部署了一個 HackerTube 的 Android TV App 到家裡的 NVIDIA Shield 上。
為什麼這件事重要
第一,這是「推薦權」從平台手上轉移到社群手上的第一個完整案例。 YouTube 的推薦演算法本質上是廣告業務的延伸——它要最大化觀看時數,而觀看時數靠廣告變現。所以它的最佳化目標跟「你想看好內容」天然衝突。HackerTube 把推薦來源換成另一個群體的自發推薦,等於是把「誰值得被看」的判斷權從平台移回讀者社群。HN 網友 reorder9695 說得很直白:一個不個人化、只靠 Hacker News 撐的動態牆,對他的命中率居然比 YouTube 號稱「個人化」的動態牆還高。
第二,「兩小時」這個數字本身把軟體開發的成本結構改寫了。 過去要做出這種聚合站,需要處理 HN 全量留言的抓取、去重、分類、推薦欄位、前端、部署與維運——一件不大不小、要排兩三週的工程活。現在這些事壓縮成一個週末早晨,外加一把 API 金鑰。這對小型團隊、獨立開發者的意義是直接的:「先做出來」的門檻又掉一階,而掉下去之後真正稀缺的就變成「該做什麼」。
第三,Karpathy 說的那句「我已經不做任何像傳統工程的事了」需要放在語境裡讀。 他目前任職於 Anthropic 的預訓練團隊(2026 年 5 月加入),HN 上因此有網友直接點名這是「替他雇主做的宣傳」;也有人說「這種 YouTube 複製品用 Qwen 3.5 35B 這種過時模型也做得出來,根本不需要最新的前沿巨參模型」。這兩種質疑各自說對了一半——模型能力與產品完成度確實不是重點(真正燒錢的是過濾雜訊那一段),但作者本身的信用與社群追蹤能力才是這個案例無法複製的部分。換個人、沒有 170 萬訂閱者的影響力,做同一件事不會有同樣的傳播效果。
數據解讀與質疑
關於「43M 留言」與「39,834 則推薦」的落差。 Karpathy 的 X 貼文寫的是「把 43M 則留言篩成 6,454 支影片」,HN 提交文字則寫「39,834 則 HN 留言」,而部落格說法是「收斂到 4 萬則推薦留言」。這三個數字並不衝突——43M 是抓取總量,39,834 是篩出來的有效推薦數——但也暴露一個細節:這是一個高度依賴「推薦意圖」判定的小任務,一則留言到底算不算「推薦某支影片」,是模型判的。判定邊界的寬窄,直接決定最後 6,454 這個數字,也就決定了「150 個主題」的粒度。目前沒有第三方稽核過這份資料。
關於服務條款的風險,這是全篇最實在的疑慮。 HN 上至少有兩位網友點出:一位做過類似站點(DEF CON 影片站)的開發者說,Google 很快就找上門,因為用 API 自動抓取建立這種頁面違反他們的服務條款,連「透過 API 拿到的影片資料只能暫存有限時間」都有明文限制;另一位則引述 YouTube 開發者政策中關於「複製資料會快取過期版本、即使創作者已不想分享」的段落,認為 YouTube 不背書是合理的。Karpathy 目前的解法是把伺服器原始碼與資料都開放(用 zip 與 DATA.md),等於把「重製」的成本轉嫁給使用者——但把 API 金鑰與抓取流程交給第三方,這條紅線並沒有被解決。
關於內容供給。 有網友說得很直接:「hackertube.org 上大部分影片如果沒有 YouTube 因為廣告付給創作者的那筆巨額錢,根本不會存在。」HackerTube 沒有改變影片的生產與分潤結構,它只是改變了發現機制;而 HN 網友 ajs1998 的吐槽提醒了另一層——HN 本身也只是另一套演算法,裡頭同樣塞滿 Joe Rogan、Lex Fridman 這類他永遠不想再看到的創作者。把推薦來源從平台換成社群,並不自動等於品質提升;HN 這套「社群品味」本身就有偏向。
最後一個值得記下的數字是站方自己說的:「這個網站不會消失。」 Karpathy 說得很謹慎(至少短期不會),並強調資料可下載。對照那位 DEF CON 站點的前車之鑑,這句話的分量比聽起來重。
一句話總結
HackerTube 沒有改變 YouTube,它只是證明了另一種做法是可行的:把二十年累積的四千三百萬則 Hacker News 留言餵給模型,撿出其中三萬九千八百三十四則真正的推薦,去重成六千四百五十四支影片,套上介面、推到伺服器——兩小時,人工只做了三件事。而它真正值得懷疑的地方也正在這裡:推薦權從平台移回社群的同時,社群那份品味本身是不是另一套演算法,仍有待驗證。
本文由 Siami 編輯部撰寫,資料截至 2026 年 11 月 2 日。
網友熱門留言 (10)