作者：深潮 TechFlow

深潮导读：当顶尖 AI 学者受够了商业平台的算法投喂，个人软件革命便悄然拉开序幕。11 月 2 日，OpenAI 联合创始人 Andrej Karpathy 透露，因厌倦 YouTube 千篇一律的推荐与博眼球封面，他让 Claude 在两小时内独立构建出视频网站 HackerTube。

这一实验的核心并非代码编写本身，而在于用技术社区近 20 年的真实智慧对抗黑盒推荐算法。依托 Claude 对 Hacker News 约 4300 万条历史评论的高效清洗与语义识别，Karpathy 实现了从海量数据淘金到生产部署的全流程交付。

在耗费 5 亿 Token 的人机协同中，Karpathy 仅负责配置云端基础设施与 API 密钥，代码编写、安全加固乃至性能调优全部由 Agent 自主完成。这场高效实践不仅宣告了反算法推荐的新可能，更为 AI 原生全栈开发树立了直观范本。

两小时交钥匙工程：告别算法操纵与眼球封面

据 Karpathy 社交平台发文 披露，受够了 YouTube 机械单一的推送机制与充斥眼球刺激的浮夸缩略图后，他决定彻底绕开平台的官方推荐流，自己动手打造一套纯粹基于极客技术审美的视频导航工具。

由此诞生的 HackerTube 呈现极简主义风格。网站收录了 6454 个涵盖 150 个垂直主题的优质视频，全部脱胎于 Hacker News 社区近 20 年的沉淀。用户无需登录，数据保存在本地，彻底终结了浏览痕迹被追踪的困扰。

HackerTube 彻底摒弃了创作者为了点击率刻意设计的夸张封面，转而由脚本统一抓取视频正中间的一帧静止画面。这种反商业套路的极简设计，让视频内容回归客观本质，免除了标题党的视觉污染。

4300 万条评论淘金：双模型接力的数据提炼

要从茫茫互联网废墟中筛选出高质量技术视频，底层数据工程量极其惊人。在整个流程中，Claude 首先对 Hacker News 自诞生以来的约 4300 万条历史讨论数据进行拉网式清洗，通过正则匹配快速缩小潜在视频范围。

随后，系统调用 Sonnet 模型展开精准语义甄别。模型需要读懂程序员在语境中的真实评价，将真正的真诚安利与毫无营养的垃圾推广有效剥离。经过多轮交叉比对，最终从约 4 万条有效推荐中提炼出这批宝贵的内容索引。

这种用大模型赋能数据挖掘的能力，展现出极强的工业化杠杆效应。以往需要数周人工审核的非结构化数据清洗，在 AI 的多层过滤管道下被压缩至几十分钟内完成，以极低的时间成本完成了高质量技术知识的萃取。

Claude Code 掌舵全流程：工程师退居基础设施指挥官

在代码与部署环节，Karpathy 体验了一场彻底的无键盘开发。整个 HackerTube 项目完全由终端开发工具 Claude Code 推进，其中逻辑架构更为强悍的 Opus 5.5 负责编写数据流、网站全栈代码与部署脚本。

Karpathy 透露，自己在两小时的全程中没有亲手编写任何一行业务代码，也没有在终端敲击复杂指令，仅手动申请了 API 密钥并购买了域名。从云服务器的配置初始化，到服务器安全加固与高并发性能调优，全部由模型自主推进。

这种分工体现了清晰的协同范式：旗舰模型 Opus 5.5 担任系统架构师与 DevOps 工程师，高性价比的 Sonnet 则作为主力流水线处理海量分类任务。开发者从繁重的语法细节中彻底抽离，转型为全局业务的产品经理与需求提出者。

5 亿 Token 的经济学：个人专属软件时代的降临

项目背后的算力成本账本同样耐人寻味。Karpathy 披露，该工程累计消耗了 5.04 亿输入 Token 与 760 万输出 Token。得益于上下文提示词缓存机制，输入部分命中率高达约 90%，大幅压降了实际计算费用。

在这笔算力消耗中，超过 90% 的成本分配给 Sonnet 执行语料分类，而核心架构搭建与网站部署本身仅耗费约 100 万 Opus 5.5 Token。这表明高价值的架构生成已经极为廉价，大部分算力正倾斜至海量数据推理。

目前 HackerTube 已正式上线，清洗后的数据集亦向公众开源。