Karpathy 花一個週末做出 HackerTube，只收錄 Hacker News 使用者反覆推薦的 YouTube 影片。資料來源是 20 年的留言，成果是 6454 支影片。
HackerTube 是什麼，解決什麼問題
2026 年 11 月 1 日，Andrej Karpathy 在 X 上公布週末專案 HackerTube（hackertube.org）。這是一個只推薦 Hacker News 使用者反覆推薦過的 YouTube 影片的網站，沒有演算法推薦，也沒有熱門榜。
他給的理由很直白：受夠了 YouTube 的推薦。這個說法很多人有共鳴。打開首頁，你看到的往往是最近幾天最會抓住注意力的東西，不是十年來真正被專業社群反覆提到的內容。
處理的資料量也不小。他把 20 年累積、約 4300 萬則 Hacker News 留言交給 Claude，最後留下 6454 支影片。
貼文在 15 小時內超過 320 萬次瀏覽。熱度有一部分來自成果本身，另一部分來自他公開的做法：整件事由 Claude 完成，人只負責幾件不能代勞的事。
HackerTube 的篩選規則：把連結變成推薦
網站的說明頁把規則拆成五步，每一步都在篩掉不同種類的雜訊。
- 掃過 2007 到 2026 年間所有 Hacker News 留言裡的 YouTube 連結，得到超過 10 萬支不同的影片。
- 只留下「至少 3 個人、在至少 3 個不同月份、帶著真實評論」推薦過的影片，剩下約 7000 支。
- Claude 讀每一條留言與它所在的故事標題，判斷立場屬於推薦、引用、玩笑還是批評，總共標註 39834 條留言。
- Claude 為每支影片寫卡片，內容包括摘要、Hacker News 為什麼喜歡它、類型，以及它經不經得起時間。
- 最後產出 6454 張影片卡片，覆蓋約 150 個主題；排名看的是被推薦過多少個月份，不是一次爆紅。
第二步是整個專案的核心。留言裡貼一條連結，可能只是順手附和或開玩笑；不同月份被不同人反覆提出來，才比較像真的值得看。
Karpathy 只做了三件雜事
他在貼文裡把自己做的事列得很清楚：申請 Google Cloud API key 以取得 YouTube 中繼資料、租一台伺服器、買網域。三件都跟帳號、付款與資源有關，正好是模型碰不到的部分。其餘的工作，包括資料管線、搜尋與推薦邏輯、網站前端，還有部署，都交給 Opus 5.5 在 Claude Code 桌面版裡完成，環境是 Mac，推理強度設在 Medium。
部署那一步很有意思。他把伺服器 IP 給 Claude，指令是「更新、加固、部署、最佳化」。這是把一個看得見的目標交給代理，而不是一步步寫規格。
Opus 當總包，Sonnet 團隊做重複勞動
真正的工作量在標註與寫卡片。39834 條留言要逐條判讀，6454 支影片要各寫一份說明，這種任務不難，但很耗。
Karpathy 的做法是讓 Opus 5.5 當總包，把重複性的閱讀與整理派給多組 Claude Sonnet 5.5 代理。留言標籤、影片卡片與主題清單都是這樣產出的。
這個分工值得記下來。總包負責拆任務、檢查結果、處理例外；分身負責大量同質工作。智慧代理編排（agent orchestration）講的通常是這件事，不是什麼神奇的自動化。
HackerTube 資料包裡有一份寫給 AI 看的說明
網站提供一份 17.8 MB 的壓縮檔，採 ODC-By 1.0 授權，2026 年 10 月 31 日匯出。內容包含 videos.jsonl（6454 行）、mentions.jsonl（39834 行）、related.jsonl（3778 行）與 taxonomy.json（150 個主題）。
因為 YouTube API 的使用條款，壓縮檔不含觀看次數與影片長度。要補上這些欄位，得自己用影片 id 加免費 API key 去抓，大約 130 次請求可以跑完。換句話說，作者交出來的是骨架與判斷，影片本身的熱度數據仍留在 Google 手上，誰要用就得自己再跑一輪授權範圍內的抓取。
壓縮檔裡還有一份 DATA.md，專門寫給 AI 代理看：檔案之間怎麼關聯、哪裡有坑、範例記錄長什麼樣、怎麼引導使用者去取 YouTube 中繼資料。Karpathy 的貼文結尾就是叫大家把自己的 Claude 指向這份資料。
這種把說明書寫給模型看的做法，比寫給人看的文件更精簡。它假設讀者會自己推理，所以只交代檔案之間怎麼關聯、哪幾個欄位容易誤讀、取中繼資料時又會踩到什麼坑，其餘一概不寫。
Karpathy 的兩小時是真的，但複製沒那麼容易
兩小時是作者自述，沒有獨立復現。這個數字要放在特定條件下看：他用的是 Opus 5.5 加 Claude Code 桌面版，模型與工具鏈都在最佳狀態，而且他本人非常清楚要拆成哪些步驟。
成果也依賴外部資料的品質。Hacker News 的留言有使用條款，YouTube 的中繼資料也有個別限制，商用轉載不是照抄就好。
還有一點：排名規則是編輯判斷，沒有客觀品質分數可言。「被推薦過多少個月份」獎勵長尾，也意味著冷門但專業的內容會被壓在後面。這是編輯取捨。
HackerTube 對一般使用者有什麼用
如果你只是想找幾支值得看的影片，這個站可以直接用。它解決的是推薦系統的通病：把點閱率當品質。
如果你想自己複製一次，該從哪裡開始？重點是任務拆分，兩小時只是結果。先確認哪些事模型碰不到（帳號、付款、網域、伺服器），其餘的再切成可驗證的小塊。
真正決定成敗的是任務切得夠不夠細，能不能讓模型自己驗證，出錯時自己回頭修。這件事跟會不會寫程式關係不大。切得夠細，代理才有辦法自己跑完。
接下來值得觀察的是這份資料會不會被別人接手更新。Karpathy 把它做成開放資料集，等於把維護成本交出去。如果幾個月後有人用它做出不同的介面，這個週末專案的影響才會真正開始。
