2小时搓出YouTube，AI要把互联网还给个人？

受够算法投喂，他2小时搓出专属YouTube

周五晚上11点，AI大神安德烈·卡帕西（Andrej Karpathy）打开YouTube想摸会儿鱼，结果首页全是博眼球的夸张封面、刷到吐的老话题。被推荐算法气到的他，第二天干脆打开Claude，给自己重做了一个YouTube。

整个开发过程只花了2小时，用的还是Claude Opus 5.5的Medium中等推理强度，给AI的需求提示词更是只有一句话： “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。”

这个名为HackerTube的网站几乎1:1复刻了YouTube的交互布局：左侧导航栏有点赞视频、观看历史、稍后再看等全套功能，右侧推荐流同样展示封面、发布时间和播放量，老用户上手零门槛。

所有视频内容依然来自YouTube，但卡帕西让Claude写了一套过滤规则，只收录技术社区Hacker News近20年来用户主动发帖讨论、分享推荐过的视频，目前站内一共收录了6454条内容。

你可以像刷YouTube一样搜内容、按分类筛选，分类覆盖艺术、软件工程、历史、商业、游戏等多个领域，也能获得基于浏览记录的个性化推荐。点进视频详情页，还能直接看到Hacker News上的相关评论、推荐人数和历次推荐时间。

项目刷屏后网友在兴奋之余也提出了质疑：最近Claude的安全限制越来越多，逆向软件、做游戏重制动不动就触发围栏，怎么卡帕西就能顺顺利利“抄”了YouTube？

就在10月底，Anthropic刚给Claude Code上线了服务器端强制规则，禁止用户重制现有特定游戏，哪怕改名也不行，没有任何开关可以关闭。

甚至有港科大博士吐槽，自己只是让Claude帮忙提交任务、跑分析，根本没有蒸馏模型，就被判定为“训练竞争对手”，账号权限直接从Opus 5.5降级到Opus 5，相关会话也会被直接终止。

【编辑观察】大模型的安全围栏到底防的是侵权盗版，还是防普通用户抢走平台定义入口的权力，估计经常折腾AI工具的玩家都有体感。

比起“两小时做个视频网站”的AI能力炫技，大家更兴奋的是：普通人现在真的能用AI重建自己的信息入口。

你完全可以照着这个思路做一个专属版抖音、B站，只留自己筛选过的高质量内容；也可以重做一个资讯阅读器，绕开公众号的推荐流，只按自己的习惯排列关注的内容，不用平台喂什么就吃什么。

已经有网友按同样的思路做出了衍生项目：Hacker Papers从Hacker News的讨论里整理出了1000多篇高质量arXiv论文。

还有人从HN历年发帖里识别出了1.5万本被反复推荐的书籍，做成了专属书籍推荐站Hacker Books。

HackerTube和YouTube最核心的差别，是推荐逻辑完全不同： YouTube的排序信号是点击率、观看时长、留存率、互动数据，本质是为平台停留时长和增长服务；而HackerTube的初始排序信号，是真实用户主动把视频分享给同好的行为，是完全的人类推荐信号。

比如在AI/机器学习分类下，排前列的就有卡帕西自己的经典编程课：从零手写自动求导引擎、搭建训练神经网络，把反向传播原理讲得明明白白，都是经过技术社区多年验证的硬内容。

它还有很多专门“反算法”的设计：不需要登录账号，所有观看记录都存在本地浏览器；不用UP主精心设计的吸睛封面，直接截取视频中间的一帧当封面，从根源减少标题党诈骗；用户还可以导出全站底层数据，交给自己的AI Agent再改出一个新版本。

【编辑观察】我们刷了十年“为你推荐”，默认了平台比自己懂自己爱看什么，却忘了推荐算法本来就应该是为用户服务，而不是为KPI服务。

项目引发的讨论也分成了两派：一派认为这代表AI Agent终于站在了用户这边，能帮人对抗无底线的注意力收割；另一派则看到了新的创业方向——个人定制化推荐算法，以前这套系统是平台的专属基础设施，现在一个开发者花一下午就能搭出原型。

根据卡帕西自己的分享，这个项目几乎是发完需求就等着AI自动跑完，他使用的是Mac端的Claude Code桌面版，默认开中等推理强度的Opus 5.5，现在他自己已经基本不做手写代码、敲终端命令这类传统开发工作，绝大多数任务都靠对话让Claude完成。

整个项目里他只手动做了三件事：

剩下的代码编写、数据处理、部署、安全加固、性能优化工作，全部交给Claude完成。

这也引发了开发者圈的新讨论：做AI Agent项目的时候，终端版Claude Code还是不是最优接口？桌面端是不是更适合长时间的代理协作？模型推理强度是不是不管什么任务都要拉满，还是用中等强度配合反复修正效率更高？

虽然没有统一答案，但这个项目已经证明了AI编程的分工变化：从“AI帮人补几行代码”，变成了“人提目标、搞定账号权限等外部环节，AI跑完剩下的全工程链路”。

吹归吹，HackerTube本质上并不是一个独立的视频平台：它没有自己的视频托管、上传系统，没有版权管理、创作者分成，也没有全球内容分发网络，所有视频和元数据都来自YouTube，底层推荐语料更是站在Hacker News近20年的社区积累肩膀上。

它更准确的定位，是长在现有平台之上的个性化内容策展层。

它也免不了有自己的局限：Hacker News用户的兴趣只能代表技术圈的偏好，不能覆盖所有观众的需求，社区的高品味也不等于普适的高质量，推荐内容天然带年代和圈层滤镜；实际测试也有用户发现，搜索结果依然会混入不相关内容，最后还是要人工筛选。

维护成本也是绕不开的问题，有网友在评论区怀念卡帕西早年做的论文工具arxiv-sanity，卡帕西自己回复说当年就是因为维护工作量太大才关站，放在今天用AI做这件事会轻松很多。

放在几年前，复刻一个成熟互联网产品的界面和功能、反编译移植经典游戏、改造智能电视系统，都需要专业开发者花几周甚至几个月的时间，现在普通人靠AI Agent就能完成，已经有网友基于HackerTube做了安卓TV版本，适配电视端操作。

严格来说HackerTube没有逆向YouTube的代码，也没有破解它的推荐算法，但它逆向了更上层的东西：YouTube代表的产品形态、信息组织逻辑，以及平台和用户之间的关系——原本封闭的内容系统，第一次变得普通人也能理解、修改、重新创造。

已经有网友开始点名下一个想要“重做”的产品：做一个干净版亚马逊，删掉所有赞助广告、追加销售弹窗和没用的捆绑订阅。

未来我们可能依然离不开大平台的基础设施和内容生态，但完全没必要连“看什么”的权力都一起交给平台。当AI的逆向能力从代码层延伸到产品逻辑、信息结构层，“每个人拥有自己的互联网”，可能真的不只是一句口号。