周五晚上 11 點，AI 大神 Karpathy 打開 YouTube，想找個影片看看。
結果首頁全是誇張的封面、看過無數遍的老話題。受不了這些算法推薦的他，第二天乾脆打開 Claude，給自己重新做了一個 YouTube。
整個過程只花了兩個小時，用的還是 Claude Opus 5.5 的 Medium 推理強度。
整個影片網站和最近大火的 REA 逆向工程一樣，可以說是直接復刻了完整的 YouTube 網頁布局。左邊的導航欄顯示按讚過的影片、歷史以及稍後再看等，右邊的影片推薦流，也是同樣的封面大小、發布時間以及播放量等。
他用的提示詞只有一句話，「嗨 Claude 早上好你好嗎我很好謝謝幫我建一個 YouTube 風格的網站但只限於多年來在 HN 上被反覆推薦的影片拜託了。別犯任何錯誤。」
兩個小時的工作流跑完，這個 HackerTube 就上線了，裡面所有的影片都是來自 YouTube，只不過 Karpathy 用 Claude 寫了一套過濾機制，過濾的規則就是從 Hacker News 上找到這些年討論和推薦過的影片。
我們可以像使用 YouTube 一樣在裡面找影片，也可以按不同的主題瀏覽，包括藝術、軟體工程、歷史、思想、商業、遊戲等多個不同的分類，我們甚至同樣能從這 6454 個影片裡面獲得個性化推薦。
在影片的詳情頁面，我們還能看到來自 Hacker News 的評論，以及有多少位 HN 的推薦者，在什麼時間內被推薦過。
一時間，社交媒體上對這個項目普遍都感到興奮。一方面是 Karpathy 提到自己只是用了 Claude Code，而且還是 Opus 5.5 的 Medium 思考推理程度，就把一個 YouTube 給復刻出來了。
但也有網友說，最近 Claude 在使用上的限制非常多，尤其是 REA 火了之後，逆向一些軟體經常會有安全圍欄的碰壁，怎麼 Karpathy 就能用 Opus 來逆向 YouTube。
甚至港科大的博士說自己只是讓 Claude 幫忙提交任務和運行分析，就被 Claude 標記為「訓練競爭對手」，Opus 5.5 降級到 Opus 5。
除能逆向一切的模型能力外，大家更關心的是現在我們自己也有機會用 AI 重建資訊入口。
一個自定義的抖音，或者自定義的 Bilibili，裡面只包含那些經過篩選的影片；又或者是一個重建入口的新聞資訊流，拋開微信的公眾號推薦流，把自己的關注的內容用更適合自己方式呈現，而不是微信推薦我們看什麼就看什麼。
就像已經有網友按類似思路做出了一個 Hacker Papers，也是從 Hacker News 上整理出 1000 多篇 arXiv 論文。
還有網友從 HackerNews 的發帖里識別到了 1 萬 5 多千本書，整理成了一個專門書籍推薦網站。
不少回復也認為，Karpathy 的HackerTube，真正的創新就是用真實用戶多年來的主動推薦，替代了觀看時長、點擊率和縮略圖 A/B 測試作為排序信號，把平台的推薦算法改成人類推薦信號。
同一套影片，但新的分發機制
在 YouTube 上，推薦系統主要根據點擊、觀看時長、留存和互動等指標決定什麼值得被看見。
而對 HackerTube 來說，最初的篩選信號來自 Hacker News 用戶多年來的主動推薦，一個人認為某段影片值得分享給另一個人，並真的把鏈接貼了出來。
所以我們能看到，在 AI 類別下，推薦的第一個影片就是 Karpathy 自己的編程課，一步步寫出一個小型自動求導引擎，再搭建、訓練神經網路，講清楚反向傳播怎麼工作。
這種降低「被算法操控」的設計還體現在網站不要求登錄，觀看狀態保存在本地瀏覽器。其次，決定觀眾是否要點進去的封面也是大刀闊斧地改，直接不採用上傳者精心優化的封面，只是選取影片中間的一幀。
而作為影片網站，除了單方面的接受，在 HackerTube 上，我們還可以導出底層數據，交給自己的 AI 代理重新製作一個版本。
因此，HackerTube 的分發機制，就是把算法的服務對象從平台增長重新拉回了個人偏好。項目發布後，X 上的討論很快超出了一個 AI 編程案例。
一種代表性觀點認為，HackerTube 展示的是「Claude 為用戶而戰」：當短影片和推薦系統不斷爭奪注意力時，個人Agent 可以站在用戶一邊，幫助他們過濾低質量內容。
另一部分人則從中看到了一個尚未充分開發的市場——個人推薦算法。
過去，內容篩選和推薦幾乎完全由平台掌握，推薦系統幾乎就是平台的基礎設施。我們可以接受、隱藏或微調，卻很難真正更換整個系統。現在，一個開發者藉助 Claude Code，就能把可信社區的數據加工成自己的資訊入口。
兩個小時還是不夠誇張
根據 Karpathy 自己的分享，幾乎是發送一句話給 Claude Code，就等著它自動完成了。
Karpathy 使用的是 Mac 上的 Claude Code 桌面版，默認模型為 Opus 5.5，推理強度設在 Medium。他說，自己已經不太做讀寫代碼、在終端運行命令這類傳統工程工作，主要通過對話讓 Claude 執行任務。
在這個項目里，他自己動手完成的事情只有創建用於查詢影片元數據的 Google Cloud API Key、啟動 VPS、購買域名，這三件事。代碼編寫、數據處理、部署、安全加固和優化，都交給了 Claude。
於是也有網友開始討論，在做這種 Agent 項目時，終端式的 Claude Code 還能不能說是最好的接口。桌面應用現在看來是否又更適合持續的代理協作？
還有像是模型推理強度應該始終拉滿，又或是採用較低強度配合反覆批評和修正？
這些問題大概很難有一個統一答案，但 Karpathy 的工作流至少說明，AI 編程的分工正在從「模型補全幾行代碼」，轉向「人提出目標、處理少量外部帳號和權限，代理完成其餘工程鏈路」。
但「重做 YouTube」誇張了
HackerTube 並沒有重新建立影片託管、上傳、版權管理、創作者分成和全球內容分發網路。它仍然依賴 YouTube 的影片與元數據，也站在 Hacker News 近二十年積累的社區語料之上。
所以我們能看到在這些影片的播放量 Top 排行榜單里，都是一些十幾年的影片，第一個就是 Pinkfong 的《鯊魚寶寶》，那首反覆唱「嘟嘟嘟」的兒童歌舞，還有鳥叔的《江南 Style》、「瑞克搖」整蠱梗的常用影片等等。
更準確地說，它是一個建立在現有平台之上的個性化策展與推薦層。
和 YouTube 一樣，它將來同樣要面臨類似的局限。例如 HN 用戶的興趣不能代表所有觀眾，技術社區的品味也不等於普遍意義上的高質量；評論推薦會受到年代、圈層和社區偏好的影響。
一些實際試用者也發現，搜索結果仍會混入不相關內容，最後依然需要人工挑選。
伴隨而來的還有網站維護的問題，有人在回復里懷念他以前做的論文工具 arxiv-sanity。他說，自己也很懷念，但當時維護起來實在太費工夫，只能把它關掉；放在今天，他覺得這件事會容易得多。
AI 正在把「逆向」變成一種通用能力
確實如此，放在今天，幾乎什麼都可以逆向。從各種軟體的界面和功能復刻，到經典遊戲的反編譯、移植，甚至重新實現遊戲玩法，還有逆向電視，越來越多過去需要大量專業開發工作的項目，開始有人嘗試交給 AI Agent 完成。
嚴格來說，HackerTube 並沒有逆向 YouTube 的代碼，也沒有破解它的推薦算法。Karpathy 只是保留了 YouTube 的內容，用 Hacker News 多年來積累的推薦數據，重新做了一套篩選、排序和展示機制。
雖然沒有重建，但這個過程卻拆解了影片媒介中最影響個人體驗的部分，包括內容如何被發現、如何被排序，以及用戶與推薦系統之間究竟是誰在服務誰等。
在某種程度上，我們也可以把這理解為是一種逆向，它逆向的是更上層的東西，即 YouTube 這款產品所代表的產品形態、資訊組織方式，以及內容與用戶之間的關係。
這種變化的意義不會只停留在複製一個已有的產品上，它開始讓每一個人都去探索原本那些封閉的系統，如何重新變得可理解、可修改，以及被再次創造。
對於 YouTube、Bilibili、微信公眾號這樣的內容平台來說，我們或許依然需要依賴它們提供的內容和基礎設施，但不一定還要完全接受平台設計好的資訊入口。
當逆向能力從代碼層擴展到產品、資訊結構乃至媒介層，我們使用網際網路的方式，也可能跟著發生變化。
