Karpathy 用 Claude 两小时做出 HackerTube,只收录 Hacker News 推荐视频
受够YouTube「垃圾墙」,Karpathy让Claude两小时搓出纯净版
Karpathy 让 Claude 基于 Hacker News 近 20 年的 4300 万条评论,筛出近 4 万条推荐 YouTube 视频的评论,整理成 6454 个视频、150 个主题,两小时内上线仿 YouTube 站点 HackerTube。整个过程中他没有读写代码,只负责开服务器和买域名,Opus 5.5 统筹、Sonnet 批量筛评论,部署与安全加固也由 Claude 完成。他披露九成以上模型用量用于评论标注,应用开发和部署约用 100 万 Opus token,评论分析数据已打包公开。
推荐理由
AI 评分 62
原文完整还原了从数据清洗到部署上线的分工与 token 消耗,可据此判断这类个人工具的实际成本结构。
主题
正文
周五晚上11点,Karpathy累了,他打开YouTube,本想随便找点东西看。
迎接他的是一整面「垃圾墙」:封面一个比一个夸张,推荐翻来覆去还是那几个老话题。
他吐槽:满屏都是《蠢蛋进化论》级别的烂内容。
累了一天想放松,结果只刷到一堆标题党:这样的感受你肯定不会陌生!
在Karpathy看来,YouTube的推荐算法也许能讨好大多数人,却满足不了像他这样的用户。
后来他在评论区说,像他这样的用户太少:在算法眼里,小到可以四舍五入掉。
这次,他决定不忍了。
第二天上午,他让Claude造了一个只放好视频的YouTube。当天,网站就上线了。
Karpathy给这个网站起名叫HackerTube。
6454个视频、150个主题,组成Karpathy自己的看片入口。
视频仍来自YouTube,推荐线索则来自Hacker News(HN),一个程序员和创业者扎堆的技术论坛。
Karpathy的思路很简单:把HN网友安利过的视频攒成片单。
Claude先下载了HN近20年的4300万条评论,再筛掉垃圾,只留推荐YouTube视频的那些,近4万条。
最后整理出6454个视频,分进150个主题。
视频的标题、时长,再从YouTube那边调过来。然后套上一个仿YouTube的界面,部署上线。
整个项目,约2小时。
从筛数据到上线,Karpathy说自己没读也没写代码。
照着HN网友推荐过的视频,做一个我们自己的YouTube。
接下来,基本是Claude在干活。
Opus 5.5负责统筹,筛评论的活派给更轻快的Sonnet批量去做。
垃圾内容洗掉,剩下的就是推荐视频的评论。
网站写完,还得上线。
Karpathy开好服务器,把IP地址丢给Claude。
更新、部署、安全加固、性能优化,Claude一口气全包了。
而这位OpenAI联合创始人,只在Claude干活的间隙里干了开服务器、买域名这样几件跑腿的活。
不读写代码,不在终端敲命令,只跟Claude说话。
一位网友在评论区直接点破:这句才是全文重点。
2021年,Karpathy(左)在特斯拉AI Day现场发言,右为马斯克。
长得像YouTube
却处处反着来
HackerTube网站界面一眼看去就是YouTube,用起来却处处反着来。
没有那些反复测试过、专勾人点击的封面。
每个视频的封面,都换成了视频中段的一帧。侧边栏还有个「Longs」入口,专放长视频。
这名字一看就是冲着YouTube的Shorts去的。
Karpathy把网站发到HN,帖子冲到2000多分。评论区跟了500多条。
网友拿它和YouTube首页比了一把。
有人说,首页推荐比YouTube的个性化推荐还准。
有人扎进巴赫作品解读的兔子洞,说YouTube上刷不到。
还有人说,从YouTube切过来,像是走进了一片树林。
一位网友说,自己87岁的父亲,天天刷YouTube,因为总被推送二战的负面内容,困在里面出不来。
连老年科医生都劝老人,别再看这类视频了。
这位网友认为,HackerTube已经很接近父亲需要的东西。
你多看一眼什么,算法就推更多什么。很多人就像上面这位老人一样,被困进了信息茧房。
有网友吐槽,算法关心的是怎样让你一直看;也有人说,平台并不在乎你看完后的感受。
连付钱的用户也憋着火。
一位网友说,自己开了好几年YouTube高级会员,却越用越讨厌。
离线同步经常出问题,在飞机上根本看不了自己的内容。
这位网友感叹,真希望能自己做一个YouTube客户端,又不确定平台允不允许,「真令人沮丧」!
在他看来,平台是一群「眼球贩子」,只想让你一直看,内容也因此越推越极端。
HN上有人问,这个项目到底烧了多少token、花了多少钱。
真正写网站、部署上线,Opus只用了约100万token。
这5亿是一次次调用累加出来的。模型并没有一口气读进5亿token。
Karpathy披露,九成以上模型用量用于评论标注,应用开发和部署等约用100万Opus token。
两小时里,消耗token最多的环节,是给评论打标签。写网站反倒是小头。
这笔账给想做数据工具的人提了个醒:清洗、标注资料,可能比写代码消耗更多token。
Karpathy把评论分析的数据打成压缩包公开了。
YouTube的视频信息,数据包里不直接给,要自己去YouTube拉取。说明里写了怎么取,一般要像Karpathy那样先申请一个YouTube的API密钥。
数据和说明都备齐了,就可以完全按照个人喜好「私人定制」了。
这样一打开,就是一份私人课表。想学什么一目了然,学到哪儿也清清楚楚。
同样的思路,也能用在你手里的资料上,比如收藏夹里吃灰的文章、攒了多年的工具清单都能照此改造。
看什么视频,以前是平台说了算。
现在,一个不愿将就的人,也可以像Karpathy这样,自造一个个人版视频站。
以前想要一个顺手的工具,只有两条路:等平台改,或者自己写代码。
评论区有网友说,做软件的门槛正在变低。人们能飞快搭出替代品,不再被软件巨头绑住。
被算法四舍五入掉的人,开始自己造算法了。
当然,Karpathy本人就是顶级AI研究者。普通人照着做,未必两小时就能搞定。
但这扇门,已经开了一道缝。
Karpathy只定了一条标准:看HN网友推荐过的视频。
剩下的,都交给了Claude。
轮到你动手,也先想清三件事:资料从哪来,按什么标准筛选,最后想拿到什么。
参考资料:
本文来自微信公众号“新智元”(ID:AI_era),作者:ASI启示录,编辑:元宇,36氪经授权发布。