知识卡片：卡帕西用Claude两小时搭出HackerTube，以HN推荐替代算法

一句话结论

据腾讯研究院AI速递（20261103）报道，Karpathy用Claude Code（Opus 5.5 Medium）凭一句提示词在两小时内建成HackerTube，复刻YouTube布局并收录6454个HN推荐视频，以HN用户多年主动推荐替代点击时长排序。

事件概述或研究问题

这是一则产品实践案例：Karpathy以单条提示词驱动Claude Code完成一个视频聚合站点的搭建，核心问题在于用“HN用户长期主动推荐”作为排序信号，替代平台常见的“点击时长”类算法推荐逻辑。材料来源为搜狐转载的腾讯研究院AI速递，属二手转述，Karpathy原始发布内容待核实。

方法/产品要点

• 工具与模型：Claude Code（Opus 5.5 Medium），单条提示词。
• 时间与分工：两小时建成；Karpathy本人只负责建API Key、启动VPS、买域名，其余交给Claude。
• 界面：复刻YouTube布局。
• 内容规模：收录6454个HN推荐视频。
• 排序机制：由点击时长改为HN用户多年主动推荐。
• 功能细节：免登录、观看状态存本地、封面取视频中间一帧、可导出底层数据。

主要结果或产业意义

展示了一种“提示词+托管基础设施”即可在两小时内产出可用站点的开发形态，同时提供了一个反算法推荐的排序实验：以社区人工推荐（HN）替代行为指标（点击时长）。对AI辅助开发的效率叙事与推荐机制设计均具参考价值。

为什么重要

• 开发范式：把“建站”压缩为人配置API Key、VPS、域名，其余由模型完成，是AI编程工具能力的一次公开演示。
• 推荐机制反思：用HN多年主动推荐替代点击时长，回应了算法推荐追逐停留时长带来的内容质量问题。
• 与既有脉络的关系：本卡片延续“Claude系列能力展示”这一脉络（此前已有Claude解密码学悬案、Claude自动化对齐等卡片），增量信息在于此次是个人开发者侧的产品落地而非研究或安全议题，且涉及推荐排序这一产品设计维度。

局限与不确定性

• 依赖外部数据：仍依赖YouTube视频与元数据，站点本身不托管视频。
• 检索质量：搜索会混入无关内容。
• 来源层级：材料为腾讯研究院速递的二手转述，Karpathy原始帖子、HackerTube实际可访问性与长期运行情况待核实。
• 规模与影响：6454个视频的收录量、排序效果的实际用户体验未在材料中给出评估数据，待核实。

可用于图书/PPT/简报的角度

• “两小时建站”：AI编程工具把基础设施配置之外的工作全部外包给模型的示例。
• “反算法推荐”实验：以社区人工推荐替代点击时长，作为推荐机制设计的对照案例。
• 个人开发者+托管服务+大模型的最小产品闭环。
• 提示词工程的边界：一句提示词能产出什么、不能产出什么（搜索质量、数据依赖）。

原始材料

• 来源：腾讯研究院AI速递 20261103（搜狐转载）
• URL: https://m.sohu.com/a/1096286983_455313?scm=10001.325_13-325_13.0.0-0-0-0-0.5_1334
• 条目：七、卡帕西用Claude两小时搭出HackerTube，以HN推荐替代算法