星桥 API
刷视频这事儿，有时候挺邪门：看了半小时，手指头忙够呛，脑子没捞着啥。
Karpathy 也嫌 YouTube 的推荐不合心意。他在 X 上介绍了一个周末项目 HackerTube：借助 Claude，从 Hacker News 多年讨论里，整理出一批被人反复推荐的视频。
按他原帖的说法，扫描范围涉及约 4,300 万条历史评论，最后留下 6,454 个视频，项目约两小时做出来。先记住，这些规模和耗时来自作者自述，不是我们做的效率测试。
比“两小时”更值得看的是：他没有只问“现在什么最火”，而是去找“哪些东西过了几年，还有人愿意推荐”。
HackerTube 首页实际截图，2026 年 11 月 2 日访问。它整理已有视频，不是我们生成的产品示意图。
不是重新拍视频，是把散落的推荐捡起来
Hacker News，简称 HN，是一个有大量技术讨论的社区。有人聊编程，有人聊科学，也有人顺手贴一段多年前的演讲：“这段真值得看看。”
这些链接散在不同年份、不同帖子里。挨个翻，跟在旧聊天记录里找“谁发过那个好教程”差不多：知道有，找不着，急人。
HackerTube 做的，就是把这类线索整理成能浏览、搜索的视频目录。官网介绍称，目前有 6,454 个视频、150 个主题，归在 16 个领域里。我们实际打开了首页和 About 页面；视频能否在你的网络环境播放，还取决于 YouTube 等服务，本文没有逐条测试。
它也不是一个“完全没有推荐算法”的网站。项目说明写得很清楚：首页会混合经典内容、冷门佳作、近期受欢迎内容等，点赞以后还会影响推荐。变化在于选取和排序的信号，而不是把推荐这件事取消了。
贴了链接，不一定是在夸
项目的筛选并非“把全部评论扔给模型，问一句有哪些好视频”。按官网说明，过程分了几步。
先从 2007 至 2026 年的 HN 公开存档里扫描 YouTube 链接，找到十多万个不同视频；再筛出至少被三位不同用户、在至少三个不同月份提到，并且带有实际评论的视频。一次路过随手甩个链接的，先放一边。
到了这一步，还不能把“出现次数”直接当成“推荐次数”。
“这个讲得真清楚”是推荐；“看，这就是错误示范”也可能带着同一个链接。要是不分语境就加分，差评都能被整成锦旗。
所以，项目说明称，Claude 会结合评论与所在帖子的标题，判断它是在推荐、引用、开玩笑，还是批评；再整理摘要、主题和视频卡片。排序还会看它在多少个不同月份得到推荐，反复被人提起，比一次突然爆红更受重视。
依据项目 About 页面整理的流程图，由星桥 API 生成；用于解释方法，不是运行日志。
这里有两个数字容易混：原帖说的约 4,300 万，是扫描的历史评论范围；官网数据表列出的 39,834 条，是带有分类标注的评论记录。不能写成模型逐条完整读完了 4,300 万条，再拿“两小时”算处理速度。
更有用的一点是，官网介绍每个视频页会保留 HN 的相关评论，并给出回到原讨论的链接。我们也打开了一条视频详情页查看。你不必只听 AI 说“大家都觉得好”，还能继续看原来的人到底说了啥。
实际视频详情页截图，保留项目界面及评论上下文。评论属于原发言者，摘要和分类不等于逐条正确。
这套办法也有取舍。长期反复推荐，容易找到经得住时间的内容，但刚发布的新视频还没机会积累跨月份记录；HN 社区的兴趣，也不代表所有人的口味。拿它找技术演讲是一种思路，不能顺手宣布“这就是全网最好的 6,454 个视频”。
“两小时做完”，人也没彻底下班
Karpathy 在原帖里专门交代了自己动手的部分：在 Google Cloud 创建用于查询视频资料的 API Key、启动一台服务器，以及购买域名。其余多项开发和部署工作，他称交给了 Claude。
所以，这个故事既不是“AI 什么都没干”，也不是“人闭眼躺着，网站自己长出来了”。它是一个熟悉技术的人，提出了清楚的筛选目标，借助现成数据、模型和基础设施，把一个具体产品做了出来。实际费用、长期维护和安全性，本文没有独立审计。
我们更愿意借鉴的是那个选题：当信息已经多到看不过来，再做一份泛泛的摘要，未必能帮人选。先想清楚什么值得留下、什么证据算数、读者能否回头查原话，产品才有自己的用处。
“今天很火”和“几年后还有人惦记”，都能是好信号。别混成一锅，就有得琢磨。
资料核对：2026 年 11 月 2 日。来源为 Karpathy 的 X 原帖（页面标注 11 月 2 日）、HackerTube 官网 About 及实际页面。项目数字、筛选流程和工时按作者或官网说明转述；分析与取舍为本文判断。文末“阅读原文”可打开项目的方法说明。
原始资料：Karpathy 原帖 · HackerTube 项目说明 · 文中视频详情。