两小时重构视频站：Karpathy 用 AI 对抗算法

据 Woofun AI 消息，11 月 2 日，OpenAI 联合创始人 正式对外披露，他因对 YouTube 平台千篇一律的算法推荐及博眼球封面感到厌倦，仅耗时两小时便借助 构建出全新的视频网站 。

这一行动并非单纯的技术炫技，而是旨在通过技术社区近 20 年的真实智慧积累，直接对抗商业平台黑盒化的推荐逻辑。在耗费 5 亿 Token 的人机协同过程中，Karpathy 仅负责配置云端基础设施与 API 密钥，从代码编写、安全加固到性能调优，全流程均由 AI Agent 自主完成，为 AI 原生全栈开发树立了一个极具参考价值的直观范本。

HackerTube 呈现出一种彻底反商业套路的极简主义风格，其核心设计理念在于剥离创作者为追求点击率而刻意设计的夸张封面。网站目前收录了 6454 个涵盖 150 个垂直主题的优质视频，这些内容全部脱胎于 Hacker News 社区近 20 年的沉淀。在视觉呈现上，系统通过脚本统一抓取视频正中间的一帧静止画面作为缩略图，这种去中心化的设计让视频内容回归客观本质，免除了标题党的视觉污染。

值得注意的是，该平台无需用户登录，所有浏览数据均保存在本地，从而彻底终结了用户浏览痕迹被追踪的困扰。从结构上看，这种将数据主权归还给用户的模式，是对传统流媒体平台数据垄断的一种直接回应。

Woofun AI 整理数据显示，该平台所收录的视频资源均经过严格筛选，确保了内容的高纯度与技术相关性。

要从海量的互联网信息废墟中筛选出高质量的技术视频，底层数据工程的复杂度极高。在整个数据处理流程中，Claude 首先对 Hacker News 自诞生以来的约 4300 万条历史讨论数据进行拉网式清洗，利用正则匹配技术快速缩小潜在视频的范围。随后，系统调用 模型展开精准的语义甄别，该模型需要深入理解程序员在特定语境中的真实评价，将真诚的安利与毫无营养的垃圾推广有效剥离。经过多轮交叉比对，最终从约 4 万条有效推荐中提炼出这批宝贵的内容索引。

这种用大模型支持数据挖掘的能力，展现出极强的工业化杠杆效应，以往需要数周人工审核的非结构化数据清洗，在 AI 的多层过滤管道下被压缩至几十分钟内完成。在代码与部署环节，Karpathy 体验了一场彻底的无键盘开发，整个项目完全由终端开发工具 推进，其中逻辑架构更为强悍的 负责编写数据流、网站全栈代码与部署脚本。Karpathy 在两小时的全程中没有亲手编写任何一行业务代码，仅手动申请了 API 密钥并购买了域名，从云服务器的配置初始化，到服务器安全加固与高并发性能调优，全部由模型自主推进。

这种分工体现了清晰的协同范式：旗舰模型 Opus 5.5 担任系统架构师与 DevOps 工程师，高性价比的 Sonnet 则作为主力流水线处理海量分类任务，开发者从繁重的语法细节中彻底抽离，转型为全局业务的产品经理。

项目背后的算力成本账本揭示了 AI 开发的经济性特征。该工程累计消耗了 5.04 亿输入 Token 与 760 万输出 Token，得益于上下文提示词缓存机制，输入部分命中率高达约 90%，大幅压降了实际计算费用。在这笔算力消耗中，超过 90% 的成本分配给 Sonnet 执行语料分类，而核心架构搭建与网站部署本身仅耗费约 100 万 Opus 5.5 Token。