Karpathy用Claude做HackerTube——社区共识替代平台推荐算法

核心结论（一句话）

Karpathy 用 Claude Code 花 2 小时处理 HN 20 年 4300 万条评论，筛出 6454 个被社区反复推荐的视频做成 HackerTube；展示了人类提意图、AI 完成从 0 到 1 全部实现的新工作流。

HackerTube：基于 HN 社区共识而非平台点击优化的 YouTube 视频推荐站；无需登录、缩略图取视频中间帧、数据完全开放为 zip。
社区共识过滤：用高质量社区（HN、Reddit、Discord）的历史讨论作为内容过滤器，替代平台算法的点击率优化；本质是把人类注意力和时间筛选过的信号批量提取。
few-shotted 开发：Karpathy 用语”few-shotted for breakfast”——过去几周的项目现在用几轮对话在吃早餐功夫搞定；前提是清晰意图 + 关键决策由人完成。
Claude Code 全流程：写代码、部署、加固服务器、优化前端全交给 Claude；人工只做 API key 申请、VPS 租赁、域名购买三件事。
数据可复用性：分析数据公开为 zip，任何人可按自己口味再过滤、做客户端、接入知识库；比封闭网站更有长期价值。
人类意图与 AI 执行分工：人类负责提出清晰意图和做关键决策，AI 负责机械、重复、需要耐心的工作；不是”AI 辅助写代码”而是”AI 把项目从 0 到 1 做完”。
Hacker News 信号源：20 年、4300 万条评论中反复出现的 YouTube 链接，代表经得起时间检验的技术内容；6454 个视频是最终筛选结果。
无登录设计：状态存本地浏览器，打开即用；降低使用门槛的同时避免用户数据收集，与平台算法形成对比。

[[51CTO技术栈-Agent能力不足维护代码库-HumanLayer创始人质疑无人值守软件工厂]]：本文是 Agent 能力的正面案例（小项目从 0 到 1），该文是反面边界（复杂长期项目维护）

[[Datawhale-DeepSeek-Super-Agent架构-Router-Worker双层]]：Agent 架构设计与本文的 Agent 工作流实践互补

内容发现范式转变：从平台点击优化转向社区历史讨论作为过滤器；HN、Reddit、Discord 是经人类注意力筛选的信号源，AI 能批量系统提取；HackerTube 是这一范式的具体实现。
个人软件开发门槛急剧下降：过去几天到几周的 web 服务（爬数据、清洗、部署、前端），现在一个周末可完成；Karpathy 只做了 3 件体力活，其余全交给 Claude Code + Opus 5.5。
数据开放比封闭产品更有价值：分析数据打包为 zip 公开，任何人可按兴趣再过滤、做桌面客户端或 Android TV 应用、接入知识库做私人推荐引擎；已有人据此做出衍生产品。

用社区信号做内部内容筛选：把 Seetong 相关的 TAPD 评论、企微群讨论、GitHub issue 作为信号源，用 Agent 批量提取高频出现的技术方案和问题模式，替代人工翻记录。
小工具尝试 few-shotted 开发：内部工具类需求（如日志分析面板、版本质量看板），先花 10 分钟写清意图和约束，直接让 Claude Code 从 0 到 1 完成，欧阳荣或对应负责人验收即可。
内部工具数据开放：分析报告和监控数据导出为结构化文件而非仅在线查看，让团队成员可以按自己需求再加工，降低二次开发的启动成本。

备注与链接