Eileen Karpathy 在周五晚上十一点打开 YouTube 想找点视频看，首页却塞满了夸张的封面和反复出现过的老话题。第二天，他打开 Claude，给自己重做了一个视频网站，整个过程用了两个小时，模型是 Claude Opus 5.5，推理强度选的是 Medium。这个网站叫 HackerTube。
站点基本照搬了 YouTube 的网页布局：左边导航栏放点赞过的视频、历史记录和稍后再看，右边的推荐流沿用同样的封面尺寸、发布时间与播放量展示。站内视频都来自 YouTube，共 6454 个，筛选规则由 Claude 写的一套机制执行，只收录多年来在 Hacker News 上被反复讨论和推荐过的内容。用户可以按艺术、软件工程、历史、思想、商业、游戏等分类浏览，也能看到个性化推荐。视频详情页还会显示来自 Hacker News 的评论、推荐人数以及被推荐的时间。
它和 YouTube 的差别主要落在分发环节。YouTube 的推荐主要看点击、观看时长、留存和互动，HackerTube 的初始信号则是 HN 用户主动贴出的链接——一个人认为某段视频值得分享，就把它发出来。站点不要求登录，观看状态保存在本地浏览器；封面也不采用上传者精心优化的图，而是截取视频中间的一帧。底层数据可以导出，交给自己的 AI 代理再做一个版本。
项目发布后，讨论很快超出 AI 编程案例本身。有人提到 Claude 近期的使用限制变多，比如有港科大博士生称自己只是让 Claude 提交任务和运行分析，就被标记为“训练竞争对手”，Opus 5.5 被降级。更多人关心的是重建信息入口这件事：类似思路下，已有网友做出 Hacker Papers，从 HN 整理出一千多篇 arXiv 论文；还有人从发帖中识别出一万五千多本书，做成书籍推荐站。这些尝试的共同点，是把排序依据从平台增长指标换成真实用户的长期主动推荐。
