起点是一个很具体的厌烦
十月三十一日，周五晚上十一点，Andrej Karpathy 打开 YouTube 想看点东西，然后被首页劝退了：夸张到失真的封面、反复推荐的同类话题、他形容为 "白痴化" 的内容。他承认这套算法大概很懂互联网上的中位数用户，但不懂他。
第二天早上，他给 AI 派了一个任务：既然人的推荐靠不住，那就用人的讨论来做推荐——把 Hacker News 上被人推荐过的视频全部找出来，做成一个视频站。两小时后，站点上线。
信号从哪来：四万条评论
做法不复杂，但方向值得记住。AI 先下载了 Hacker News 的全部历史评论，做过滤；再用另一个模型在 Workflow 里逐条判断，去掉垃圾与灌水，最后收敛出约 4 万条真正在推荐某个 YouTube 视频的评论。这些评论对应 6,454 个视频，横跨 150 个话题，时间跨度从 2007 到 2026 年。
这等于用 "有人愿意在技术社区里专门写一句这个值得看" 当推荐信号，而不是用播放量、完播率、点击率。前者是人主动表达的判断，后者是被算法优化的行为数据。两种信号导出的内容，气质完全不同。
几个刻意的产品决定
站点的细节比功能列表更有意思。它不用上传者自己做的封面，而是取视频的 50% 帧截图——正好绕开了那套夸张缩略图的军备竞赛。它不做账号体系，"为你推荐" 的状态只存在浏览器本地会话里。它提供键盘快捷键，还把整站数据做成可导出的形式，方便你把数据丢给自己的 AI 再生成一个版本。
这些决定背后是同一种取向：默认用户是来获取判断的，不是来被留住时长的。
两小时里，人只做了三件事
Karpathy 补了一段过程说明，这部分对企业更有参考价值。他用的是 Claude Code 桌面版，模型是 Opus 5.5、中等思考强度。他自己动手的部分只有三件：去 Google Cloud 后台申请一个查询视频元数据的 API key、开一台 VPS、买一个域名。剩下的更新、部署、加固、优化，都是把 IP 交给 AI 之后一句话交代完的。
注意这三件事的性质：都是需要身份、支付和账户权限的动作。这也是目前 "AI 全自动" 的真实边界——执行可以交出去，需要对外承诺和花钱的环节，仍然落在人身上。
对小团队的实际启发
不必照抄这个项目，但有三点可以搬。
第一，做内容类产品时，先问 "人已经在哪儿表达过判断"。行业论坛、客户群、售后工单、招标答疑，都是现成的高质量语料，比爬来的行为数据更接近真实需求。第二，"不用上传者的封面" 这类决定提醒我们：默认项本身就在塑造内容生态，产品设计里的每一个默认值都是一次价值表态。第三，两小时上线一个完整站点在今天已经不稀奇，稀奇的是选题足够具体——"我想看点好的技术视频" 具体到可以两小时做完，"我要做个内容平台" 则会拖三个月。
对做企业数字化的团队，最后一条尤其值得抄：把需求缩到一个能当天验证的最小切口，比做一份完美的年度规划更容易得到真实反馈。
评论交流
欢迎留下你的想法