保留各期已审核记录。历史观点按当时语境阅读，是否修正以对应回访的证据和说明为准。
2026-11-02 · 最新收录
Andrej Karpathy 与公开用户反馈 · 阅读原文
发现渠道：社区讨论与聚合入口
昨日介绍的 HackerTube，是 Karpathy 用 Hacker News 历史推荐重新组织视频入口的个人项目。原文列出 6454 个视频、150 个主题，提供可导出的数据，用户状态保存在本地浏览器。今天值得补充的不是“又做了一个视频站”，而是作者说明了筛选路径，用户也指出了实际使用中的缺口。
面对关于处理海量评论的玩笑，Karpathy 在公开回复里澄清：先按 URL、正则规则和垃圾信息过滤缩小范围，剩余部分才交给 Sonnet。最终视频下面能看到保留下来的推荐评论。这让读者知道语言模型介入的是哪一步，而不是误以为所有历史评论都经过相同深度的模型阅读。
Peter Hraska 则说，他喜欢这个入口，却想发现刚上传的新视频，于是尝试从已出现的频道补充新上传内容，并把标题所问问题的答案或摘要直接放在列表中。他还指出，原站虽然已有摘要，却藏在观看页像简介的位置，自己起初没认出那是摘要。这是一个具体的交互痛点：信息已经生成，用户仍可能在决定是否点击之前用不上它。
本期使用固定程序取得的公开原帖与回复快照，保留原账号和父帖关系，没有观看视频，也没有实测 Hraska 的派生站。作者的筛选说明和用户的自述，分别支持对处理流程与阅读需求的理解，不能据此认定推荐质量已得到独立验证。
可信度 65 · 重要性 76 · 新颖度 62
技术与主题
Agent 系统 · 检索与知识 · 多模态 · 信息筛选 · 推荐语境 · 摘要呈现
Andrej Karpathy
回应原帖：Eyad Nour
回复 Eyad Nour 关于 Agent 阅读海量 HN 评论的玩笑；说明原项目过滤流程。
忠实转述（非原句）：他澄清，Claude 已先用网址、正则与去垃圾处理缩小候选，再通过 Workflow 把剩余部分交给 Sonnet；视频下方保留的评论可供查看。他觉得那些推荐语气友好且有帮助，这是作者的个人判断。
Peter Hraska
回应原帖：Andrej Karpathy
在 HackerTube 讨论中提出新视频与摘要位置需求，并介绍自己的尝试。
忠实转述（非原句）：他最想补的是全新上传的视频：沿历史数据中常出现的频道找新内容，再在网格列表里显示答案或摘要。他认为列表摘要有助于快速筛选；原站的摘要放在观看页，像普通说明，他一开始甚至没意识到那是摘要，因此询问是否可以更突出地呈现。
编辑评读
这次回访把“更好的推荐”拆成两个不同目标：从历史讨论中找到值得看的内容，以及及时发现喜欢的频道刚发布了什么。历史社区提及擅长前一种候选发现，却天然需要时间积累；补入新上传可以改善新鲜度，也会把尚未经社区讨论的内容带进来。两者并无必要混成一项质量分数。沿历史热门频道补新视频，仍不保证能发现新的创作者；内容新鲜与来源多样也要分开。
摘要放在哪里，则决定它是否真正减少试错点击。如果用户在列表中已能判断主题与答案，就可能更快排除不合适的视频；但过早给出摘要也可能遗漏论证过程。可迁移的做法是把来源、更新时间、摘要依据放在作出选择的位置，并允许继续看原始推荐语境。以后可以比较用户找到目标内容需要的步骤和判断错误，而非只看点击率；这些交互效果本期尚未测量。
核查依据
- 支持本文所述原始机制、条件或署名评论；读取范围见research-audit。
- 支持本文所述原始机制、条件或署名评论；读取范围见research-audit。
- 支持本文所述原始机制、条件或署名评论；读取范围见research-audit。
2026-11-01 · 历史记录
发现渠道：Hacker News
Karpathy 不喜欢视频推荐里重复出现的内容和诱导点击的标题、缩略图，于是尝试用编程 Agent 做一个替代入口。他写道，自己让 Opus 5.5 搭建界面，并用 Sonnet 处理 Hacker News 的评论，从 2007—2026 年约四万条评论中整理出 6,454 个视频，分到约一百五十个主题。来源是社区曾经推荐的链接，而非平台对个人观看记录的预测。
项目保留了熟悉的视频浏览方式，但把缩略图换成视频中段画面，并把观看状态保存在浏览器本地，不要求账号。作者还提供数据导出，让别人能改做自己的界面。这里的“约两小时完成”是作者自述，未给出完整成本或长期维护记录；本期阅读了项目介绍和相关评论，没有观看这些视频，也没有核验每条视频的质量。
HN 评论者 zmmmmm 解释了自己为何厌倦个性化推荐：他上网是为了扩展视野，遇到自己没有想到、甚至不完全同意的东西，而“更多相似内容”未必服务这个目的。这与作者想改变入口的动机呼应。不过，换成 HN 推荐仍会继承社区的兴趣分布、推荐时点和漏选范围，不能把它当作中立的全网优选。
可信度 65 · 重要性 67 · 新颖度 65
技术与主题
AI 编程 · 检索与知识 · 多模态 · 信息筛选 · 社区推荐 · 数据可移植
zmmmmm
在 HackerTube 发布讨论中反思自己使用信息流的目的。
忠实转述（非原句）：他发现，推荐给自己的东西虽然都像是兴趣所在，却常常提不起兴趣。他真正想找的是意外的新事物和更宽的视角，包括不完全符合自己既有想法的内容。因此，他怀疑个性化信息流正在朝着与自己目的相反的方向筛选。
编辑评读
这项工作的启发在于，AI 降低了重新组织已有材料的门槛。用户不必先发明新的推荐模型，也可以从另一份可追溯的候选集合开始，改变筛选标准和浏览方式。这里最关键的产品选择是“什么内容有资格进入列表”，不只是界面写得有多快。视频仍来自 YouTube，这改变的是发现与浏览层，并未提供独立的视频托管体系。
但来源可追溯和内容可靠是两回事。HN 用户推荐过一个链接，只能说明它在某次讨论中被提出；转述者是否赞同、原内容是否过时、视频有没有失效，都可能影响使用。真正可迁移的方法，是把候选来源、筛选条件和可改写的数据一起交给用户，让不同目标有调整空间。要判断它是否比原推荐更有帮助，应比较发现新材料的质量和花费，而不能用短时间建成网站来代替长期效果。