两小时重做视频首页:6454个精选视频干掉推荐算法

两小时重做视频首页:6454个精选视频干掉推荐算法

人工智能推荐算法开源项目软件工程

数据源:Karpathy 博客 + HN 讨论

周五深夜被垃圾信息包围,他决定动手清理

周五深夜 11 点,知名人工智能学者 Andrej Karpathy 结束了一周工作。他打开视频网站想透透气,屏幕上扑面而来的却是一堵由算法拼出来的垃圾墙。大红箭头、张嘴尖叫的浮夸封面、千篇一律的情绪标题塞满了屏幕。他关掉网页,决定自己动手改变现状。

Karpathy 曾担任特斯拉人工智能总监,也是 OpenAI 的创始团队成员。在机器学习领域,他比绝大多数人更清楚推荐系统的运行逻辑。商业视频平台依赖点击率与完播率优化模型,算法自然会滑向满足大众中位数刺激的泥潭。用他的话说,这套算法可能适合网络上的中位数用户,但对自己早就失效了。

商业平台的推荐算法最初为了解决信息过载而生。随着商业化指标压倒一切,系统的核心目标转向了用户停留时长与点击率。为了在指尖滑动中抢夺注意力,内容生产者被迫陷入浮躁的制作套路。封面越来越刺眼,情绪挑动越来越激烈,真正有深度的知识反而被算法埋没。

普通用户每天都在承受类似的折磨。为了挽留注意力,平台的推荐系统不断加大刺激剂量,把首页变成了一座内容废品站。用户越是疲惫,推送来的画面就越聒噪。在争夺注意力的商业死循环里,受害的是所有想要安静获取知识的人。

借助大模型过滤评论,收敛出6454个优质视频

周六清晨,Karpathy 开启了这场极速开发实验。他没有组建庞大团队,直接把数据清洗任务交给了大语言模型 Opus 5.5。开发的第一步是寻找值得信赖的内容源头。他将目光投向了知名技术社区 Hacker News,那里沉淀了全球技术爱好者近二十年的严肃讨论。

大模型首先下载了社区自建站以来的海量历史留言。随后,Sonnet 模型按照严格的语义规则过滤掉垃圾广告与争吵废话。工作流剔除了带有负面评价的视频链接,只保留那些真正表达赞赏与推荐的发言。最终,系统从 4 万条高置信度的推荐留言中,收敛出 6454 个独立视频链接。

这 6454 个视频横跨 2007 年至 2026 年,覆盖了 150 个细分主题。名单里有经典计算架构讲座,也有冷门的修表实录。**这些视频的共同特征,在于它们全部经过真实人类在漫长时间里的主动淘洗。**每一个入选链接,都是工程师在讨论时自发给出的信誉背书。

Karpathy 展示的 HackerTube 视频卡片界面 图:Karpathy 在个人博文中展示的 HackerTube 极简界面。来源:karpathy.bearblog.dev

扒掉夸张噱头封面,中间截一帧反而更真实

数据处理完毕后,Karpathy 着手搭建前端界面。他给这个项目命名为 HackerTube,视觉布局参考了主流视频平台的三列网格。但他做出了一个关键的逆向设计:直接停用上传者自制的封面图。网站强制提取视频时间轴恰好在 50% 位置的那一帧(50% thumbnail),直接作为预览卡片。

这项改动立刻拆穿了流量时代的视觉伪装。在主流平台上,创作者为了争夺点击,往往在封面上画满巨大箭头,配上惊恐夸张的表情。当系统强制只展示视频正中间的真实画面时,浮夸包装立刻失效。视频究竟是在严谨讲解电路,还是在故弄玄虚,读者扫一眼便知。

更进一步的精简发生在数据追踪层面。HackerTube 没有注册登录,更不记录用户画像。网站的「为你推荐」分类,状态仅临时存在本地会话(session)中。访客关掉网页痕迹即焚,还能一键导出全部数据喂给个人智能体。

hackertube.org 站点首页展示 图:hackertube.org 首页由纯网格构成,没有任何追踪和推荐流。来源:hackertube.org

两小时上线静态站,没有推荐算法反而更准

把静态代码推送到云服务器(VPS)并买好域名,前后耗时不过两个小时。测试页面跑通的那一刻,Karpathy 在博文中由衷感叹:「我现在能呼吸了。」这种轻松感在开发者圈子里引发了强烈共鸣,许多苦于算法投喂已久的用户开始试用这个没有推荐机制的极简网站。

试用者的反馈指向同一个反常现象。这个网站没有复杂模型在后台推测喜好,首页只有排列整齐的视频方块。随手点开几个条目,内容的信息密度与启发性却远超预期。社区里给出的一句评价流传最广:这个没有任何个性化推荐的首页,命中率比大厂的推荐流更高。决定体验优劣的关键在于内容池本身的纯净度,算力再高也无法把劣质原料炼成金子。

软件编写门槛归零,人工审美才是真正稀缺品

HackerTube 的快速落地,展现了软件生产方式的剧烈变化。过去搭建一个同等规模的站点,需要工程师团队协作数周。如今借助顶级大模型,一个人两小时便能跑通全流程。Karpathy 坦言现在的门槛转向了系统运维:把站点推上云端并做好安全加固,仍需工程经验。

编写软件的门槛被大模型大幅拉低,竞争的重心随之发生位移。一款工具的好坏,不再取决于界面编写得多繁琐,也不取决于推荐引擎调用了多少算力。决定产品核心价值的资产,变成了你用什么质量的数据去构建内容池。技术社区二十年来积累的人类思考与评价,成了无法被算法凭空捏造的珍贵矿藏。

商业巨头习惯用推荐算法迎合人性弱点,以此换取更多停留时长。HackerTube 的实验则走出了一条截然不同的道路。放弃复杂的算法算计,把真正优质的内容直截了当地摆在所有人面前。当网络被粗制滥造的信息填满,恪守严苛内容筛选门槛的产品,反而拥有最持久的生命力。

参考链接:

  • Karpathy 个人博文《HackerTube》
  • hackertube.org 官方网站
  • Hacker News 社区主题讨论