Andrej Karpathy construyo HackerTube con 6.454 videos en dos horas

YouTube sabe bien que retiene la atencion, pero eso no siempre coincide con lo que uno quiere ver. Andrej Karpathy se encontro con este problema tan conocido y construyo HackerTube durante un fin de semana: un catalogo de videos cuyas recomendaciones no proceden de un feed algoritmico, sino de los comentarios de Hacker News.

El resultado fue un sitio con 6.454 videos que los miembros de HN se recomendaron entre si durante 20 anos. Segun Karpathy, Claude completo el trabajo principal en unas dos horas. El propio desarrollador compro un dominio, creo una clave de la API de YouTube y puso en marcha un VPS.

Suena como otra historia del genero «un agente escribio una aplicacion durante el desayuno». Sin embargo, lo util no es la velocidad a la que se genero el codigo. Karpathy mostro como convertir un gran archivo no estructurado en un producto especifico con un valor claro: encontrar recomendaciones recurrentes, vincularlas con videos y ofrecer al usuario una interfaz adecuada para buscarlos y reproducirlos.

Como funciona, con un ejemplo sencillo

Imaginemos que, en miles de conversaciones, la gente deja enlaces a conferencias, entrevistas y analisis tecnicos. Un enlace puede aparecer una sola vez y no significar nada. Otro reaparece durante anos en hilos distintos, acompanado de frases como «la mejor explicacion del tema» o «merece la pena verlo entero».

HackerTube utiliza el rastro colectivo de esas recomendaciones como senal de partida. En lugar de un modelo personal que intenta adivinar el siguiente clic, el servicio muestra videos que ya han pasado por una seleccion humana dentro de una comunidad tecnica. Karpathy afirma que, para construir el catalogo, se procesaron 43 millones de comentarios de Hacker News, de los que se extrajeron 6.454 videos.

Es una diferencia importante. El agente no inventa las recomendaciones desde cero, sino que ayuda a extraer estructura de datos existentes y a convertir el resultado en un producto. El archivo del analisis, publicado por separado, tambien puede reutilizarse: por ejemplo, se puede pedir a un agente propio que seleccione materiales sobre compiladores, la historia de las startups o el aprendizaje automatico.

Que acelero realmente el agente

Antes, un experimento de este tipo habria exigido desarrollar por separado la carga de datos, el procesamiento de enlaces, la integracion con YouTube, el servidor y la interfaz. Un agente de programacion moderno puede conectar todas estas piezas en una sola sesion si la tarea esta acotada, las fuentes son conocidas y una persona toma con rapidez las decisiones de infraestructura.

La conclusion practica para los equipos es sencilla: ahora conviene empezar un prototipo no con una larga especificacion tecnica, sino con una pregunta verificable. Por ejemplo: «¿Buscaran los desarrolladores videos mediante recomendaciones de HN en lugar de usar el feed de YouTube?». Un agente puede construir un producto minimo, y los usuarios reales daran la respuesta mas rapido que las presentaciones y las semanas de planificacion.

Aun asi, la frase «hecho en dos horas» no significa que el producto este preparado para soportar una gran carga o funcionar comercialmente. Siguen pendientes el coste de las consultas, los limites de la API de YouTube, la actualizacion de datos, la moderacion, la seguridad, las copias de respaldo y las condiciones legales de uso del contenido. Tampoco hay todavia suficientes mediciones publicas sobre la calidad de la seleccion: se desconoce cuantos enlaces utiles se omitieron y hasta que punto el catalogo esta sesgado por los intereses de la audiencia de Hacker News.

Que incorporar al trabajo propio

Los desarrolladores deberian buscar tareas en las que ya exista un conjunto de datos valioso, pero falte una interfaz comoda. Los equipos de producto deberian medir no la cantidad de codigo generado, sino el tiempo que transcurre desde la idea hasta la primera senal de los usuarios. Los fundadores deberian separar de antemano un prototipo rapido de un sistema que pueda mantenerse de forma segura.

HackerTube resulta interesante precisamente como ejemplo de este enfoque. El agente redujo de forma drastica el coste de crear la capa de acceso, pero la idea, la fuente de los datos y el criterio de utilidad siguieron siendo trabajo humano. Parece que la principal limitacion ya no es la capacidad de crear rapidamente otra interfaz, sino la de detectar un buen conjunto de datos y formularle la pregunta adecuada.