Karpathy creó HackerTube con Claude en un fin de semana: 6454 vídeos a partir de 43 millones de comentarios

Es una frustración conocida: las recomendaciones de YouTube están optimizadas para aumentar el tiempo de visualización, no la calidad. Uno quiere encontrar «lo que de verdad recomienda la gente que sabe», pero ese feed no existe. Andrej Karpathy resolvió el problema en un fin de semana. Lo interesante aquí no es tanto el sitio en sí como el poco trabajo manual que hizo falta.

Qué construyó exactamente

HackerTube es un catálogo de vídeos seleccionados. Su fuente de datos es poco habitual: 20 años de comentarios de Hacker News, unos 43 millones en total. Allí se publican constantemente mensajes como «no os perdáis esta conferencia». Claude, con el modelo Opus 5.5, filtró ese archivo hasta reducirlo a 6454 vídeos que la comunidad recomienda una y otra vez.

Puede entenderse como una votación mediante enlaces. Si una misma charla reaparece en conversaciones de distintos años, probablemente sea buena. Es mucho más fiable que un algoritmo que propone el siguiente vídeo para evitar que cierres la pestaña.

Las decisiones de producto también son reveladoras. No hay inicio de sesión. En lugar de miniaturas optimizadas, se muestra un único fotograma de la mitad del vídeo, sin clickbait. El estado —lo que has visto y lo que has guardado para después— se almacena localmente en el navegador, por lo que el backend no necesita cuentas ni una base de datos de usuarios.

Justo después, Karpathy creó TristanTube: 47 000 vídeos a partir de una lista de canales de YouTube recopilada por Tristan Hume. Según sus palabras, el proyecto se hizo «one-shotted with Claude Code in 3 minutes», es decir, con una sola instrucción en tres minutos.

Dónde está la verdadera noticia

Karpathy afirma que Claude Code hizo casi todo el trabajo, desde el análisis de datos hasta la configuración del servidor. Solo realizó manualmente tres pasos que el agente no podía completar: obtener una clave de API de Google Cloud, alquilar un servidor y comprar un dominio. El agente se encargó de todo lo demás, incluido el procesamiento del enorme archivo de comentarios.

Según su estimación, los proyectos que antes llevaban semanas ahora se completan en unas pocas horas. Es la valoración de una sola persona, además muy experimentada y con acceso privilegiado a las herramientas, así que no debe tomarse como una referencia universal. Pero la tendencia está clara: el coste de un proyecto personal basado en datos se ha reducido al trabajo de un fin de semana.

Limitaciones

Conviene evaluar varios aspectos con realismo. Primero, el relato procede del propio Karpathy en X; no hay una evaluación independiente de la calidad de la selección. La afirmación de que ofrece una «experiencia significativamente mejor que las recomendaciones de YouTube» es subjetiva. Segundo, la muestra está sesgada: Hacker News reúne a una audiencia de programadores, por lo que el catálogo se centrará en tecnología, matemáticas y ciencia, no en todo tipo de temas. Tercero, los vídeos proceden de YouTube, de modo que la plataforma depende de enlaces ajenos, cuotas de API y condiciones de uso. Cuarto, Karpathy no es un usuario típico: sabe cómo plantearle una tarea a un agente y detectar errores rápidamente.

Qué hacer con esto

Para desarrolladores: revisad los datos que habéis acumulado, ya sean comentarios, tickets, chats de soporte o registros. El patrón de hacer que un agente procese un archivo grande y construya sobre él una capa de contenido seleccionado ya resulta barato de implementar. Conviene abordar el primer prototipo como un experimento de fin de semana, no como un proyecto trimestral.

Para responsables de producto y fundadores: la selección basada en señales de la comunidad vuelve a ser un nicho viable. Si los algoritmos de recomendación de las grandes plataformas irritan a la audiencia, una selección especializada sin inicio de sesión ni seguimiento puede convertirse en un producto por derecho propio. Tened en cuenta que el cuello de botella está cambiando: el código y el procesamiento de datos se abaratan, mientras que una buena fuente de señales y el criterio para decidir qué merece considerarse «bueno» ganan valor.

Por último, prestad atención al límite de la automatización. Las personas siguen siendo necesarias donde intervienen pagos y permisos de acceso: claves, servidor y dominio. Esos pasos todavía corresponden a una persona, y son precisamente los que conviene preparar de antemano si queréis trabajar a este ritmo.