Andrej Karpathy criou o HackerTube com 6.454 videos em duas horas

O YouTube sabe muito bem o que prende a atencao, mas isso nem sempre coincide com aquilo que as pessoas querem assistir. Andrej Karpathy se deparou com esse problema conhecido e criou o HackerTube durante um fim de semana: um catalogo de videos cujas recomendacoes nao vem de um feed algoritmico, mas dos comentarios do Hacker News.

O resultado foi um site com 6.454 videos que os participantes do HN recomendaram uns aos outros ao longo de 20 anos. Segundo Karpathy, Claude concluiu o trabalho principal em cerca de duas horas. O proprio desenvolvedor comprou um dominio, criou uma chave da API do YouTube e colocou um VPS no ar.

Parece mais uma historia do genero «um agente escreveu um aplicativo durante o cafe da manha». Mas a parte util nao esta na velocidade de producao do codigo. Karpathy mostrou como transformar um grande arquivo nao estruturado em um produto de nicho com valor claro: encontrar recomendacoes recorrentes, associa-las a videos e oferecer ao usuario uma interface adequada para busca e reproducao.

Como isso funciona em um exemplo simples

Imagine que, em milhares de discussoes, as pessoas publiquem links para palestras, entrevistas e analises tecnicas. Um link pode aparecer uma unica vez e nao significar nada. Outro ressurge durante anos em diferentes topicos, acompanhado por frases como «a melhor explicacao sobre o assunto» ou «vale a pena assistir inteiro».

O HackerTube usa o rastro coletivo dessas recomendacoes como sinal inicial. Em vez de um modelo pessoal tentando adivinhar o proximo clique, o servico exibe videos que ja passaram por uma selecao humana dentro de uma comunidade tecnica. Karpathy afirma que 43 milhoes de comentarios do Hacker News foram processados para montar o catalogo, resultando em 6.454 videos.

Essa e uma diferenca importante. O agente nao inventa recomendacoes do zero; ele ajuda a extrair estrutura de dados existentes e a transformar o resultado em um produto. O arquivo da analise, publicado separadamente, tambem pode ser reutilizado: por exemplo, e possivel pedir a um agente proprio que selecione materiais sobre compiladores, historia das startups ou aprendizado de maquina.

O que o agente realmente acelerou

No passado, um experimento desse tipo exigiria o desenvolvimento separado da ingestao de dados, do processamento de links, da integracao com o YouTube, do servidor e da interface. Um agente de programacao moderno consegue conectar essas partes em uma unica sessao quando a tarefa e delimitada, as fontes sao conhecidas e uma pessoa toma rapidamente as decisoes de infraestrutura.

A conclusao pratica para as equipes e simples: agora, vale a pena iniciar um prototipo nao com uma longa especificacao tecnica, mas com uma pergunta que possa ser testada. Por exemplo: «Os desenvolvedores buscarao videos por meio das recomendacoes do HN em vez de usar o feed do YouTube?». Um agente pode montar um produto minimo, e usuarios reais fornecerao a resposta mais rapidamente do que apresentacoes e semanas de planejamento.

Ao mesmo tempo, a frase «feito em duas horas» nao significa que o produto esteja pronto para grandes volumes de acesso ou para operacao comercial. Ainda existem os custos das consultas, os limites da API do YouTube, a atualizacao dos dados, a moderacao, a seguranca, os backups e as condicoes legais de uso do conteudo. Tambem ainda nao ha medicoes publicas suficientes sobre a qualidade da selecao: nao se sabe quantos links uteis foram ignorados nem em que medida o catalogo esta enviesado pelos interesses do publico do Hacker News.

O que levar para o seu proprio trabalho

Os desenvolvedores devem procurar problemas nos quais ja exista um conjunto de dados valioso, mas falte uma interface conveniente. As equipes de produto devem medir nao a quantidade de codigo gerado, mas o tempo entre a ideia e o primeiro sinal dos usuarios. Os fundadores devem separar desde o inicio um prototipo rapido de um sistema que possa ser mantido com seguranca.

O HackerTube e interessante justamente como exemplo dessa abordagem. O agente reduziu drasticamente o custo de criar a camada de acesso, mas a ideia, a fonte dos dados e o criterio de utilidade continuaram sendo trabalho humano. Ao que tudo indica, a principal limitacao ja nao e a capacidade de criar rapidamente mais uma interface, mas a capacidade de identificar um bom conjunto de dados e fazer a pergunta certa a ele.