Eine Website bauen, indem du mit einem KI-Agenten sprichst: das HackerTube-Beispiel

Ein KI-Agent kann die ganze Website für dich bauen – bis auf drei Dinge: den API-Schlüssel, den Server und die Domain. Genau darin liegt die Aufteilung bei HackerTube, einer Website im YouTube-Stil, die Andrej Karpathy nach eigenen Angaben in etwa zwei Stunden gebaut hat, indem er nur mit Claude gesprochen hat. Unten: die vier Phasen, die das Projekt durchlaufen hat, was du selbst vorbereiten musst und wie du abschätzen kannst, was die repetitive mittlere Phase mit deinen eigenen Daten kosten würde.

Vier Phasen, in dieser Reihenfolge#

Karpathy (KI-Forscher, OpenAI-Mitgründer, ehemaliger Tesla-AI-Direktor, Gründer von Eureka Labs) veröffentlichte den Bericht am 31. Oktober 2026: HackerTube auf seinem Blog. Die Website sammelt die Hacker-News-Kommentare, die ein YouTube-Video empfehlen, und lässt dich darin stöbern. Dahinter steckt ein Skelett, das fast jedes „einfach mit dem Agenten sprechen“-Projekt teilt. Versuch, es selbst in die richtige Reihenfolge zu bringen:

Phase zwei fällt aus dem Rahmen. Herunterladen, Bauen und Deployen passieren jeweils einmal. Die Behalten-oder-Verwerfen-Frage wird einmal pro Eintrag gestellt, zehntausendfach. Merk dir das, es kommt zurück, wenn wir zum Geld kommen.

Was der Agent getan hat, in Zahlen#

Hier ist der Durchlauf, wie Karpathy ihn beschreibt. Er arbeitete in der Claude-Code-Desktop-App. Opus 5.5 mit mittlerem Aufwand, sein Standard, lud den Hacker-News-Kommentardatensatz von Hugging Face herunter und filterte ihn. Sonnet ging in einem Claude-Code-Workflow über die Kommentare. Das Ergebnis: etwa 40K Kommentare, die ein YouTube-Video empfehlen, 6.454 Videos von 2007 bis 2026, sortiert in 150 Themen. Dann baute Opus die Oberfläche und deployte sie auf einen VPS. Die Website hat „ForYou“-Empfehlungen ohne Konten (der Zustand lebt in der Browser-Session), Tastaturkürzel und einen Datenexport, damit andere Leute die Daten ihrem eigenen Agenten geben können.

Was der Beitrag dir nicht liefert: irgendeine Kosten- oder Token-Zahl und welche Schritte reiner Code waren gegenüber Modellaufrufen. „Zwei Stunden“ ist also eine Zeit, kein Preis. Wenn du wissen willst, warum dieser Unterschied zählt, deckt das Brauchen Agenten das Modell bei jedem Schritt? ab.

Drei Dinge, die bei dir bleiben#

Karpathy machte drei Schritte von Hand: Er erstellte einen Google-Cloud-API-Schlüssel (für YouTube-Metadaten), startete den VPS und kaufte die Domain. Schau, was sie gemeinsam haben. Jeder ist an ein Konto von dir gebunden: ein Login, ein Abrechnungsprofil, deine Identität. Ein Agent kann jeden Befehl schreiben, aber er kann nicht als du an der Kasse stehen. Es ist wie beim Bauunternehmer: Er stellt das Haus hin, aber du unterschreibst für das Grundstück.

In der Praxis wird der Agent anhalten und fragen. Mach den Schlüssel selbst, pack ihn in eine Umgebungsvariable und gib dem Agenten nur den Namen der Variable, nie den Schlüssel selbst. Wenn Schlüssel neu für dich sind, dauert was ein API-Schlüssel ist und wie man ihn sicher speichert fünf Minuten.

Probier dieselbe Form mit deinen eigenen Daten#

Sagen wir, du hast reviews.csv mit 40.000 Produktbewertungen und willst eine kleine durchsuchbare Seite mit nur den Bewertungen zur Akkulaufzeit. Ein Prompt im Geist von HackerTube:

I have reviews.csv (40000 rows, column: text). Goal: a small searchable web page with only the reviews about battery life.

1. Look at the file and tell me what is in it. Change nothing yet.
2. Write a script that sends each review to a model and gets back keep or drop. Use an OpenAI-compatible API: base URL https://api.cheaptokens.dev/v1, key from the environment variable CHEAPTOKENS_API_KEY, model deepseek-ai/DeepSeek-V4-Flash-0731.
3. Run it on the first 100 reviews, show me the results and the tokens used. Wait for my OK before the full run.
4. Build the page from the kept reviews.
Whenever you need an account, a key or a payment from me, stop and tell me what to do.

Schritt 3 ist die Gewohnheit, die es zu übernehmen lohnt. Hundert Zeilen kosten fast nichts, und du siehst die Fehler des Modells, bevor es Geld für vierzigtausend ausgibt. Die letzte Zeile ist die Übergabe aus dem vorigen Abschnitt, aufgeschrieben. Die Basis-URL und die Modell-ID kommen aus der CheapTokens-Doku; den Schlüssel erstellst du dort selbst.

Was die Massenphase kostet#

Zurück zur Phase, die sich wiederholt. Sagen wir, jede Bewertung plus eine einzeilige Anweisung sind etwa 150 Tokens, und die Antwort („behalten“ oder „verwerfen“) sind etwa 10. Für 40.000 Bewertungen sind das 40000 × 150 = 6000000 Input-Tokens und 40000 × 10 = 400000 Output-Tokens. Auf DeepSeek-V4-Flash kostet der ganze Durchlauf $0.13, auf GLM-5.3-Flash $0.136. Input und Output zusammengerechnet sind beide günstiger als OpenRouter. Jede Anfrage ist winzig, also kommen die 380K- und 390K-Kontextfenster nie zum Einsatz; was zählt, ist der Preis pro Token mal eine sehr große Zahl von Aufrufen.

Ändere die Zahlen auf deine eigenen Daten und schau:

Das ist nur eine Phase. Bauen und Deployen sind separate Sessions mit dem Agenten, und dein echter Filter-Prompt wird länger als eine Zeile sein. 40K Kommentare mit einem LLM filtern zeigt einen vollständigen Behalten/Verwerfen-Prompt, und Modell-Routing erklärt, wie man einfache Einträge zuerst an ein günstiges Modell schickt. Aktuelle Preise für jedes Modell stehen auf der Preisseite.

Dein erster Schritt: Schick diese 100 Zeilen durch das First-Request-Setup, lies die Antworten und lass den Agenten erst dann den Rest erledigen.