Construir un sitio hablando con un agente de IA: el ejemplo de HackerTube

Un agente de IA puede construirte todo el sitio excepto tres cosas: la clave de API, el servidor y el dominio. Esa es la división en HackerTube, un sitio al estilo YouTube que Andrej Karpathy dice que hizo en unas dos horas solo hablando con Claude. A continuación: las cuatro etapas por las que pasó el proyecto, lo que tienes que preparar tú mismo y cómo estimar cuánto costaría la etapa intermedia repetitiva con tus propios datos.

Cuatro etapas, en este orden#

Karpathy (investigador de IA, cofundador de OpenAI, exdirector de IA de Tesla, fundador de Eureka Labs) publicó el artículo el 31 de octubre de 2026: HackerTube en su blog. El sitio recopila los comentarios de Hacker News que recomiendan un vídeo de YouTube y te permite explorarlos. Detrás hay un esqueleto que comparten casi todos los proyectos de «solo habla con el agente». Intenta ordenarlo tú mismo:

La segunda etapa es la excepción. Descargar, construir y desplegar ocurren una vez cada una. La pregunta de conservar o descartar se hace una vez por elemento, decenas de miles de veces. Retén esa idea, vuelve cuando lleguemos al dinero.

Lo que hizo el agente, en cifras#

Esta es la ejecución tal como la describe Karpathy. Trabajó en la aplicación de escritorio Claude Code. Opus 5.5 en esfuerzo medio, su opción por defecto, descargó el conjunto de datos de comentarios de Hacker News desde Hugging Face y lo filtró. Sonnet revisó los comentarios dentro de un Claude Code Workflow. El resultado: unos 40K comentarios que recomiendan un vídeo de YouTube, 6.454 vídeos de 2007 a 2026, ordenados en 150 temas. Después Opus construyó la interfaz y la desplegó en un VPS. El sitio tiene recomendaciones «ForYou» sin cuentas (el estado vive en la sesión del navegador), atajos de teclado y una exportación de datos, para que otras personas puedan entregar los datos a su propio agente.

Lo que el artículo no te da: ningún coste ni recuento de tokens, ni qué pasos fueron código puro frente a llamadas al modelo. Así que «dos horas» es un tiempo, no un precio. Si quieres saber por qué importa esa distinción, ¿necesitan los agentes el modelo en cada paso? lo cubre.

Tres cosas que se quedan contigo#

Karpathy hizo tres pasos a mano: creó una clave de API de Google Cloud (para los metadatos de YouTube), arrancó el VPS y compró el dominio. Fíjate en qué tienen en común. Cada uno está vinculado a una cuenta tuya: un inicio de sesión, un perfil de facturación, tu identidad. Un agente puede escribir cada comando, pero no puede estar en el pago como tú. Es como contratar a un constructor: levantarán la casa, pero tú firmas por el terreno.

En la práctica el agente se detendrá y preguntará. Haz la clave tú mismo, ponla en una variable de entorno y dale al agente solo el nombre de la variable, nunca la clave en sí. Si las claves son nuevas para ti, qué es una clave de API y cómo guardarla de forma segura te lleva cinco minutos.

Prueba la misma forma con tus propios datos#

Supón que tienes reviews.csv con 40.000 reseñas de productos y quieres una pequeña página consultable solo con las reseñas sobre la duración de la batería. Un prompt al estilo 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.

El paso 3 es el hábito que merece la pena copiar. Cien filas cuestan casi nada, y ves los errores del modelo antes de que gaste dinero en cuarenta mil. La última línea es el traspaso de la sección anterior, escrito. La URL base y el id del modelo vienen de la documentación de CheapTokens; la clave la creas tú allí.

Cuánto cuesta la etapa masiva#

Volvamos a la etapa que se repite. Supón que cada reseña más una instrucción de una línea son unos 150 tokens, y la respuesta («conservar» o «descartar») unos 10. Para 40.000 reseñas eso son 40000 × 150 = 6000000 tokens de entrada y 40000 × 10 = 400000 tokens de salida. En DeepSeek-V4-Flash la pasada completa sale por $0.13, en GLM-5.3-Flash por $0.136. Contando entrada y salida juntas, ambos son más baratos que OpenRouter. Cada petición es diminuta, así que las ventanas de contexto de 380K y 390K nunca entran en juego; lo que importa es el precio por token multiplicado por un número muy grande de llamadas.

Cambia las cifras por tus propios datos y mira:

Eso es solo una etapa. Construir y desplegar son sesiones separadas con el agente, y tu prompt de filtro real será más largo que una línea. Filtrar 40K comentarios con un LLM muestra un prompt completo de conservar/descartar, y enrutamiento de modelos explica cómo enviar primero los elementos fáciles a un modelo barato. Los precios actuales de cada modelo están en la página de precios.

Tu primer movimiento: pasa esas 100 filas por la configuración de la primera petición, lee las respuestas y solo entonces deja que el agente ejecute el resto.