Zbuduj stronę, rozmawiając z agentem AI: przykład HackerTube

Agent AI może zbudować całą stronę za Ciebie, z wyjątkiem trzech rzeczy: klucza API, serwera i domeny. Taki jest podział w HackerTube, stronie w stylu YouTube, którą Andrej Karpathy twierdzi, że zrobił w około dwie godziny, rozmawiając wyłącznie z Claude. Poniżej: cztery etapy, przez które przeszedł projekt, co musisz przygotować sam, oraz jak oszacować, ile kosztowałby powtarzalny środkowy etap na Twoich własnych danych.

Cztery etapy, w tej kolejności#

Karpathy (badacz AI, współzałożyciel OpenAI, były dyrektor ds. AI w Tesli, założyciel Eureka Labs) opublikował opis 31 października 2026: HackerTube na jego blogu. Strona zbiera komentarze z Hacker News, które polecają film z YouTube, i pozwala je przeglądać. Za nią stoi szkielet, który dzieli niemal każdy projekt typu „po prostu pogadaj z agentem”. Spróbuj sam ułożyć go w kolejności:

Etap drugi jest tu wyjątkiem. Pobranie, zbudowanie i wdrożenie zdarzają się raz. Pytanie „zachować czy odrzucić” zadaje się raz na element, dziesiątki tysięcy razy. Zapamiętaj to, wrócimy do tego przy pieniądzach.

Co zrobił agent, w liczbach#

Oto przebieg według opisu Karpathy'ego. Pracował w aplikacji desktopowej Claude Code. Opus 5.5 na średnim wysiłku, jego domyślnym ustawieniu, pobrał zbiór komentarzy z Hacker News z Hugging Face i go przefiltrował. Sonnet przeszedł po komentarzach w ramach Claude Code Workflow. Wynik: około 40 tys. komentarzy polecających film z YouTube, 6454 filmy z lat 2007–2026, posortowane do 150 tematów. Następnie Opus zbudował interfejs i wdrożył go na VPS. Strona ma rekomendacje „ForYou” bez kont (stan żyje w sesji przeglądarki), skróty klawiszowe i eksport danych, żeby inni mogli przekazać dane własnemu agentowi.

Czego wpis nie podaje: żadnego kosztu ani liczby tokenów, ani tego, które kroki były zwykłym kodem, a które wywołaniami modelu. Więc „dwie godziny” to czas, nie cena. Jeśli chcesz wiedzieć, dlaczego to rozróżnienie ma znaczenie, czy agenci potrzebują modelu na każdym kroku? omawia to.

Trzy rzeczy, które zostają przy Tobie#

Karpathy zrobił ręcznie trzy kroki: utworzył klucz API Google Cloud (do metadanych YouTube), uruchomił VPS i kupił domenę. Spójrz, co je łączy. Każdy jest powiązany z Twoim kontem: login, profil rozliczeniowy, Twoja tożsamość. Agent może napisać każde polecenie, ale nie może stanąć przy kasie jako Ty. To jak wynajęcie budowlańca: postawi dom, ale Ty podpisujesz za działkę.

W praktyce agent zatrzyma się i zapyta. Zrób klucz sam, umieść go w zmiennej środowiskowej i podaj agentowi tylko nazwę zmiennej, nigdy samego klucza. Jeśli klucze są dla Ciebie nowością, czym jest klucz API i jak go bezpiecznie przechowywać zajmie pięć minut.

Wypróbuj ten sam schemat na własnych danych#

Powiedzmy, że masz reviews.csv z 40 000 recenzji produktów i chcesz małą przeszukiwalną stronę tylko z recenzjami o żywotności baterii. Prompt w duchu 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.

Krok 3 to nawyk wart podkradnięcia. Sto wierszy kosztuje prawie nic, a błędy modelu widzisz, zanim wyda pieniądze na czterdzieści tysięcy. Ostatnia linia to spisany przekaz z poprzedniej sekcji. Bazowy URL i identyfikator modelu pochodzą z dokumentacji CheapTokens; klucz tworzysz tam sam.

Ile kosztuje etap masowy#

Wracamy do etapu, który się powtarza. Powiedzmy, że każda recenzja plus jednolinijkowa instrukcja to około 150 tokenów, a odpowiedź („zachowaj” lub „odrzuć”) to około 10. Dla 40 000 recenzji to 40000 × 150 = 6000000 tokenów wejściowych i 40000 × 10 = 400000 tokenów wyjściowych. Na DeepSeek-V4-Flash cały przebieg to $0.13, na GLM-5.3-Flash $0.136. Licząc wejście i wyjście razem, oba są tańsze niż OpenRouter. Każde zapytanie jest malutkie, więc okna kontekstu 380K i 390K nigdy nie wchodzą w grę; liczy się cena za token pomnożona przez bardzo dużą liczbę wywołań.

Zmień liczby na własne dane i zobacz:

To tylko jeden etap. Budowa i wdrożenie to osobne sesje z agentem, a Twój prawdziwy prompt filtra będzie dłuższy niż jedna linia. Filtrowanie 40 tys. komentarzy LLM-em pokazuje pełny prompt zachowaj/odrzuć, a routing modeli wyjaśnia, jak najpierw wysłać łatwe elementy do taniego modelu. Aktualne ceny każdego modelu są na stronie cennika.

Twój pierwszy ruch: przepuść te 100 wierszy przez konfigurację pierwszego zapytania, przeczytaj odpowiedzi i dopiero potem pozwól agentowi zrobić resztę.