نئے سیکھنے والوں کے لیے AIتجزیہ
AI ایجنٹ سے بات کر کے سائٹ بنائیں: HackerTube کی مثال
Karpathy کی HackerTube چار مراحل میں کیسے تقسیم ہوئی، کون سے تین مراحل ایجنٹ آپ کے لیے نہیں کر سکتا، اور بلک فلٹر مرحلے کی لاگت کا اندازہ کیسے لگائیں۔

اس صفحہ پر
ایک AI ایجنٹ آپ کے لیے پوری سائٹ بنا سکتا ہے سوائے تین چیزوں کے: API کلید، سرور اور ڈومین۔ یہی تقسیم HackerTube میں ہے، ایک YouTube طرز کی سائٹ جسے Andrej Karpathy کا کہنا ہے کہ اس نے صرف Claude سے بات کر کے تقریباً دو گھنٹے میں بنایا۔ نیچے: پروجیکٹ کے چار مراحل، جو آپ کو خود تیار کرنا ہوں گے، اور یہ اندازہ کیسے لگائیں کہ دہرائے جانے والے درمیانی مرحلے پر آپ کے اپنے ڈیٹا میں کتنا خرچ آئے گا۔
چار مراحل، اسی ترتیب میں#
Karpathy (AI محقق، OpenAI کے شریک بانی، Tesla AI کے سابق ڈائریکٹر، Eureka Labs کے بانی) نے 31 اکتوبر 2026 کو تحریر شائع کی: HackerTube on his blog۔ سائٹ ان Hacker News تبصروں کو جمع کرتی ہے جو کسی YouTube ویڈیو کی سفارش کرتے ہیں اور آپ کو انہیں براؤز کرنے دیتی ہے۔ اس کے پیچھے ایک ڈھانچہ ہے جو تقریباً ہر 'صرف ایجنٹ سے بات کریں' پروجیکٹ میں مشترک ہے۔ خود ترتیب دینے کی کوشش کریں:
ترتیب دیں
ڈیٹا سے ویب سائٹ تک پروجیکٹ کے مراحل کو ترتیب دیں
آئٹمز کو گھسیٹیں یا تیروں کا استعمال کریں
- خام ڈیٹاسیٹ ڈاؤن لوڈ کریں
- ہر آئٹم پر ایک چھوٹا ماڈل چلائیں: رکھیں یا ہٹائیں
- جو بچا ہے اس سے انٹرفیس بنائیں
- اسے سرور پر رکھیں
دوسرا مرحلہ سب سے الگ ہے۔ ڈاؤن لوڈ، تعمیر اور تعیناتی ہر ایک ایک بار ہوتی ہے۔ رکھیں یا ہٹائیں کا سوال ہر آئٹم پر ایک بار پوچھا جاتا ہے، دسیوں ہزار بار۔ یہ بات یاد رکھیں، یہ پیسوں کے حصے میں واپس آئے گی۔

ایجنٹ نے کیا کیا، اعداد و شمار میں#
یہ وہ رن ہے جیسا Karpathy بیان کرتے ہیں۔ انہوں نے Claude Code ڈیسک ٹاپ ایپ میں کام کیا۔ Opus 5.5 درمیانی کوشش پر، ان کا ڈیفالٹ، نے Hugging Face سے Hacker News تبصروں کا ڈیٹاسیٹ ڈاؤن لوڈ کیا اور اسے فلٹر کیا۔ Sonnet نے Claude Code Workflow کے اندر تبصروں کا جائزہ لیا۔ جو نکلا: تقریباً 40K تبصرے جو کسی YouTube ویڈیو کی سفارش کرتے ہیں، 2007 سے 2026 تک کی 6,454 ویڈیوز، 150 موضوعات میں ترتیب دی گئیں۔ پھر Opus نے انٹرفیس بنایا اور اسے VPS پر تعینات کیا۔ سائٹ میں بغیر اکاؤنٹس کے 'ForYou' سفارشات ہیں (حالت براؤزر سیشن میں رہتی ہے)، کی بورڈ شارٹ کٹس اور ڈیٹا ایکسپورٹ، تاکہ دوسرے لوگ ڈیٹا اپنے ایجنٹ کو دے سکیں۔

پوسٹ جو نہیں دیتی: کوئی لاگت یا ٹوکن کی گنتی، اور کون سے مراحل سادہ کوڈ تھے بمقابلہ ماڈل کالز۔ تو 'دو گھنٹے' ایک وقت ہے، قیمت نہیں۔ اگر آپ جاننا چاہتے ہیں کہ یہ فرق کیوں اہم ہے، do agents need the model at every step? اس کا احاطہ کرتا ہے۔
تین چیزیں جو آپ کے پاس رہتی ہیں#
Karpathy نے تین مراحل خود کیے: انہوں نے Google Cloud API کلید بنائی (YouTube میٹاڈیٹا کے لیے)، VPS بوٹ کیا اور ڈومین خریدا۔ دیکھیں ان میں کیا مشترک ہے۔ ہر ایک آپ کے اکاؤنٹ سے جڑا ہے: ایک لاگ ان، ایک بلنگ پروفائل، آپ کی شناخت۔ ایجنٹ ہر کمانڈ لکھ سکتا ہے، لیکن وہ آپ کی جگہ چیک آؤٹ پر کھڑا نہیں ہو سکتا۔ یہ ایسے ہے جیسے بلڈر کی خدمات حاصل کرنا: وہ گھر بنا دیں گے، لیکن زمین کی دستخط آپ کرتے ہیں۔
جوڑے ملائیں
ہر مرحلے کو اس وجہ سے ملائیں کہ وہ آپ کے پاس کیوں رہتا ہے
بائیں طرف کسی آئٹم پر ٹیپ کریں، پھر اس کا جوڑا
- YouTube میٹاڈیٹا API کلید بنائیںیہ آپ کے Google Cloud اکاؤنٹ میں رہتی ہے
- سرور بوٹ کریںاس کا بل آپ کے ہوسٹنگ اکاؤنٹ پر آتا ہے
- ڈومین خریدیںیہ آپ کے نام پر رجسٹرڈ ہے
- فلٹر اسکرپٹ اور انٹرفیس لکھیںیہ حصہ ایجنٹ کرتا ہے
عملی طور پر ایجنٹ رک کر پوچھے گا۔ کلید خود کریں، اسے ماحولیاتی متغیر میں رکھیں، اور ایجنٹ کو صرف متغیر کا نام دیں، کبھی کلید خود نہیں۔ اگر کلیدیں آپ کے لیے نئی ہیں، what an API key is and how to store it safely پانچ منٹ لیتا ہے۔
اپنے ڈیٹا پر وہی شکل آزمائیں#
فرض کریں آپ کے پاس reviews.csv ہے جس میں 40,000 پروڈکٹ ریویوز ہیں اور آپ صرف بیٹری لائف کے بارے میں ریویوز کے ساتھ ایک چھوٹا قابل تلاش صفحہ چاہتے ہیں۔ HackerTube کی روح میں ایک پرامپٹ:
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.مرحلہ 3 وہ عادت ہے جو چرانے کے قابل ہے۔ سو قطاریں تقریباً کچھ بھی خرچ نہیں کرتیں، اور آپ ماڈل کی غلطیاں چالیس ہزار پر پیسے خرچ کرنے سے پہلے دیکھ لیتے ہیں۔ آخری سطر پچھلے حصے سے حوالگی ہے، لکھی ہوئی۔ بیس URL اور ماڈل id CheapTokens docs سے آتے ہیں؛ کلید آپ وہاں خود بناتے ہیں۔
بلک مرحلے کی لاگت#
واپس اس مرحلے پر جو دہرایا جاتا ہے۔ فرض کریں ہر ریویو کے ساتھ ایک سطری ہدایت تقریباً 150 ٹوکن ہے، اور جواب ('رکھیں' یا 'ہٹائیں') تقریباً 10۔ 40,000 ریویوز کے لیے یہ 40000 × 150 = 6000000 ان پٹ ٹوکنز اور 40000 × 10 = 400000 آؤٹ پٹ ٹوکنز ہیں۔ DeepSeek-V4-Flash پر پورا پاس $0.13 ہے، GLM-5.3-Flash پر $0.136۔ ان پٹ اور آؤٹ پٹ کو ملا کر گننے پر، دونوں OpenRouter سے سستے ہیں۔ ہر درخواست بہت چھوٹی ہے، اس لیے 380K اور 390K کانٹیکسٹ ونڈوز کبھی سامنے نہیں آتیں؛ اہم بات فی ٹوکن قیمت ضرب بہت بڑی تعداد میں کالز ہے۔
اعداد و شمار اپنے ڈیٹا میں بدلیں اور دیکھیں:
لاگت کیلکولیٹر
ایک بلک فلٹر پاس: 40,000 آئٹمز
فی درخواست ان پٹ ٹوکنز: 150 · فی درخواست آؤٹ پٹ ٹوکنز: 10 · فی دن درخواستیں: 40,000
| ماڈل | فی دن | فی ماہ |
|---|---|---|
| GLM-5.3-Flash$0.02$0.04 | $0.136 | $4.08 |
| DeepSeek-V4-Flash$0.015$0.10 | $0.13 | $3.90 |
| MiniMax-M2.7$0.05$0.15 | $0.36 | $10.80 |
یہ صرف ایک مرحلہ ہے۔ تعمیر اور تعیناتی ایجنٹ کے ساتھ الگ سیشنز ہیں، اور آپ کا اصل فلٹر پرامپٹ ایک سطر سے لمبا ہوگا۔ Filter 40K comments with an LLM مکمل رکھیں/ہٹائیں پرامپٹ دکھاتا ہے، اور model routing بتاتا ہے کہ آسان آئٹمز پہلے سستے ماڈل کو کیسے بھیجیں۔ ہر ماڈل کی موجودہ قیمتیں pricing page پر ہیں۔
فوری جانچ
اس طرح کے پروجیکٹ کا کون سا مرحلہ سب سے زیادہ بار چلتا ہے؟
جواب دکھائیں
جواب: ہر آئٹم کا فیصلہ کرنا: رکھیں یا ہٹائیں
رکھیں یا ہٹائیں کی کال ہر آئٹم پر ایک بار چلتی ہے، اس لیے 40,000 آئٹمز کا مطلب 40,000 کالز ہیں۔ اسی لیے اس کی فی کال قیمت پہلے چیک کرنے والا نمبر ہے۔
آپ کا پہلا قدم: وہ 100 قطاریں first-request setup کے ذریعے بھیجیں، جوابات پڑھیں، اور صرف اس کے بعد ایجنٹ کو باقی چلانے دیں۔



