13年不寫代碼，5天花200美元重建400萬美元產品——YC掌門人是怎么做到的？

一個13年沒寫過代碼的投資人，重新坐到鍵盤前，5天、200美元，重建了曾經花掉400萬美元和一年半時間的產品——這件事到底是怎么發生的？

近日，Y Combinator在播客節目中發布了一期特別訪談。YC總裁Gary Tan與主持人詳細復盤了他過去數月的“復出”經歷：在中斷編程整整13年后，他借助AI編程工具Claude Code重新開始寫代碼，并在保持YC全職CEO工作的同時，產出了數十萬行代碼，多個開源項目在GitHub上從零積累到超過10萬顆星。

Gary Tan在節目中說：“我自己也很震驚。13年沒寫代碼，然后突然——砰，我的產出是當年的400倍。”

同時他警示，個人AI時代即將到來，但一個關鍵問題是——你掌控工具，還是被工具掌控？

5天重建一個“死去”的創業項目

故事要從Gary的第一個YC創業項目說起。

2008年，他做了一個叫Posterous的極簡博客平臺——“用郵件寫博客”。這個產品最終長到了全球前200大網站，被Twitter以約2000萬美元收購。后來Twitter關掉了它。Gary沒錢從Twitter買回來（要價幾百萬美元）。

近日，他打開了Claude Code，開始重建這個他2008年創辦的第一個YC項目——Posterous。這個平臺他已經建過三次了：

• 第一次（2008年）：花了約400萬美元，六七個人，歷時一年半

• 第二次（Post Haven）：約10萬美元，兩個人，約三個月

• 第三次（2025年1月）：約200美元（Claude Code Max賬戶費用），五天，功能完整，還附帶了RAG檢索、深度研究、自動爬取等AI能力

200美元對比400萬美元。五天對比一年半。

“400倍”從哪里來？

Gary Tan最初在社交媒體上說自己的編碼速度是2013年的“100倍”，隨即遭到大量質疑——“代碼行數不等于生產力”。

他隨后做了一件更較真的事：用公開的Git工具對代碼進行標準化處理，剔除注釋、空行等冗余內容，只統計“邏輯代碼行數”。結果出乎他自己意料——數字不降反升，從100倍變成了400倍

這個數字怎么理解？Gary Tan給出了參照系：根據軟件工程領域的文獻，一名專業工程師每天能產出的經過測試、可投入生產的代碼，大約是30到50行。Gary Tan2013年兼職寫代碼時，大約是每天14行。

現在，他同時調度15個AI代理并行工作，在過去48小時內合并了13個Pull Request。

他說，“我不是在寫代碼，我是在指揮15個代理去寫……但那些代碼是真實的、經過測試的、可以運行的�！�

工作流實錄：他是怎么每天產出數百行代碼的

節目中，Gary Tan直接展示了他的真實工作界面。他日常的工作流核心是三個工具的組合：Claude Code + Conductor + GStack。

GStack是什么？ 它本來不是一個“項目”，而是一個意外。Gary Tan發現自己反復在Claude Code里輸入相同的指令，煩了，就把常用的指令整理成了一個markdown文件。后來這個文件越來越完善，變成了一套完整的AI編程"技能庫"，最后作為開源項目發布，在GitHub上從零積累到超過10萬顆星。

他詳細描述了一個具體的操作習慣：讓Claude在開始寫代碼之前，先畫一張ASCII藝術圖——數據流、狀態機、依賴關系圖、處理流程、決策樹，全部用文字符號畫出來。

“一旦它把上下文全部加載進來，它做的事情就完整得多了�！彼f。

他在GStack里設置了幾個核心skills：

• CEO Review：類似Brian Chesky的"10星體驗"思維練習——五星太普通了，六星七星八星是什么？每次開始一個新功能，先想清楚最理想的狀態是什么
• 計劃模式（Plan Mode）：先規劃再動手，避免AI"盲目開干"
• 自動QA：接入Microsoft Playwright，讓AI在測試后自動用瀏覽器驗證結果，實現黑盒測試
• /codex技能：遇到特別復雜的問題，從Claude Code切換到OpenAI Codex，他的比喻是："Claude Code是適合ADHD CEO的工具，但有時候你需要那個200 IQ、幾乎不開口的CTO來幫你解決真正硬的問題。"

他說：“最近48小時我提交了13個PR，想到一個新想法就直接排隊，Claude去執行，我來驗證�！�

“Token Maxxing”：別省，像交房租一樣燒token

Gary Tan在節目中反復提到一個他自創的概念——“Token Maxxing”（代幣最大化），意思是：不要吝嗇AI的token消耗，要盡可能多地給模型喂上下文、多來源交叉驗證、做更完整的研究。

他打了個比方：這就像舊金山的房租。

“我們經常跟YC創始人說，舊金山租金很貴，但不住在那里的代價更貴，”他說，“Token Maxxing也是一樣。你應該盡可能多地花在模型和token上，而不是把它當成辦公桌那樣能省則省�！�

他的Gary's List網站每篇文章的生成成本大約是5到10美元的API調用費，但系統會自動抓取數十篇文章、整本書、多個數據源，交叉比對后生成有引用來源的深度報道。“花5到10美元，做一個人類記者要花一個月才能做完的研究，”他說。

“輕框架，重技能”：AI工程的底層哲學

Gary在節目中總結了他的核心工程哲學，他稱之為“Thin Harness, Fat Skills”（輕框架，重技能）

意思是：不要把精力花在重復搭建“框架層”（harness）上，這一層交給成熟工具就好。真正該投入的，是用自然語言寫清楚“這件事應該怎么做”的markdown提示詞——也就是“skills”。

他打了個比方：

想象你是一個婚禮策劃人，你要寫下一份清單，教下一個要做這件事的人怎么做。所有這些內容都應該寫進markdown。而那些需要確定性執行的事，比如給20個場地打電話，你才用代碼去做，比如調用Twilio的API。

他認為，很多人在AI工程上失敗，正是因為把“應該用語言描述的事情”錯誤地用代碼去實現——代碼不理解特殊情況，不理解你是誰，不理解你想要什么。

AI代理像法拉利：會跑，也會拋錨

Gary用了一個貫穿全程的比喻來形容當下的AI編程體驗：

用OpenClaw現在就像開法拉利——令人窒息的興奮，它能搞定你根本想不到機器能搞定的事，而且速度極快。但它也確實是法拉利——它會在你最需要它的時候，在路邊拋錨，你得自己拿扳手，掀開引擎蓋，自己修。

他把現在的時代比作“家釀計算機俱樂部”（Homebrew Computer Club）的年代——Apple 1剛出來時，就是一塊面包板裝進木箱子里釘釘子做的。當下的AI編程工具同樣粗糙，同樣充滿可能性。

你需要花兩三個小時，可能還要花500到1000美元的token和云服務費，才能把這東西跑起來。但一旦跑起來，就像擁有了一輛套件法拉利——你可以去任何地方。

Gary還拋出了一個更大的判斷：

我保證，明年這個時候，地球上每一個人都會有自己的私人AI。

他認為，個人AI的普及將是繼個人電腦之后最重要的技術轉變。但這個轉變有兩種走向：一種是你擁有自己的AI，自己的數據，自己寫提示詞，自己掌控看到什么；另一種是企業控制的AI，就像Facebook算法一樣，你不知道背后是誰寫的、服務于誰的商業模式。

“這是一個定義性的問題：你會掌控自己的工具，還是你的工具會掌控你？”他說。

訪談全文如下：

Tokenmaxxing：頂尖創業者如何用AI完成400名工程師的工作
Y Combinator｜Lightcone Podcast
你會掌控自己的AI嗎？
Gary Tan： 我覺得這是一個決定性的問題——你能掌控自己的工具，還是你的工具會掌控你？現在使用OpenClaw就像在駕駛一輛法拉利，令人腎上腺素飆升，感覺不可思議。它能搞定一些你永遠不會想到機器能搞定的事情，而且速度極快。但它同時也像一輛法拉利——你最好懂點機械。它會在你最需要它的時候拋錨在路邊，你得拿著扳手出來，打開引擎蓋，自己動手修。這是計算機科學和技術領域非常令人振奮的時代。
闊別13年后重新寫代碼
主持人： 歡迎回到Lightcone特別節目。本期我們將聊聊Gary Tan是如何重回"建造者"狀態的。如果你在Twitter上關注我們，你會知道，在經歷了多年的投資人生涯之后，Gary回來了，重新成為一名構建者。過去幾個月里，他提交了數十萬行代碼，構建了多個熱門開源項目，這些項目從零開始，在GitHub上積累了超過10萬顆Star。而這一切，都發生在他全職擔任YC CEO這一極度繁忙的工作期間。網上很多人覺得這根本不可能，甚至有些難以置信——但它確實發生了。我們親眼見證了整個過程。今天，我們就來聊聊他是怎么做到的。
Gary Tan： 我自己也相當震驚。整整13年沒有寫代碼，然后突然之間，我的代碼產出量達到了當年的大約400倍。而那一年，我大概也只有三分之二的時間在寫代碼。
主持人： 不如我們先從那個開創一切的項目講起——Gary's List。聊聊幾個月前你是怎么啟動Claude Code、重新開始寫代碼的。是在某期Lightcone節目之后，對吧？
Gary Tan： 對，就是那之后。
用Claude Code重建一個創業項目
Gary Tan： 我意識到自己想把所有認同我理念的人聚集在一起，尤其是關于加利福尼亞州的議題。于是我成立了一個501(c)(4)組織，現在已經有了一個C3和一個PAC，這是很多政治團體的常見運作方式。大家往往只關注資金，但我們真正想做的是把有識之士匯聚在一起。在舊金山政治圈摸爬滾打多年，我深刻體會到，凝聚人心是一股巨大的力量，這正是大眾社會運動的本質。
我想，為什么不建一個網站，就從這里出發呢？先從寫作開始——寫我真正關心的議題。比如，我希望孩子們能在學校學到真正的知識。全球的觀眾可能會覺得這很奇怪，但我確實覺得荒誕：在舊金山公立學校，一個六七年級的初中生，想修代數課，曾經是不可能的，直到今天依然極其困難。
這件事對我意義深遠。如果我當年在東灣公立學校讀書時沒能學代數，我絕無可能考入斯坦福學工程，永遠不會寫代碼，也不會有今天的一切。所以我意識到，是時候重新寫代碼了。
我最終重建了Posterous——那是我2008年的第一個YC創業項目。
主持人： Posterous是什么，幫不太了解的人介紹一下？
Gary Tan： Posterous是一個極簡的郵件博客平臺，后來發展成為全球前200大網站之一，最終被Twitter以約2000萬美元收購。那是我真正意義上的第一桶金。
Twitter收購后關閉了這個產品，我為那些我們精心招募的員工感到遺憾，于是又重建了一個版本叫Post Haven。當時從Twitter手里買回來需要幾百萬美元，而我那時候一分錢都沒有，所以最好的辦法就是自己再寫一遍。
今年1月，我又把它寫了第三遍。第一次花了約400萬美元、六七個人、大約一年半的時間；第二次花了大概10萬美元，我和聯合創始人Brett Gibson（現在經營Initialized）兩個人，大約三個月；這一次，花了大約200美元——也就是我的Claude Code Max賬戶費用，加上大概五天時間，就建成了一個功能完整的博客平臺，該有的功能全都有。
不僅如此，在此之上還構建了完整的RAG系統和完整的智能體檢索功能——能夠出去讀遍整個互聯網：我所有的推文、任何話題的遞歸爬取與深度研究。代數問題只是我們真正關心的眾多議題之一。能夠攝取互聯網上的信息，看到所有正反方的論點，然后在后端生成極為詳盡的報告——包括所有值得引用的觀點——非常有價值。
Lightcone的老聽眾可能記得我們早期一期關于智能體系統的節目，嘉賓是Jake Heller。Jake創立了Casetext，他描述的那套方法，和我最終為記者式長篇文章所構建的系統幾乎一模一樣，針對各種正在發生的時事議題。
現在任何人都可以訪問garyslist.org，我們每天發布兩到三篇研究充分、來源完整的文章，聚焦加州、舊金山和洛杉磯的動態，探討如何建設更好的政府。
像記者一樣思考的軟件
主持人： 我覺得大家對Gary's List有一個誤解。我們一直在談的經典模式是：你構建軟件，讓人們來使用它。比如你建一個博客平臺，人們來寫博客，也許最終開了自己的Substack，發發文章。但Gary's List不只是一個博客平臺——它實際上在做一名高質量調查記者的工作。它不僅僅是記者用來發布文章的工具。
Gary Tan： 對，基本上，以花費約5到10美元Opus API調用的代價，它所完成的工作量相當于一個真實的人類——要一篇一篇地翻閱幾十篇文章，通讀整本相關書籍，逐一做標注。
回到Casetext的例子，Jake教給我的核心是：你要思考一個人類拿到這些信息之后會怎么做。他會去檢索什么？去圖書館找什么書？在網上搜索什么？現在更棒的是，你不必止步于此——你可以調用Perplexity的API做深度研究，調用X的API做深度研究，用Grok的API在X平臺上做研究效果其實非常好，然后把所有這些上下文全部抓取過來。
"Tokenmaxxing"的興起
Gary Tan： 這又回到了我那篇關于"煮沸海洋"的文章所闡述的理念。在構建智能體軟件的當下，你不必再滿足于過去人類寫代碼時的那種局限性——這在研究領域同樣適用。如果你徹底地"煮沸海洋"，追求極致完整性——對一個人類來說可能要花一個月來做的研究——你現在只需要加大投入，多花點錢，做Tokenmaxxing，但你就應該這樣做。
如果存在能讓結果更完整、更出色、更貼近現實的增量性工作——比如在這類寫作中，我們不滿足于一個來源，我們可以獲取20個來源，交叉對比，發現這13個來源這么說，另外7個來源持不同意見——然后把所有這些上下文輸入核心提示詞，你就能做出比人類僅僅點開一個鏈接、看個標題就下判斷更好得多的決策。
我認為，Tokenmaxxing正是你現在能做的最酷的事情。這不只是生成文章，也不只是寫代碼——它將滲透進社會的每一個角落。所有我們稱之為"知識工作"的事情，都可以被Tokenmaxxing。這并不意味著我們要淘汰人，而是說人依然需要提供"能動性"。
就像我，我是那個坐在這里，真切關心代數問題的人。我希望那些像當年的我一樣、上不起私立學校的孩子能有機會學習。舊金山可能是全美私立學校就讀率最高的城市，這不應該是正�，F象。你不應該必須有錢才能獲得優質教育。這種技術層面的大變革正在發生，而我恰好有一個迫切的需求和強烈的渴望——是那種真實的、揪心的渴望，每當我想到那些十二三歲本該學代數、卻被某個官僚或某個道德表演者剝奪了這個機會的孩子，我就感到心痛。
主持人： 所以，在解決自己內心深處的痛點、構建Gary's List的過程中，你逐漸發現了Tokenmaxxing的諸多規律，以及這種全新的構建方式。這也引出了你的下一個項目——GStack。
GStack的意外誕生
Gary Tan： 我其實根本沒有計劃做GStack。我只是發現自己一遍又一遍地做重復的事情，厭倦了反復輸入同樣的內容。于是我打開Apple Notes，把那些我發現自己在Claude Code里反復輸入的內容全部記錄下來，其實都是很簡單的東西。
比如，計劃審查（Plan Review）——我開始非常喜歡讓Claude生成ASCII藝術圖表。我發現有時候Claude會弄混，寫出bug，或者任務不完整。但當我說"在開始工作之前，先畫一張包含所有數據流、輸入輸出、用戶流程和錯誤信息的ASCII圖"之后，一切都不同了。你可以看到數據流、狀態機、依賴關系圖、處理管道、決策樹。一旦它先生成這張圖，就等于把所有上下文都加載進來了，之后它完成任務的完整度就高了很多，也更好地"煮沸了海洋"，并細分成不同的板塊，比如架構審查、代碼質量、測試等。
在構建Gary's List的過程中，我意識到，自己寫代碼的時候總是測試做得最少，因為測試實在不好玩。我知道必須有測試，但我更想寫有趣的新功能，不喜歡寫測試。然后，我也踩了所有人開始"vibe coding"時都會踩的坑——感覺代碼很粗糙，對于80%的場景沒問題，但只要真實用戶一碰，就開始崩。那時我意識到，我可以達到100%的測試覆蓋率。不過后來我了解到，100%可能太過了，80%到90%才是目前的最佳實踐。
這其實就是Plan Review的第一個版本的雛形。大家都知道"Office Hours"這個技能，就是在嘗試打造新產品或新功能時用到的：你怎么知道人們想要這個？它是為誰而做的？它做什么？影響是什么？這就是那個原型技能，當時我甚至不知道"技能"（Skills）這個概念的存在。我把它發出去之后，病毒式傳播，大約20萬人看到了。
后來我又做了一個功能更豐富的版本，起初叫"Mega Plan"，后來改名為"CEO Plan"。我在這里用到了元提示（meta-prompting）技術。我把另一份評審計劃作為基礎，然后說："好，做一個這樣的版本，但想象一下Brian Chesky坐在你面前。"Brian Chesky有句很有名的話——什么是十星體驗？大家通常用二星、三星、四星來衡量酒店，而他會往上走：五星是什么樣的？六星呢？七星呢？八星呢？一路往上推演，這是我最喜歡的產品和設計思維練習之一。現在，你每次都可以做這個練習了。
這就是CEO Plan的核心。這個提示詞的本質是：找到柏拉圖式的理想形態。我特別喜歡其中兩點：一是"10倍檢驗"——什么樣的方案更有野心、只需要兩倍的努力就能交付十倍的價值？二是從潛在空間（latent space）中發散出的東西能幫助模型真正形象化地理解問題。
我熱愛"CEO計劃技能"，因為我是一個有ADHD的CEO，我愛潛力，愛那種純粹的可能性。就這么簡簡單單的兩句話，卻能解鎖難以置信的能量。GStack就是這樣開始的——我只是需要做一些技能卡，然后聽說有人在做技能倉庫，于是順勢為之。
400倍產出背后的工作流
主持人： 然后你把這兩個技能用得非常頻繁，以至于你的Claude實例開始嚴重積壓。聊聊你的具體工作流吧——這是你每天的工作方式，也是你每月能提交數十萬行代碼的秘訣。
Gary Tan： 對，就是這樣。過去48小時我提交了13個PR，就像排隊一樣——任何時候我有新想法，我就進來，用CEO技能，再用測試技能把它做得非常完善，全部在計劃模式（Plan Mode）下完成，然后點擊批準，Claude就去做所有的事情了。
我這樣做了很多次，最后手頭堆積了15個不同的功能，全都在排隊等待手動測試。這些功能通過了端到端測試、集成測試和單元測試，但最終還是要打開Rails服務器，加載對應用戶，配置特定的環境，手動確認一切正常。這個過程讓我很煩，于是我嘗試用Claude Code的MCP，但每次響應要兩三秒，用來做QA完全不實用。
我聽說微軟發布了Playwright，是一種備選測試框架。事后來看，當時其實有很多現成的智能體工具可以用。但Claude Code的優點也是它的缺點——它太容易讓你"直接開干"了。我就直接進去，輸入了大意是"我受夠了在Chrome MCP里用Claude Code，太慢了，幫我把微軟的Playwright封裝起來"，然后按了回車。
GStack就這樣慢慢成形了�，F在這是我創建新功能的方式。GStack里有CEO、Designer、Developer Experience等角色，還有若干設計工具，最后是Plange。我通常還會運行/codex——最近還加入了/claude in codex。
關于Codex，我從YC校友那里學到的。有一次參加批次活動，大家聊到Claude Code和Codex的比較。當時我是純Claude Code用戶，后來才意識到很多人其實更偏愛Codex——原因是Claude Code非常適合ADHD式的CEO，但有時候Claude模型會出現"一本正經地胡說八道"的情況。聰明是聰明，但畢竟不是最聰明的。所以如果遇到特別復雜的問題，你需要的是那個"200 IQ、近乎沉默"的CTO。
/codex就是GStack的一個技能，它會把你的計劃或已有的代碼倉庫，用命令行提示詞交給Codex運行，讓它找出所有問題和bug，然后把報告反饋給Claude Code，你再和Claude Code一起解決這些反饋。如果你主要使用Codex作為編碼智能體，也可以輸入/claude，讓Claude短暫客串一下CEO角色。
GStack的工作流程是：先做Office Hours CEO審查，再做設計審查（如果有UI），然后做開發者體驗審查（實際上幾乎GStack和GBrain的所有內容都需要這步），接著是代碼審查，最后用Codex收尾。一旦計劃完成、問題都解決了，GStack就會大量調用"向用戶提問（Ask User Question）"這個功能——這對我來說至關重要。
這就是人類，無論是"vibe coder"、操作員還是智能體工程師，需要輸入自己的判斷的地方：我們在構建什么，正在發生什么。這一點沒有替代品。如果真的有人能造出一個無需人類在回路中就能自主寫軟件的東西，我會非常驚訝。我從來不想完全脫離這個回路，我只是希望機器去做我不想做的事情——比如QA。
回到Demo，當我向現代版GStack輸入指令時，它會說"哥們，你在干嘛？這個我們已經建過了。"我們有Browse——那是一個有70個命令的長駐進程CLI。QA其實就是Browse，但在QA的提示詞里，它會說：檢查你的上下文，看看我們在這個分支上做了什么，如果有UI或數據變更，就用瀏覽器去測試它。這就像擁有了一個黑盒瀏覽器。第一次看到它真的跑起來的時候，我驚呆了——感覺"微型AGI"已經來了。我知道這不是真正的AGI，真正的AGI意味著不需要我在場。而且說實話，作為一個構建者，我自私地希望機器永遠不要完全"搞定"這一切——那樣的話，有品位、有技術能力、懂產品反饋、真正了解用戶的人，就永遠擁有"翅膀"。
精簡框架，豐滿技能（Thin Harness, Fat Skills）
主持人： 我覺得你把很多這些思考都凝練在了X上那篇關于"精簡框架，豐滿技能"的帖子里。
Gary Tan： 是的，那篇文章其實有一部分是被網上的人嘲諷逼出來的——嘲諷我只是在兜售Markdown。我的實際體會是：Markdown本質上就是代碼，只是以不同的方式編譯，但你可以用它讓計算機做出令人驚嘆的事情。
這篇文章的名字其實來自我們的合伙人Pete Koomen。我們內部一直在構建一個智能體——我們稱之為"harness（框架）"——然后在用Claude Code的過程中意識到：為什么要反復重寫那套框架？我們應該把時間花在"Markdown里應該寫什么"這個問題上。
理解Markdown的方式是：想象你是一個婚禮策劃師，嘗試寫下一份清單，告訴下一個接手的人怎么策劃婚禮——用平實的語言。所有這些內容都應該寫進Markdown。而那些需要確定性執行的操作——比如婚禮策劃師可能要打給20個場地——你不會用Markdown來做這件事，你會調用Twilio的API。
智能體工程當今最大的難題，就是人們把本該屬于Markdown的邏輯寫進了代碼里，然后失敗了，因為代碼是脆弱的，不理解特殊情況，代碼本質上不理解你想要什么或者你是誰——它只是在圖靈完備的循環里執行確定性的零和一。而現在我們有了LLM，它擁有潛在空間，它知道你是誰，理解你的動機，能處理泛化的情況。
作為工程師，現在很大一部分的魔力就在于搞清楚：哪些部分屬于LLM領地，哪些部分屬于代碼領地？再結合我學到的另一個原則——80%到90%的測試覆蓋率——就是說，如果沒有測試就把用戶扔進去，那就是爛代碼，而且比人類寫的代碼差10倍，因為你完全不知道會發生什么。
所以不只是要搞清楚潛在空間和確定性空間的邊界，還要確保單元測試和集成測試都到位。而"煮沸海洋"的好處在于：機器不在乎工作量，只要你多加投入，你就能達到90%的測試覆蓋率，擁有一個雖不完美但95%可靠的系統。
AI智能體就像法拉利
Gary Tan： 使用OpenClaw就像駕駛法拉利，令人腎上腺素飆升，感覺不可思議。它能搞定你永遠不會想到機器能搞定的事，而且速度極快。但它也真的像法拉利——你最好懂點機械。它會在你最需要它的時候拋錨在路邊，你得拿著扳手出來，打開引擎蓋，自己動手修。
這是計算機科學和技術領域非常激動人心的時刻，就像當年的Homebrew Computer Club，就像Apple I問世的那一刻。Jobs和Woz造的Apple I就是一塊面包板，字面意義上裝在一個用釘子和膠帶拼起來的木頭盒子里。如果你想要一臺個人電腦，那就是你能拿到的東西。而我們現在就處于這樣的時刻——有一定技術基礎的人，花兩三個小時，花500到1000美元在token和云計算上，就能讓類似的東西運轉起來。一旦跑通，我們就像進入了"套件車法拉利"的階段——然后你就能駕駛它，去任何你想去的地方。
主持人： 就算是那部分"要自己修車"，很多人也是那種沒親身體驗過就不太能理解的感覺。從宏觀來看，一切移動得太快了。想想當年，Stack Overflow作為一個能在遇到編程問題時查閱的網站，就已經感覺很神奇了。然后ChatGPT橫空出世，比Stack Overflow強多了。但你基本上還是在做同樣的事：問問題、復制粘貼代碼、運行、再復制粘貼回去。用了Claude Code之后，你終于突破了那個邊界，意識到不再需要復制粘貼了——它直接執行并運行代碼。哪怕是OpenClaw，我在部署的時候發現確實煩人，它會讓自己陷入卡死狀態，做一堆討厭的事。但如果你有Claude Code運行著，它就會去把那些問題修掉。這顯然不是長期的最優解，但這種心態轉變很重要——不管它多脆弱、需要多少修復，沒關系，因為你可以讓另一個智能體一直坐在那兒修它。
Gary Tan： 我之前是完全的Claude Code信徒，現在也還是，但構建產品或做智能體工程的時間里，大概只有50%到60%是在Claude Code里了，另外將近一半是通過OpenClaw。
個人AI的未來
Gary Tan： 話說回來，我現在大部分時間都在構建GBrain本身。GBrain的起因是我們遇到了Peter，他上了節目。我終于抽出時間去研究OpenClaw了。大約在同一時間，Karpathy寫了那篇關于知識型LLM Wiki的文章，于是我想：好，我的代碼庫里有一堆Markdown，我應該把我所有的上下文都放進那些Markdown里。然后有一天我突然意識到，OpenClaw用的只是GP（向量檢索），而GP并不算好——它浪費上下文，把比實際需要多得多的內容加載進上下文窗口。
于是我掉進了一個兔子洞。我進入Conductor，點擊快速啟動，GStack已經內置在Conductor里了。我就是這樣開始的。
其實這個過程比這更有趣。在你寫出越來越大的代碼庫之后，這些知識就加載進了你的大腦。比如，為了給Gary's List構建智能體新聞編輯室，我要真正學習向量嵌入、混合RRF檢索和文本分塊。當你在里面試圖讓它工作的時候，你是非常"結果導向"的：我想要的輸出是什么樣的，文章要達到什么質量，需要哪些引用——你開始建立測試和集成測試，最終擁有一個經過實戰檢驗的產品。
然后我就把兩件事聯系起來了。這是任何人都可以做到的事。這就是為什么我認為我們正在進入開源的黃金時代。我可以直接在Conductor里打開這個項目，第一步就是讓它去看Gary's List的代碼，看看我們是怎么做分塊、嵌入、混合RRF、RAG這些的，然后把這些提取出來，用Postgres加PG Vector構建一套完整的RAG系統給我的OpenClaw用——就這樣，一件事接著一件事，我打開了10個GBrain的窗口，一頭扎進去了。
OpenClaw有個很酷的地方，我可以直接問它：我是從什么時候開始用的？——1月23日。還能看到我所有的郵件。我有一條推文說："Claude Code這周喚醒了我25歲的自己，那個把紅牛當水喝、通宵寫代碼到天亮的我。我們回來了。" 建造者的身份重新浮現。我基本上又回到了每天睡四個小時、寫代碼二十個小時的狀態。
主持人： 這也是你開始因為"代碼行數"這個話題在網上引發爭議的時候，對吧？
Gary Tan： 是的，不過我還是堅持我的觀點。
主持人： 用代碼行數來衡量開發者生產力這件事在網上確實很有爭議——顯然有反駁意見說，代碼行數根本不能衡量開發者生產力……
Gary Tan： 確實不能，但在某種程度上也能。很有意思的是，有人發布了公開的Git工具，可以過濾并標準化"實際邏輯代碼行數"。我真的去跑了一下。我因為說"我的編碼速度是2013年的100倍"而惹上了麻煩，但做了邏輯行數的精簡之后，這個數字反而上去了——實際上是400倍。
顯然，這些代碼不是我寫的，是我指揮15個智能體完成的。在數字層面，這確實削減了一些Claude Code生成的代碼行數，但出乎意料的是，它同時削減了我2013年寫的代碼行數——砍掉了約70%。所以這里有個錯位：人類寫代碼很容易"注水"行數，而Claude Code不會這樣做，除非你特別指示它去這么做。它可能構建了錯誤的東西，或者方向沒掌舵好，但它不會為了優化行數而優化，不像在某個崗位上工作的人類那樣。
如果你看看2000年乃至1990年代關于軟件工程的文獻，一個職業軟件工程師每天產出的經過測試、生產就緒的代碼行數，不是一百行，是五十行，甚至三十行。對我來說可能是十四行——因為我那時是兼職狀態。這就是400倍這個數字真正的來源。我本來應該把這個說清楚，而不是繼續跟人嗆聲。如果我在網上拿這個話題刺激過你，我真的道歉——這背后有更深層的邏輯，我最終寫了一篇博文詳細解釋了這一切。
主持人： 這不是小事，對技術背景的人來說意義重大，因為它真正提升了你的能力上限。所有攻擊你"代碼行數"論調的那些人，恰恰是最有可能從徹底放開手腳、全力Tokenmaxxing中獲益最多的人。
Gary Tan： 對，這是經典的困境：如果你有品位、懂技術，你就是最應該得到這雙"翅膀"的人。只需要相信，放下抵觸，打開Claude Code，試試看。
主持人： 我覺得另一個因素是，體驗差異因模型和框架的不同而天差地別。我自己也注意到，任何稍微復雜一點的編程任務，通過OpenClaw智能體來做就會失敗——明明用的是完全相同的模型和Opus，但隨便超出一個簡單腳本的復雜度，效果就不理想了，我就得回到Claude Code。這讓我有一種感覺：哦，原來這就是六個月前的感受，就是"這些工具還沒到位"的那種感覺。但當我用Opus加Claude Code，感覺就是：它真的到了，而且就要更進一步了。
Gary Tan： 我保證，明年這個時候，每個人都會說一件事，而這件事你在這里就先聽到了——地球上每一個人都將擁有屬于自己的個人AI。我們可以生活在一個擁有自己AI的世界里，有自己的數據、自己的集成、清楚地看到正在發生什么、編寫自己的提示詞，并且能控制自己看到什么；或者生活在一個企業控制的世界里，就像你的Facebook信息流一樣，你不知道算法是誰寫的、對誰有利、背后是什么商業模式。
個人計算機革命是人類被饋贈的最強大的禮物，我們正要經歷完全相同的轉變——個人AI革命。這將是一個選擇：人們是否愿意編寫自己的提示詞？我希望Pete Koomen在這里，因為我們從他那里也學到了這一點：除非你擁有自己的提示詞、能為自己而寫，否則你就永遠活在某個不了解你的PM或開發者定義的API邊界以下。他們不會理解你的需求，不會理解你獨特的關切。
這就是那個決定性的問題：你能掌控自己的工具，還是你的工具會掌控你？
主持人： 我覺得公眾在這件事上存在一個斷層，就是要真正調用這些能力，你需要用到最新最強的模型，而大量燒token的代價目前其實相當高昂。價格在下降，但很多人可能只是在用免費版模型，或者只有最基礎的Claude Pro訂閱。
Gary Tan： 對，也許我們需要正視一點：想要真正進入這種幾乎像"接近AGI"的構建境界，你必須大量消耗token。整個Tokenmaxxing的理念，其實讓我聯想到舊金山的租金。我們經常要對YC創始人說的話就是："舊金山的生活成本高得離譜，但不住在舊金山的機會成本更高。"
在YC早期批次里，我總是遇到有人說："這個公寓每月幾千美元，感覺太荒唐了，要不要付？"答案是：必須付。而且不只是在舊金山，還要在Dog Patch這樣的社區里，創造那種"緣分式相遇"的可能性。Tokenmaxxing將會是我們需要教導創始人的事情之一，因為它的價值不是一眼就能看出來的。這就像租金——你應該盡可能地投入，從中獲取最大的效用，而不是把它當成辦公桌那樣可以省則省。在模型使用和token消耗上，你應該大力推進。
主持人： YC的一個核心信條是"活在未來，然后構建缺失的東西"。這是對那句話的深刻詮釋——你只需要讓自己的大腦真正相信：某天在token上花500美元，只要我在構建真正有價值的東西，就值得。
用token換回時間
主持人： Gary，我有個奇特的問題。你覺得，某種程度上，正因為你同時還是YC的CEO，才逼出了這一切嗎？你的時間極度稀缺，你不得不想方設法用零散的會議間隙完成數十萬行代碼，而如果是一個全職工程師，可能就會花時間慢慢打開網站，點來點去測試一下。你的時間如此寶貴，所以你不斷逼自己把一切都自動化。
Gary Tan： 有時候我真的很羨慕那些"時間億萬富翁"。我看著我的孩子們——這些孩子現在就是時間億萬富翁，你可以做任何你想做的事，學習任何你想學的東西，太棒了。我們在Startup School上不斷遇到這樣的年輕人，他們就是時間億萬富翁。
我個人的哲學是：我的腦子里一直在瘋狂飛奔，感覺要活完這個身體里的100億輩子，每一刻都必須有意義。如果你能Tokenmaxxing，那就像購買了數百萬年的機器意識�，F在我也能成為時間億萬富翁了——不是用我自己的時間，而是用機器的時間，為我在乎的人和我在乎的事業工作：YC，以及讓構建者能夠構建。
在我們去年很多內部會議和團隊務虛會上，我們都在討論：怎么教下一代使用這些工具？我希望我能說這一切都是精心設計的宏大計劃，但事實不是。不過從潛意識層面看，我相信Lightcone一集集的錄制，以及坐在Boris Chernny旁邊的那個時刻，對我影響深遠——他說出了一些讓我意識到"我自己就能做到"的話。他說他的團隊不寫一行代碼，我就想：哦，我其實也能這樣，在場的觀眾們也一樣——你們和我沒有任何本質區別。我們都是從同一個起點出發的。
我不覺得自己已經高不可攀，只是一個努力做事的人。當我坐在Boris旁邊，我知道他是我見過的最優秀的工程師之一，但如果我們都打開同一個提示詞，我們擁有的是同一個提示詞，同一臺MacBook Pro。沒有任何東西阻擋我們任何一個人，去調用可能是數百萬年的token來服務人類。
主持人： Gary，我覺得這最后這句話值得直接發到X上。
Gary Tan： 你可以向機器借時間，從而擁有無限的時間。
主持人： 這個時代真好，多么美好的結語。感謝Gary帶我們看見了未來。
Gary Tan： 謝謝你們。
主持人： 好的，感謝收看，我們下期Lightcone見。