跨国深谈← 返回←用 Markdown 组建一支军队:Y Combinator 掌门人的 AI 原生公司蓝图

用 Markdown 组建一支军队:Y Combinator 掌门人的 AI 原生公司蓝图

关联

人物 Garry Tan

概念 智能体 · 技能文件 · 上下文工程 · 公司大脑 · RAG · Latent Space · 确定性空间 · 工作记忆 · Gbrain · 技能化 · AI 原生公司 · markdown · 上下文窗口

同一个模型、同样的上下文窗口,为什么有人只能做到 2 倍产出,有人却能干到 100 倍?答案不在模型本身,而在于你如何连接工作 。说这话的人是 Garry Tan(YC 掌门人),他算了一笔账:2013 年他当工程师时,每天大概只能写 15 行可用代码,而今年他全职运营 YC、甚至下午五点还要接孩子,产出却是当年的 400 倍 。

这一集他在「现在该构建什么」的舞台分享中,给出了一份完整蓝图:为什么你应该把 AI 当作一支由 Markdown 文件组成的劳动力,而不是高级代码补全;怎样划分清晰的任务边界,让模型不把该算的账算错;以及每家公司未来都必不可少的「公司大脑」究竟是什么、怎么造。最后他抛出了一个巨大的机会:地球上的每一家公司都将需要一个记忆层。

连接工作:你其实在经营一家由 Markdown 组成的公司

顺着「为什么 2 倍和 100 倍的人用的是同一个模型」这个核心发问,Garry 直接抛出了他这场演讲最想让听众偷走的洞察:我们用智能体(agent,能自主执行任务的 AI 程序)搭建的一切,其实完全映射着一个人类组织 。他认为,一个技能文件(一种用 Markdown 编写的明确指令集)就是一名员工,它拥有一种能力、一份工作,且写得足够清楚以至于可以被执行 ;一个解析器表(当你遇到上下文过大时,用来规定何时加载哪个文件的规则表)就是一张组织架构图,任务一进来它就决定谁去处理 ;归档规则是内部流程,而触发评估(用来验证诸如该加载的文件有没有真被加载的测试)则是绩效评估 。所以,当你坐在电脑前打开 Cloud Code 或 Codex 时,你其实不是在写软件,而是在雇佣、培训和管理一支由 Markdown 组成的劳动力队伍 。

原生新物理学:惊人的人均产出

这些并不是理论推演,而是已经在发生的事实。Garry 指出,在 YC 25 年冬季批次中,有四分之一的公司代码库有 95% 是 AI 生成的,而且那个批次成了 YC 历史上增长最快、最赚钱的一批 。他列举了几个活生生的例子:应用构建器 Emergence 在八个月内从公开发布做到了九位数的 ARR(年经常性收入),而达到 1500 万美元时只有 15 个人;一家叫 Retail 的公司只有 40 个人,却做到了 6000 万美元 。

这种人均产出不仅打破了软件业的纪录,放在石油或铁路等任何传统行业里也闻所未闻 。Garry 强调,这些公司并非自然界的怪胎,它们只是第一批原生建立在新物理学上的公司。这意味着,它们不是靠雇佣成百上千的人来做销售、运营和财务,而是把所有这些都编码成「技能」,交给智能体执行,只招工程师来维护这些技能 。

划清计算边界:潜在空间与确定性空间

工具变了,人该怎么用?Garry 给出了第一个也是最关键的工程忠告:你必须非常小心计算实际发生的地方 。他指出,问题往往出在「一件事发生在等式的这一边,而它本应在另一边」。

他把计算分为两类空间。第一类是「潜在空间(latent space,即大语言模型内部的概率空间)」,也就是大模型本身,你用它来处理品味、判断力,以及理解人类说一些模糊的话时真正想要什么 。第二类是「确定性空间」,也就是传统工程师熟悉的领域,比如让智能体去写 TypeScript 。

Garry 举了他们办活动遇到的真实难题:要把 800 个人完美地聚在一起安排座位,让每个人左右两边都是最该认识的人。这种对多维数组的海量计算,绝对不能放在模型的「上下文窗口」里去做,而是要放在确定性空间。

模型只负责像人类一样去判断和匹配 。结果呢?原本可能需要一个月的体力活,现在大概花几百美元的 token(模型处理信息的计费单位)和 10 分钟就能搞定 。

工作记忆与公司大脑:决定智能体是天才还是金鱼

明确了任务边界,接下来的核心问题是:我们如何管理智能体所知道的信息?这就引出了 Garry 最喜欢的一个类比。

认知心理学里有个著名理论,人类的工作记忆一次只能在大脑里存住大约七样东西(7 加减 2),这就是为什么电话号码通常是七位数 。他感慨道,人类历史上建立的每一个机构、清单和档案柜,本质上都是为了弥补这个七位数大脑的缺陷而制造的假肢 。

【背景】演讲中提到的 OpenClaw、OpenClan、cloud code 均为语音识别对 Claude Code(知名 AI 编程工具)的误写;Hermes 是搭配使用的智能体框架。演讲者自研的知识工具实际名称为 Gbrain。

但 Garry 指出,一个 AI 智能体能装下一百万个 token,这大约相当于 1000 页书,或者像三本《哈利·波特》同时摊开在脑子里,它能在几秒钟内从中找到线索并综合分析 。这是否意味着已经是通用人工智能(AGI)了?也许不是,但已经是一个完全不同的运行机制了。

然而,挑战在于「三本书虽然很多,但远远不够」。你的整个公司就是一座巨大的图书馆,包含每一封邮件、会议和决策。

Garry 一针见血地指出:决定你的智能体是天才还是金鱼的,是谁来决定在那张桌子上打开哪三本书 。这就是「上下文工程(context engineering,设计和管理喂给模型的背景信息的技术)」的核心。

他引出了「公司大脑」的概念:它不只是图书馆,更是「图书馆加图书管理员」 。虽然这听起来很像企业界熟知的 RAG(检索增强生成,一种让模型先检索外部知识再回答的技术),但 Garry 认为,检索只是原语,最难的是「值得被检索」。

什么内容该写进知识库?什么是热内存,什么是冷参考?新旧信息冲突时谁来仲裁?

Garry 自己的「公司大脑」(他称之为 Gbrain,一个开源的检索层,专门负责决定加载哪三本书)最初只是一满屋子的书,现在已经长成了一个拥有 22 万页的巨大仓库,主要由他的智能体从过去 20 年的笔记、邮件和会议中提炼编写 。现在,只要有一位创始人给他发邮件求助,还没等他读完邮件,智能体就已经拉取了这位创始人的所有过往对话、撞过同一堵墙的其他三家被投公司,以及当时真正奏效的方法 。

「它做每一件事都知道我已经知道什么,这就是助手和同事的区别。」

公司大脑显然也有失败模式:一个没人精心维护的大脑会变成垃圾场,糟糕的搜索会极度自信地检索出一个早已过时的陈旧事实 。因此,这个系统不仅是记忆,还必须加上卫生:每个事实都要有来源,新旧信息冲突要核查,还需要一个由人和智能体共同担任的图书管理员来做修剪 。

永远不要做一次性工作

维护公司大脑的方法论听起来宏大,具体落实到个人习惯该怎么做?Garry 给出了一个极简的操作指令:永远不要做一次性工作 。

你可以打开工具,让智能体去干活,如果干得不好你可以让它重修。但关键是:当你对结果满意时,绝不能止步于此,而是要把它 Skillify(技能化) 。

你可以搜索 Skillify it 获取他公开的技能文件,把刚刚做完的零散工作直接变成一个可复用的技能加载进你的系统。因为如果同一件事你必须让 AI 做两次,你就失败了。只有像这样捕捉学习成果的组织,每一天都在复利增长;否则,无论模型多好,你的公司每天早上醒来都在失忆 。

本集带走

最后收个尾,这一集值得带走的是三句话。第一,别再当 2 倍产出的工程师了,同样的模型能产生 100 倍的杠杆,秘诀不在于死磕权重,而在于你如何组织工作——把技能文件当员工,把规则表当组织架构,把评估当绩效考核。

第二,人类的工作记忆只有七位数,而智能体能装下三本书,但你的公司是一座图书馆,决定智能体水平的关键是谁来担任图书管理员,精心维护事实的来源和新旧更替。第三,每次让 AI 完成一项满意的工作后,永远记住把它技能化(Skillify),绝不重复做一次性工作。如果你 25 岁,他给的最大机会就是去建造那个记忆层——每一家公司都将需要的大脑。

我们正在尝试建立这样的公司，一个人做过去需要 1000 人才能做的事情。
We’re trying to build companies where one person does what it took to, one person does what used to take 1,000 people.
—— Garry Tan · [00:49]

所以杠杆不在于权重，而在于你如何连接工作。
So the leverage is not in the weights, it’s in how you wire the work.
—— Garry Tan · [03:17]

我们投资的最快增长的创始人没有把 AI 当作自动补全。
The fastest-growing founders we fund are not treating AI as autocomplete.
—— Garry Tan · [03:52]

一个技能文件就是一名员工，它拥有一种能力，一份工作，写得足够清楚以至于某人可以执行它。
A skill file is an employee, it has one capability, one job, written down clearly enough that someone can execute it.
—— Garry Tan · [04:31]

当你坐下来使用 Cloud Code 或 Codex 时，你不是在编写软件，你是在雇佣、培训和管理一支由 Markdown 组成的劳动力。
When you sit down with Cloud Code or Codex, you’re not writing software, you’re hiring, training, and managing a workforce made of Markdown.
—— Garry Tan · [05:58]

人类建立过的每一个机构，每一个清单，每一个组织结构图，每一个档案柜，都是针对这个限制的假肢。
And every institution humanity has ever built, every checklist, every org chart, every filing cabinet is a prosthetic for that limit.
—— Garry Tan · [11:22]

决定你的智能体是天才还是金鱼的问题是，谁决定那三本书在那张桌子上打开。
The question that determines whether your agents are geniuses or goldfish is who decides which three books are open on that desk.
—— Garry Tan · [12:39]

检索是容易的。值得检索才是产品。
Retrieval is easy. Being worth retrieving from is the product.
—— Garry Tan · [13:21]

当我的智能体做任何事情时，它都在做每一件事时都知道我已经知道什么，这就是助手和同事之间的区别。
When my agent does anything, it does everything knowing what I already know, and that’s the difference between an assistant and a colleague.
—— Garry Tan · [14:16]

一个没有人策划的大脑会变成垃圾场，优秀的搜索检索会以绝对的信心检索出一个陈旧的事实。
A brain nobody curates becomes a garbage dump with great search retrieval will surface a stale fact with total confidence.
—— Garry Tan · [14:30]

因为如果你必须请求某样东西两次，你就失败了。
Because if you have to ask for something twice, you failed.
—— Garry Tan · [16:08]

模型质量是租来的，但如果你构建你的大脑，你就拥有那个大脑。
Model quality is rented, but if you build your brain, you own that brain.
—— Garry Tan · [16:35]

构建 AI 原生公司，而不是一家仅仅使用 AI 的公司。
Build the AI native company, not a company that just uses AI.
—— Garry Tan · [16:44]

富足不是一篇政策文件，而是已交付的软件。
Abundance is not a policy paper, it is shipped software.
—— Garry Tan · [18:56]