跨国深谈← 返回←个人 AGI：用 Markdown 组建你自己的劳动力

个人 AGI：用 Markdown 组建你自己的劳动力

关联

人物 Garry Tan

概念 智能体 · 个人 AGI · 技能文件 · 上下文 · Latent Space · 确定性空间 · 工作记忆

AGI 不会作为一个事件降临，不会有某天天空变色。它已经在房间里了，散布在基础设施里，一个终端窗口，一个在你睡觉时完成的任务。它不是数据中心里的神，而是你的智能体，在你的上下文上运行，做你的工作 。

这里有一个关键区分。每月付钱用的聊天机器人、稍微好点的自动补全、只知道你日历的助手——那只是你租用的订阅，是公司 AGI，你不拥有它，关掉标签页就重置，公司一转型你的助手就被”脑叶切除”。

个人 AGI 是另一种东西：一个在你自己的基础设施上运行、从你拥有的记忆中读取、执行你写的流程、并且每天复利增长的智能体。公司 AGI 只有在公司发布更新时才变好，你的个人 AGI 每用一天就多知道一点你的生活——一个是消费品，一个是你构建的资产 。

400 倍来自哪里：上下文，不是权重

2013 年做 YC 合伙人时，全职运营 YC 加上晚上写代码，每天大概产出 14 行有用的代码——正好是程序员生产力的中位数。同样的大脑、同样的小时数，现在加上下午 5 点接孩子，算下来产出大约是 2013 年的 400 倍。即使你施加最极端的惩罚——假设一半是脚手架、假设自欺欺人——底线仍然是 8 倍，中间值是 10 倍 。

杠杆不在模型权重里。用同一个 Claude、同样的上下文窗口，有人只拿到 2 倍提升，有人拿到 100 倍。差别在于你给模型什么上下文、多相关、以及它是否在正确的步骤介入 。

这不是个别现象。一年半前 YC 的 Winter 25 批次，四分之一的公司代码库 95% 是 AI 生成的，这些公司把智能体用在所有事情上，不只是代码。这个批次正在成为 YC 历史上增长最快、最盈利的批次之一 。

工作记忆的差距：七位数 vs 一千页

人类的工作记忆一次只能保持大约七件事——七加或减二。这就是为什么电话号码是七位、为什么你会忘记清单上的第八件东西。人类建立的每一个机构——检查清单、组织架构图、档案柜、站会——本质上都是对这个限制的义肢 。

一个 AI 智能体能容纳一百万个 token，大约一千页，相当于三本《哈利·波特》同时在头顶摊开，还能在几秒内跨三本书找到一根针并综合。七位数对三本书——这还不是完全的 AGI，但已经是不同的运行机制了 。

但一千页同时也很少。你的生活不是三本书，是一座图书馆——每一封邮件、每一次会议、每个决定和背后的原因。

决定你的智能体是天才还是金鱼的关键问题是：谁决定桌上打开哪三本书？这就是”大脑”的本质——图书馆加上图书管理员 。

技能文件：Markdown 就是代码

整个架构的核心其实非常不神奇。主要是技能文件——用英文写的、描述如何完成一项任务的页面——加上一个智能体可以驱动的浏览器，以及一种作用于世界的方式。

Markdown，不是魔法。胖技能，瘦线束 。

一个真实的技能文件长这样：当收到会议录音时，用说话人标签转录，提取承诺、谁做的、截止日期；对照资料库交叉核对每个提到的人并链接他们的页面；摘要归这里，逐字稿归那里；如果任何内容与已知信息矛盾就标记出来。就这样。一个聪明的实习生能照着做，智能体就能运行 。

测试标准很简单：如果聪明的实习生能照着做，智能体就能运行。这意味着一件事——Markdown 实际上就是代码。

如果你能用英文写出清晰的指令，你就是程序员，编译器就是语言模型。YC 的媒体人员、活动员工、财务团队，这些从没打开过终端的人都在构建技能文件和定时任务 。

两个空间：别让模型做它不擅长的事

所有智能体失败的根源，都来自于混淆了两种计算。品味、判断、从模糊请求中解读人类真正想要的东西——这属于潜在空间，存在于模型中，你用 Markdown 文件引导它。算术、SQL 查询、给 6,000 人排座位表——这属于确定性空间，必须存到数据库里由代码处理 。

让智能体安排五个人围坐一桌，容易。让它为 6,000 人制定定制时间表，潜在空间的智能体必须写代码来追踪，没有代码做不到。模型在我们失败的地方失败——解决办法是让模型以人类计算的方式计算：潜在空间加确定性空间，Markdown 文件调用数据库和脚本 。

五步实操：从今晚开始

第一步，今晚：选一个套件在你自己的机器上跑一个智能体。OpenClaw、Hermes Agent、Claude Code、Codex 都行，重点在概念，不在特定产品 。

第二步，这个周末：开始建你的库。一个 Markdown 文件夹，导出笔记和邮件，为每个项目和每个合作者写一页——你们在做什么、他们关心什么、你欠他们什么、上次说了什么。

这些是地球上任何模型都没有的东西，因为它只存在于你脑子里。第一次智能体用你的上下文而不是互联网回答问题时，你会感到那种顿悟 。

第三步：写第一个技能文件。选你每周最讨厌的任务——费用报告、会议记录、每周状态更新——用大白话解释给智能体听，就像给工作第一天的聪明朋友解释。

然后让它出错，错了就纠正，把每条规则、每个例外都加进去。那一页现在就是一个员工 。

第四步：把它接成循环任务。每天早上七点做这个，每周五总结那个。第一次你醒来发现工作在你睡觉时已经完成，你脑子里会发生永久性的转变——“一天”不再是你的工作单位 。

第五步，最关键的纪律：永远不做一次性工作。每个任务结束时，让智能体把它的行为”技能化”——变成一个可以永远重复使用的 Markdown 文件。

如果你必须把一件事请求两次，你就失败了。每天早上醒来就失忆的人是在浪费时间，模型变得多好也没用 。

警告：没人整理的大脑是垃圾场

检索会以绝对的自信抛出一个陈旧的事实，一个糟糕的技能文件会把糟糕的流程永远编码下来。原语是记忆加上卫生：每个事实的来源追溯、新旧信息冲突时的矛盾检查、一个实际工作是修剪的图书管理员。把大脑当生产基础设施对待，它就复利；当倾倒场，你得到一个自信但以没人能追踪的方式出错的智能体 。

技能文件的所有权：谁控制它，就是两个相反的未来

同一个支持工程师 Maya，两年教会智能体 40 个技能——凌晨两点分流 P0、安抚即将流失的客户、写真正能防止下次事故的复盘。版本一：文件在 Maya 自己的仓库里，换工作时带走，入职第一天就带着多年积累的判断力，每年都在复利——那是所有权。版本二：文件在公司仓库里，Maya 离开时什么也带不走，公司没有她也在运行她的判断力，40 个文件永远执行，她名字不在提交历史里——她没有职业生涯，她经历了一场认知提取 。

工匠拥有自己的工具，那是他们自由的原因。工厂打破了这一点，织布机属于磨坊。

知识工作者以为自己是安全的，因为工具在脑子里没人能没收。技能文件改变了这一点——历史上第一次，你的认知可以被提取、存储、版本化和拥有。唯一的问题是：由谁拥有？

从第一天起就把你的大脑和技能放在你控制的仓库里。

回应三个异议

模型改进太快，这些东西会过时？ 每次模型发布，差异化因素反而更转移到上下文。

当每个人的引擎都是 1000 马力，胜负取决于驾驶员和地图。更好的模型让你的库更有价值，因为更聪明的读者从同样的书里提取更多 。

这只是 RAG？ 检索是原语，不是产品。

困难的部分是周围的一切：写什么、如何丰富和链接、什么提升到热内存什么归为冷参考、两个事实冲突时谁仲裁。检索容易，值得从中检索才是产品 。

隐私怎么办？ 把整个生活放一个系统里，泄露了怎么办？

答案和整个演讲一样：正因为如此它必须属于你。你的生活已经散布在 10 个云端，那些公司的利益不是你的，除了你之外谁都能搜索。

你没有通过整合上下文制造风险，你接管了它。如果你不信任自己持有密钥，答案不是更相信别人的服务条款 。

本集带走

• 个人 AGI 的公式：租来的前沿模型 + 你独有的上下文 + 连接它们的线束 = 一个非常快速版本的你自己。模型质量是租的，上下文是你拥有的资产。
• 杠杆在上下文，不在权重：同样一个 Claude，2 倍和 100 倍的差别在于你给什么上下文、多相关、是否在正确步骤介入。
• 技能文件就是员工：用大白话写清楚一项任务怎么做，聪明的实习生能照着做，智能体就能运行。Markdown 就是代码，编译器就是语言模型。
• 分清两种计算：品味和判断留给潜在空间（模型），算术和逻辑交给确定性空间（代码+数据库）。混淆两者是所有智能体失败的根源。
• 五步起步：今晚选套件跑起来 → 周末建一个 Markdown 文件夹写项目和人的页面 → 选最讨厌的周任务写成技能文件 → 接成循环任务 → 每次任务结束都”技能化”，绝不扔掉上下文。
• 从第一天起把技能文件放在你控制的仓库里：同样的技能，你控制就是资产在复利，公司控制就是你的认知被提取。不要接受”一千荷兰盾”让你闭嘴停止构建的安排。

用创始人的术语来听听这个。他们给他提供了一份薪水让他停止构建。
Hear that in founder terms. They’ve offered him a salary to stop building.
—— Garry Tan · [02:42]

400 年后，我们在关于智能方面正在犯一个类似的错误。
400 years later, we are making a similar mistake about intelligence.
—— Garry Tan · [05:08]

而当其背后的公司转型时，你所谓的助手就会按照别人的时间表接受脑叶切除。
And when the company behind it pivots, your so-called assistant gets a lobotomy on someone else’s schedule.
—— Garry Tan · [06:54]

其中一个是你要消费的产品。另一个是你构建的资产。
One of these is a product you consume. The other is an asset you build.
—— Garry Tan · [07:26]

但杠杆不在于权重。而在于你给它什么样的上下文，它有多相关，以及它是否发生在正确的步骤。
But the leverage is not in the weights. It’s in what context you give it, how relevant it is, and does it happen at the right step.
—— Garry Tan · [10:15]

你可能会认为这还不是完全的 AGI，但它已经是一种不同的运行机制。
You could argue that’s not quite AGI yet, but it is already a different operating regime.
—— Garry Tan · [13:49]

Markdown，而不是魔法。胖技能，瘦线束。
Markdown, not magic. Fat skills, thin harness.
—— Garry Tan · [16:56]

一个没有人整理的大脑就是一个拥有伟大搜索功能的垃圾场。
A brain nobody curates is a garbage dump with great search.
—— Garry Tan · [23:37]

如果你必须把一件事请求两次，你就失败了。
If you have to ask for something twice, you failed.
—— Garry Tan · [27:51]

你教给智能体的每一个技能都是外在化的你。
Every skill you teach an agent is you, externalized.
—— Garry Tan · [29:38]

她没有过职业生涯，她经历了一场提取。
She didn’t have a career, she had an extraction.
—— Garry Tan · [30:49]

模型变得越好，差异化因素就越转移到上下文。
The better the models get, the more the differentiator moves to context.
—— Garry Tan · [33:51]

然后我看那些声音最大的嘲讽者实际发布的是什么，那是一路到底的 agents。
Then I look at what the loudest dunkers are actually shipping, and it’s agents all the way down.
—— Garry Tan · [38:01]