本文来自微信公众号： 每日天使 ，作者：每日天使
这期节目的信息密度之高，让人看完需要停下来想很久。Gary Tan不是在演讲「AI改变世界」，他是在用一个真实的案例——在担任YC全职CEO的同时，从零写了数十万行代码——告诉你这件事今天就能做到。
最打动我的不是400倍这个数字，而是他说的那句话：「你可以买下数百万年的机器意识，让它们为你关心的事业工作。」——这不是科幻，这是2026年的现实工具箱里现成的选项。
导语
2026年初，Y Combinator CEO Gary Tan在公开场合声称自己的编码产出量是2013年的400倍，在互联网上引发了强烈争议。很多人觉得这是在炒作。但当他在YC的Light Cone播客上系统性地演示了自己的工作流之后，争议变成了好奇。
这期播客是目前最详细的一份「AI原生开发」实录：Gary从一个为加州教育改革建的网站聊起，讲到他如何开发GStack工具集、如何构建个人AI知识库GBrain，再到他关于「Token Max」和「个人AI时代」的思考框架。受访者是Gary Tan，主持人是YC合伙人Diana Hu与Harj Taggar。
正文
一、重新写代码：从0到400倍的起点
Harj：Gary，你离开写代码有多少年了？
Gary：整整13年。然后突然，boom——我做的代码量，大概是我当年每周写代码时间还占三分之二那个时候的400倍。
Harj：一切从Gary's List开始。你是怎么决定要重拾代码的？
Gary：是在一次Lightcone录完节目后。我意识到我想把相信同样信念的人聚在一起——尤其是关于加州的议题。我创立了一个501c4，现在是C3加上PAC。我一直很关心教育公平：旧金山是全美私校入读率最高的城市，我不认为孩子的起点应该取决于是否有钱读私校。我想建一个网站来做研究和写作，于是就打开了Claude Code。
Diana：所以Gary's List不只是博客平台，它本质上在做高质量调查记者的工作？
Gary：对，它自动去爬互联网、读几十篇文章、交叉比对来源——20个来源说同样的事，7个不同意，全部喂给核心prompt——只需5到10美元的Opus调用，就能完成一个人类记者可能要花一个月的研究工作。这就是「煮沸整个海洋」的思路。
二、Token Max：AI时代最重要的新思维
Harj：你在一篇文章里提出了「Token Max」这个概念。能解释一下吗？
Gary：这个词其实是被网上的人嘲讽我「在用markdown代替真正的代码」之后逼出来的。但我的亲身体验是：markdown就是代码，只是以不同方式被编译。
核心逻辑是：如果有增量工作能让结果更完整、更接近真实，你应该去做，而不是因为「费钱」就停下来。我们不应该只取一个来源，当我们能取20个来源并交叉引用的时候。
Diana：Token Max听起来贵，但你把它类比成旧金山的租金？
Gary：是的。很多YC创始人来了之后觉得旧金山的租金太贵，不想住。但我们一直告诉他们：在旧金山「不住」的成本，比住的成本高得多。Token Max也是一样——在这个最关键的时间节点，你应该把token消耗推到极限，而不是像省一张办公桌的钱一样节省它。
Harj：你提到今天花$500一天买token，是有价值的？
Gary：如果你在做真正有价值的事，是的。我的哲学是：我在这个身体里有数十亿个生命想活。能够买下数百万年的机器意识来为我关心的事业工作——这不是花费，这是投资。
三、GStack：从Apple Notes到开源工具集
Harj：GStack是怎么诞生的？
Gary：我没打算做GStack。只是有一天，我厌倦了反复输入同样的指令，就打开Apple Notes，把所有常用的prompt整理进去。最基础的是「计划审查」——我发现让Claude先画一张所有数据流和状态机的ASCII图，它就能更完整地理解任务、更少出bug。
然后我做了一个叫CEO Plan的prompt，模拟Brian Chesky的「10星体验」思维框架。这个只有两句话的prompt发出去之后，有20万人看到了它，就这样病毒式传播了。
Diana：你现在的日常工作流是什么样的？
Gary：我跑Conductor多实例，同时有多个功能排队等待。一个标准流程是：先跑Office Hours（产品需求验证）、CEO Plan（提升产品愿景）、Design Review（如果有UI）、Developer Review、然后Plan-ge-Review，最后用/codex把Codex调进来做代码审查。
Codex是我说的「200 IQ近乎无言的CTO」——Claude Code很好用但不是最聪明的，当你遇到特别复杂的问题，你可以叫Codex进来找bug。
Harj：你在最近48小时合并了13个PR？
Gary：对。这套工作流的重点是：人只需要做自己真正要做的事——有品位、有判断、有对真实用户的理解。其他所有事情，让机器来做。
四、胖技能、瘦硬件：AI工程的核心哲学
Harj：你在X上有一篇帖子讲「瘦工具、胖技能」的思维框架，能展开讲吗？
Gary：其实是我被人批评「只是在写markdown」之后总结出来的。
核心是：想象你是一个婚礼策划师，在写一份如何再次举办婚礼的清单。所有你用普通英语就能描述的步骤、判断、特殊情况——都应该在markdown里，由LLM来处理。LLM有潜在空间，它知道你是谁，理解你的意图，能处理边缘情况。
但如果你需要调用Twilio打20个电话给场地——这是确定性操作，应该写在代码里，不是markdown里。
现在工程师最难的事就是判断：这件事应该放在LLM的潜在空间里，还是放在确定性代码里？
Diana：测试覆盖率在你的工作流里重要吗？
Gary：极其重要。我最开始做Gary's List时，几乎不写测试，就像所有人一样——不好玩嘛。结果很快就遇到了vibe coding的经典问题：80%的情况都很完美，但一旦真实用户碰到，系统就崩了。
后来我让Claude强制做，现在我的标准是80-90%的测试覆盖率。100%反而过度，而且你可以直接告诉AI去做，它就去做了，机器不在乎无聊。没有测试的AI生成代码比人写的差10倍——因为你根本不知道下一步会发生什么。
五、GBrain：打造属于自己的个人AI
Harj：你还在做GBrain，那是什么？
Gary：GBrain是我的个人OpenClaw实例，配上了完整的RAG系统。灵感来自Karpathy写的那篇关于「LLM知识wiki」的文章——我意识到我应该把所有上下文都放进markdown，让AI记住我是谁。
但我发现默认的GP（通用检索）质量一般，会浪费很多上下文。于是我自己实现了向量嵌入、混合RRF排序、分块策略——基本上把我在Gary's List里学到的RAG技术搬过来了，然后用PostgreSQL+pgvector做存储。
Diana：你有多少工作时间是在OpenClaw（自托管实例）里完成的？
Gary：现在大概有40-50%。六个月前我100%用Claude Code，现在我觉得这是正常的演进——当你建好了自己的AI基础设施，你会越来越多地活在里面。
Harj：对于现在考虑要不要走这条路的人，你最想说什么？
Gary：我想说两件事。
第一：定义问题很重要。我是YC的CEO，时间极度稀缺——正是这种稀缺，反而逼着我把所有重复性工作都自动化。如果你有大把时间，你反而会变懒。
第二：这个时代最重要的问题是：你要掌控自己的工具，还是被工具掌控？如果你不写自己的prompt，你就活在别的PM为别人写的API guideline之下，那个人不了解你，不了解你的需求，也不了解你独特关心的事。
六、时代类比：我们在哪里？
Diana：你觉得我们现在处于AI革命的哪个阶段？
Gary：家酿计算机俱乐部。1975年，Apple 1是一块焊在木板上、用钉子和胶带固定的电路板。你想要一台个人电脑，那就是你有的全部。
我们现在处于「工具包法拉利」阶段——你花2-3小时和大概500到1000美元的token和云服务，就能让它跑起来。但一旦跑起来，你可以去任何地方。那种感觉就像你终于拥有了一辆法拉利——哪怕它还是会在路边抛锚，你也需要懂得打开引擎盖自己修。
Harj：而且你认为每个人都应该进入这个阶段？
Gary：我认为那些批评我的「代码行数」的人，恰恰是最有可能从Token Max中受益的人——因为他们有品位，他们理解技术，他们只是还没有相信。
唯一需要做的事，就是停止争论，打开Claude Code，然后试试。
视频链接：https://www.youtube.com/watch?v=57lDpTwiW6g