本文来自微信公众号： 每日天使 ，作者：每日天使
编者按
这可能是近期最具实操价值的AI组织转型对话。YC的Garry Tan和Pete Koomen首次公开了他们如何在YC内部运用AI工具，将一个成立于AI时代之前的组织，彻底改造为"AI原生组织"的完整历程。这不是一个理论探讨或趋势预测——Pete亲手搭建了YC内部的Agent基础设施，从最初的SQL查询工具到现在350+工具的注册表，从技能系统到夜间自我改进循环，每一层都有具体的工程实践和经验教训。
对于任何想要在组织内部落地AI的创业者、技术负责人和产品经理，这期对话是一份不可多得的"操作手册"。Pete提出的"无马马车"隐喻和"组织超级智能"的构建路径，更是刷新了我们对AI原生软件的认知。
导语
本期《Light Code》邀请了Y Combinator的合伙人Pete Koomen。Pete是著名的A/B测试平台Optimizely的联合创始人，如今在YC全面负责内部AI基础设施的建设。在过去一年里，他带领YC的工程团队和合伙人群体，打造了一套从底层工具注册到上层技能系统的完整Agent框架，彻底革新了YC的内部运作方式。
主持人Garry Tan是YC的CEO，同样是一位资深创业者和投资人。他在对话中多次提到，Pete是第一个推动YC大规模采用AI工具的人，也是这次内部AI转型的"总架构师"。两人围绕YC的AI实践展开了一场深度对话，话题涵盖Agent基础设施的设计原则、技能的创建与自我进化、"无马马车"式的AI产品误区，以及AI到底是走向集中控制还是个人赋权的宏大命题。
特别值得一提的是，这是YC首次公开谈论其内部AI工具的建设历程。对话中充满了只有亲身实践者才能给出的洞察，值得每一位关注AI落地的读者细读。
访谈正文
一、YC内部AI的起源：从财务团队的痛点开始
Garry Tan：Pete，回到故事的起点——YC是什么时候开始认真采用这些AI工具的？我记得是你最早推动这件事的，能讲讲当时的情况吗？
Pete Koomen：好的，很乐意讲讲这个故事。大概是一年多前，我和几位工程师启动了一个项目，后来它像滚雪球一样变成了一个完整的基础设施层，让我们能在YC内部以各种方式使用AI。最有趣的部分是，看着整个工程团队和很多合伙人都参与进来，为这个基础设施层做贡献。
Pete Koomen：我们大约一年前开始在YC内部搭建自己的Agent harness——一个面向YC特定场景的Agent系统。最初的推动力来源于我和几位软件工程师在帮财务团队做的一些工作。
Pete Koomen：先交代一点背景：YC自成立以来，据我所知，大部分运行的是自己开发的软件。这给了我们很大的优势。回到那个时刻——大概一年前，我们和财务团队坐在一起，讨论要为他们开发一套工具，帮助他们处理各种财务工作流程：记账、录入融资轮估值数据等等，所有这些让YC运转起来的工作。
Pete Koomen：我当时同时看到了两件事。一方面，我们内部的开发循环是这样的：我们和财务团队坐下来，财务团队描述复杂的财务流程，软件工程师听完后去写一套封装了所有规则的目的化软件，然后交给财务团队使用，如此反复。这感觉非常低效。
Pete Koomen：另一方面，那正好是Agent工具——Agent编程工具——真正火起来的时候。第一代像Windsurf和Cursor这样的工具已经很成熟了，Claude Code差不多那时刚推出。我感觉这些工具给了我"超能力"。看着YC内部那种传统的软件构建方式，再对比我在自己机器上能做到的事，两者之间的鸿沟越来越大。
Pete Koomen：所以最初的想法就是："我们能不能在YC内部开发一些工具，让财务团队可以自己运行Agent，从而掌控自己的软件？"也就是说，把软件工程师从这个疯狂的循环中移走——不再需要他们先理解那些复杂的流程再编码——而是给财务团队一套工具，让他们可以用自然语言和提示（Prompts）来编码自己的工作流程，而不是用Ruby。
Garry Tan：有意思的是，我们投资的很多公司，大概两三年前LLM已经出来了，但Agent编程还不是主流。所以第一件事其实不是Agent编程，而是用LLM写SQL查询。我记得你最早版本做的东西就是让非技术人员——当然是很聪明的财务人员，但没有工程背景——能够用这些工具问真正的问题。说实话，我们自己也挺震惊的。
Garry Tan：我们一开始做了这个面向财务的专用工具，后来又把它重写成更通用的Agent循环。现在到处都能看到这种东西了。
二、魔法时刻：把读权限SQL工具交给Agent的那一刻
Pete Koomen：我的第一个"魔法时刻"是这样的：我们有了这个Agent循环，还有一个共享的工具注册表——专门放YC特定工具的注册表。第一个真正打开局面、让我觉得"解锁了"的工具，我记得是你（指在场的一位工程师Jared）开发的——它让Agent能够对数据库执行只读SQL查询。
Garry Tan：对，其实是两个工具。一个是查询数据库，另一个是读取我们的模型文件（Model Files）。我记得开发这些工具的时候，感觉自己有点"违反规则"，因为一开始我们用的都是非常有限的、范围很窄的工具，我老是感到沮丧，因为它们的威力不够，做不了我想做的事。于是我想："如果我们直接把这东西接到生产数据库上呢？让它想查什么就能查什么？"
Garry Tan：我大概是深夜偷偷推送出去的。结果它奏效了，极其好用！
Pete Koomen：那么为什么给Agent一个查询数据库的能力如此管用？这就要说到YC在这个实验中的一个天然优势：我们自己开发自己的软件，而且所有这些软件都跑在同一个Postgres数据库上。这个数据库里有YC世界里所有重要的东西——每个我们投资过的公司（有公司表），每个创始人（有创始人表），我们的金融交易（有财务表），我在内部CRM里留的笔记……所有这些功能，很多公司是外包给各种第三方SaaS工具的，我们是自己开发的。
Pete Koomen：结果就是，我们有一个包含所有重要上下文的数据库。我现在可以问这样的问题："嘿，显示给我所有在过去四个批次里投资过太空相关公司的投资人。"只要所有上下文在一个地方，附加上一些关于数据库结构的信息，Agent就能回答关于我们业务的任意问题。
Garry Tan：那确实是个魔法时刻。
Pete Koomen：更酷的是，它不仅让回答问题变简单了——它极大地增加了我们愿意问的问题数量，以及我们敢于问的问题的规模和复杂度。在以前用BI工具的时代，问一个像"哪些投资人投资过太空相关公司"这样的问题，需要花几个小时写SQL。如果不是特别重要，你就不会去问。这就是杰文斯悖论的又一个例子——当你消除了不同团队之间来回沟通的成本，问问题的数量就会爆炸。
Garry Tan：如果在旧世界，我想问某个复杂的YC相关问题，得去敲数据分析团队的门，等他们把这事排进需求待办清单，我就只问非常少的问题。说实话，现在看这个节目的人里，大多数人的工作环境还是这样的——而这已经是2026年了，这简直有点不可思议。
三、基础设施三件套：数据库、工具注册表、技能系统
Pete Koomen：这就是我们在YC内部所探索的有意思的事——看看哪些原语（Primitives）能让个人和团队都使用Agent。如果你是在一个"遗留组织"里工作——这基本上包括所有超过两年历史的公司——哪些东西是你可以聚焦去构建的？
Pete Koomen：我们谈到过"共享上下文层"。一个数据仓库，让你内部所有重要的上下文都存在里面，这被证明极其有用。就像编码Agent在Monorepo里效率更高一样，看我们的Agent在存有所有数据及统一Schema的单一数据库上运作，告诉我们把所有上下文集中到一个地方有巨大的价值。
Pete Koomen：第二件事是内部工具注册表。一开始整个系统很简单——一个Agent循环、一个简单的工具注册表，还有模型路由器等几块。工具注册表就是YC特有内容所在的地方，它是让Agent在工作中变得有用的关键。我们从20个工具起步，包括那个神奇的对SQL数据库的查询功能。
Pete Koomen：随着时间的推移，每个团队都在添加自己的工具。现在我们已经有超过350个工具了——每次我们在YC内部发现某件工作可以通过Agent改进，我们就往里面加工具。我可以管理我的办公时间，财务团队可以记账，我们可以管理我们举办的活动……YC所有重要工作都有对应的工具。
Pete Koomen：一旦所有这些都集中在一个地方，你不仅可以让我们内部搭建的Agent使用它们，还可以让运行在个人机器上的Claude Code使用它们。这些是我认为最重要的基础设施组件——如果我在任何其他组织工作，我会集中精力做这些。
四、自我改进循环：Agent如何越变越聪明
Pete Koomen：是的。看其他构建类似基础设施的公司，你会发现很多相同的原语——Agent循环、工具注册表、技能注册表。现在看技能在YC内部的使用方式：如果把技能定义为对工具的简单抽象层，我们有一批共享技能，所有人都可以通过这个Agent系统使用。
Pete Koomen：你的使用路径很有意思：一开始自己写系统提示词，然后技能出现了，你开始自己写技能，然后做元提示——技能写技能。自动改进。我们内部也在经历同样的进程：先是几个技能，现在我们到了某种"自主自我改进循环"的阶段。
Garry Tan：就像Karpathy的Auto Research一样，Codex里也有类似的东西叫/Slash Goal。这些都已经被整合进去了。
五、"两句话描述"技能的演变：从合伙人知识到组织能力
Pete Koomen：我们有一个共享技能，是YC的合伙人用来帮助创始人写"两句话描述"的。先解释一下什么是"两句话描述"——就是用自然语言简洁地解释你的公司在做什么，以及为什么它有趣。听起来简单，但创始人做起来出奇地难。而且，奇怪的是——几乎没人会去做这件事。
Garry Tan：我觉得YC本质上是一个"上下文工程"的过程。我们经常教人：你大脑里有完美的上下文，但好的沟通是把同样的上下文复制到别人的大脑里。这就是"两句话描述"的本质。第一句：我甚至不知道这是什么鬼东西？如果你都不知道这是什么，你连一个问题都问不出来。第二句：这有趣吗？有价值吗？值得我花时间吗？
Pete Koomen：YC的一位合伙人Tom写了一个技能，教Agent如何把公司的上下文压缩成两句话描述——这是他手写的提示词和技能。最近发生了一件很酷的事：另外几位合伙人拿着和Spring批次一批公司做集体办公时间的会议记录，让每个创始人试写两句话描述，然后互相给反馈。
Pete Koomen：就这样，原本活在合伙人脑海里的、如何有效写两句话描述的知识，被交换进了会议记录的上下文中。然后我们把这份记录交给Agent，说："根据你在这些上下文中学到的东西，改进两句话描述这个技能。"结果是：改进后的技能明显变好了——我可以说现在比我自己写得还好。这就是"组织内部超级智能"的发生方式。
Garry Tan："两句话描述"听起来像件小事，但里面嵌入了一个非常强大的机制。Jack Dorsey在Block做的事情本质上是一样的——他想把Block变成围绕"帮助人们互相支付"这个目标的"迷你AGI"。你可以把任何组织的运作看作成千上万个原子任务的集合——YC的两句话描述就是其中之一。
Garry Tan：我们刚走过了一个非常具体的路径：有人写了一个提示词，用了很多次，其他人也开始用，产生了大量的"产物"——使用它的会议记录——然后这份记录成了元提示，以自动化的方式每天改进那个技能。突然，那个技能变得比我们任何一个人单独写得好。这就是如何在一个组织里构建超级智能——你对所有事情都这么做。
六、构建组织的超级智能：透明、信任与默认公开
Garry Tan：如何构建超级智能？核心一点是不要仅把AI当"副驾驶"——那已经是2023-2024年的思维方式了。你要把AI作为一切运行的底层基础层。并且你需要开始记录所有的"产物"（Artifacts）——会议的录音、邮件、沟通、计划……你有了所有东西的完整上下文。这很可怕，但如果你把它框定为"每个人都能用同事的集体技能和直觉来让自己做得更好"的方式，它就变得无比强大。
Pete Koomen：我们现在有一个规范化的两句话描述技能——这不只是生成一段文本的工具，它是帮助我更好地理解"什么构成有效的创始人沟通"的工具。因为现在我可以接入你、Diana以及其他所有多年经验的人所学到的东西，这些都通过你们做过的对话被"烘焙"到了这个技能里。
Garry Tan：这就像一个共享的组织大脑，是最接近我们能直接连接彼此大脑的方式。
Pete Koomen：完全正确。我现在可以让Agent来模拟演练，让它对我进行批评……一旦把所有知识都放到Agent能操作的层面上，可能性是无限的。这对组织中的每个人来说都是非常赋权的事。
Pete Koomen：这里还有一些我们做对但别人可能搞错的微妙之处。一个关键决策是：默认情况下，Agent的对话记录对YC的所有全职员工全局可见。我们对这个决定是有过犹豫的——感觉像是"活在未来"，但做起来并不轻松。我们开了很多会讨论："所有人都能看到所有东西，这可以吗？""什么东西是不可以的？"现在我很庆幸我们保持了开放。
Garry Tan：我们用信息透明同时解决了几个问题。一方面，每一个Agent对话都广播到Slack频道——任何人都可以加入并查看和学习。我记得另一个"解锁时刻"就是当你开始大量使用它的时候——你非常有创意，我们很多人就是看着你怎么用，才想到"哇，我都没想过能这样用。
Pete Koomen：当你默认公开广播这些对话，你实际上建立了一种社会控制机制——在一个高信任环境里，这被证明是相当有效的，能让人保持隐私信息不泄露。这还让你可以在内部安全上稍微放松一点——Agent在获得不受限的大量上下文时才能发挥最大威力，这和大多数组织的运作方式是背道而驰的。
Garry Tan：这其实暴露了真正Agent化、千倍超级智能组织必须具备的两个特质——我一开始猜不到，但现在看来是"必须"的：你必须相对平等主义，你必须"默认信任"。而这两样东西恰好是全球大多数组织都没有的。如果你是组织的创始人，你必须把它们放在核心。这种环境在创业公司效果最好——一小群目标一致、彼此信任的人。
Garry Tan：你还需要愿意每年在Token上花10到100万美元。但如果你愿意投入、投资技能，并以开放的方式与团队一起做所有事情——这基本上能让你"活在2028年"。你今天花10万或100万美元一年的东西，两年后就普遍了——一年后可能只要1万，再一年后只要几百块钱。到时候所有人都会这样做，大家会认为"公司本来就应该这样运作"。
Garry Tan：这其实是一个一次性的"时间扭曲"机会——你可以跳过所有现有公司、所有财富500强、所有已存在的创业公司。我猜1990年代公司开始给员工买电脑的时候，感觉也是类似的——它们很贵、很脆弱，但是当你的竞争对手还没有电脑的时候，拥有一台电脑是巨大的超能力。
Pete Koomen：从更战术的层面看，我看到AI在YC内部最重要的影响是"抬高地板"。一个新员工可能需要6个月的入职适应期，但有了这些工具，他们自动就能获得公司的很多上下文——他们知道组织里最优秀的明星员工是如何工作的，通过AI完成"学徒制"。你可以在模拟中体验到Pete做创始人销售辅导是什么感觉，或者Gary给创始人提供非常具体的建议是什么感觉。这帮助所有新进入者在组织里更快地变成你的"迷你版"。
七、"无马马车"：AI原生软件的范式转移
Garry Tan：你搭完这些基础设施后写了一篇叫《无马马车》（"Horseless Carriages"）的文章，在网上流传很广。能不能讲讲里面的核心思想？
Pete Koomen：这篇文章是对我当时看到的大量AI产品的批评——说实话，现在依然如此。我看到太多公司在开发软件时"往大堆软件里塞一点点AI"——就像在邮件应用里加一个AI写邮件的功能，但真正的提示词上下文被锁住了，对用户隐藏起来。这是经典的"让开发者来决定一切如何工作，把复杂性对用户隐藏起来"的思路。
Garry Tan：安全主义，我恨这个。
Pete Koomen：对。我写那篇文章的核心主旨是：随着我们越来越擅长构建AI原生软件，软件的样子会变成"Agent包裹确定性工具"，而不是"确定性软件包裹一个AI"。我们在YC内部尽量把这一点暴露给员工——通过我们搭建的那些原语。
Pete Koomen：文章得出的结论是：真正的AI原生软件要把控制权从开发者手中转移给用户。当用户能够自己编写提示词、自己调整技能参数，他们获得的是类似使用编程Agent时的那种"超能力"体验——而不是被锁在别人设计好的小盒子里。
Garry Tan：你在文章里提到了AI可以是"集中化"的，也可以是"去中心化"的。Google Gmail里"你不能改提示词"这件事就是完美的例子。我们有大概18到24个月的时间窗口来做选择——可能长达5年——但未来有两种截然不同的道路。
八、聊天是最佳AI界面吗？
Pete Koomen：我对聊天界面也经历了心态转变。2023年ChatGPT刚出来的时候，我觉得聊天不会成为所有AI应用的界面。但现在我完全改变了看法。部分原因是体验到这些工具之后，我越想越觉得——聊天之所以更好，是因为它最接近人类语言，而人类语言和写作基本上是最接近"思维表达"的东西。
Garry Tan：对，聊天是最接近"清晰智能"的踏脚石。你不能把AI塞进一个太具体的盒子里——那会过度限制我们。所以我现在是"全面拥抱聊天界面"阵营的。
九、集中化vs.去中心化：AI的两种未来
Garry Tan：在你的文章里，我读到的最震撼的一点是：AI可以是集中化的，也可以是去中心化的。这让我想到苹果的1984年Macintosh广告——2034年会像1984年吗？"1984"版本就是：有五个"国王"，其中一个胜出——拥有最先进的AI，控制所有算力和数据中心，垄断所有权力。而且不仅如此，他们不让你运行自己的提示词——就像Gmail那个例子，但覆盖你的整个计算生活。这就像个人计算机从未被发明，我们只有大型机和小型机。
Garry Tan：20世纪60-70年代计算机刚出来的时候，你不能像今天这样去Apple Store买一台iPhone或Mac，你只能获得价值数十万美元的大型机权限——而且被公司政策严格锁定。推动计算机革命的是人们开始拥有可以自由实验的个人电脑。
Pete Koomen：对，还有一个"神职人员阶层"和一套制度基础控制着资本——字面上的生产资料。这是一个我们不能接受的未来——而我绝对不想活在那样的未来里。
Garry Tan：替代方案嵌在Homebrew Computer Club里，嵌在Steve Jobs和Steve Wozniak在Mountain View车库里焊接电路板时给我们带来的革命里——他们卖出了500台Apple I。我觉得我们现在就处在"Apple I时刻"——我们正在发明原语，学习这些东西如何运作、如何销售、如何封装。
Pete Koomen：我特别反感看到AI被框定为"替代人"的工具——这和我和我周围很多人体验它的方式完全不符。AI不是替代人，而是赋权。你看看科技发展的历史——从大型机到PC到互联网，给每个人一个出版平台——整体上是一个个人赋权的故事。我认为AI会以同样的方式展开：它能让我们做得比以前更多，消除那些让过去工作痛苦和枯燥的部分。
Garry Tan：一个公司，默认不是开放的；默认是命令和控制的；默认情况下，可能领导层能接触这些工具，而一线员工不能。我们需要根本不同类型的组织，需要以一种不同的方式提供计算——这些都是选择。正在看这个节目的人，将是建造社会里所有这些东西的人。所以，我们最好做出好的选择。
视频链接：https://www.youtube.com/watch?v=B246K_G7mHU