YC CEO：别再省Token了，真正该省的是你的时间

“一个决定性的问题是：你掌控自己的工具，还是你的工具掌控你？”Y Combinator CEO Gary Tan的这句发问，点出了当下AI浪潮的核心。过去几个月，他亲自下场，用Claude Code和OpenClaw等工具写出了几十万行代码，并提出了一个颇具争议的“Token Maxing”哲学。他坚信，我们正站在一场“个人AI革命”的临界点上。这场编译自Y Combinator博客的深度访谈，毫无保留地展示了他如何从“13年不写代码”的状态，转向构建一套声称能提升“400倍效率”的工作流。

重新写代码，不是炫技，而是现实问题

Gary Tan的“重返编程”，起点并非技术炫技，而源于一个具体且强烈的公共议题。长期观察加州公共事务的他，对教育问题尤为敏感——例如，旧金山公立学校七八年级的学生竟难以正常学习代数。这对一个出身东湾公校、凭借早期数学教育进入斯坦福并成为工程师的人来说，不止是教育争议，更是一种切身的不公。为了集结志同道合者推动公共讨论，Gary‘s List应运而生。

但Gary‘s List绝非传统意义上的博客。它表面是发布平台，实则是一套自动化内容生产系统：不仅能发布文章，更能抓取网络信息、层层检索资料、整合社媒线索、进行交叉验证，最终生成调查式报道。按他的说法，过去需要人类研究者耗时数周的工作，如今已被压缩至数美元级别的模型调用成本。

这里的关键在于，AI写作的意义远非“辅助排版”或“创意生成”，而是将高强度知识劳动中的研究、整理、归纳、引用、比对等环节，直接系统化、软件化。软件，正从供人使用的工具，转变为高质量知识工作的直接执行者。

别再省token了，真正该省的是人的时间

访谈中，Gary Tan反复强调一个概念：

。其核心并非“让模型更聪明”，而是。传统研究中，人类常因时间有限而妥协：只看少数文献，追踪有限线索，进行浅层比对。但智能体系统的根本变革在于，它能“把大海煮沸”——不是查看1个来源，而是20个；不是简单总结，而是将相互矛盾的证据并置，让系统自行对比分析。

当下，许多人仍用旧时代的成本思维看待新工具，将token视为需严控的API成本。然而，如果一个任务原本需要你耗费一周甚至一个月，那么花费几百美元换取大规模并行研究、测试与执行，成本非但不高，甚至堪称低廉。他用了一个典型的YC式比喻：这就像创业者初到旧金山觉得房租昂贵，但真正昂贵的并非住在旧金山，而是不住在旧金山。对今天的构建者而言，真正奢侈的不是token，而是未能将模型用到极致，从而继续浪费自己无可替代的时间。

他的第二个重要项目

，正是这一理念的产物。它并非预先设计的产品，而是从一系列反复使用的提示词演化而来。最初场景很简单：使用Claude Code时，他发现自己不断重复输入类似的指令——规划、评审、测试、人工确认。于是，他将这些高频操作整理进Apple Notes，逐渐沉淀出一组结构化工作流，进而演变为“技能”，最终形成一个可复用的系统，即GStack。

这个过程本身揭示了当今智能体工程的演变趋势：竞争焦点不再仅是提示词文案，而是构建一种“可组合的认知流程”。Gary Tan特别指出，他后期愈发依赖的并非某句“魔法提示”，而是一整套严谨的工作顺序：先让模型绘制ASCII图，厘清数据流、状态机、依赖关系和错误路径；接着进行架构审查；然后是代码质量检查；补充测试；最后才进入执行阶段。

他分享了一个颇具代表性的观察：许多人抱怨“氛围编程”产出的是“垃圾代码”，其根源并非模型能力不足，而是工程约束缺失。尤其在AI编程时代，测试覆盖率变得空前重要。一旦代码生成速度远超人类审查速度，若没有扎实的单元测试、集成测试和端到端验证，系统便会迅速从“高效”滑向“脆弱”。换言之，AI并未取消软件工程，只是将其重心从“手写实现”转移到了“流程设计与质量控制”。

薄Harness，胖Skills

Gary Tan用

来概括智能体的工程架构。

所谓“Harness”，可理解为最底层的运行循环：接收用户输入、调用模型、触发工具、执行命令、返回结果。Claude Code、OpenClaw这类系统，本质上都是一种Harness。他的判断是，这一层无需每个团队重复造轮子，真正的精力应投入在上层的“Skills”——即如何将任务流程、经验、策略、标准和审查方式，用自然语言和结构化文档清晰地表达出来。

这也解释了他为何坚持“Markdown也是代码”。在智能体时代，大量过去需硬编码的判断逻辑，其实更适合写在Markdown中：如何规划任务、判断完成标准、思考十倍价值、在QA前检查风险、从CEO、设计师或开发者体验负责人的不同视角审视同一功能。用传统代码编写这些逻辑会异常僵化，但写入技能文档，模型反而能更好地理解意图、处理特例、覆盖复杂场景。

这意味着软件开发正在形成新的分层：确定性、可验证、必须稳定执行的动作，仍应写在代码里；而大量高层策略、模糊决策和流程经验，则越来越适合沉淀在“可被模型理解的文本协议”中。人类工程师的工作，正从组织函数和类，转向组织潜在空间与确定性代码之间的边界。

OpenClaw像一辆法拉利

Gary Tan将使用OpenClaw比作驾驶一辆法拉利：速度惊人，体验刺激，其强大能力常令人难以置信；但同时，它也像一辆必须自己会修的法拉利——会在最关键时刻抛锚，迫使你掀开发动机盖，拿起扳手亲自修理。这个比喻背后，包含了两层深刻判断。

OpenClaw代表的远非简单的代码补全，它更接近一个能独立探索、调用工具、跨任务完成复杂工作的智能体。对于熟悉Claude Code的人来说，这意味着一大步跨越：从“我问你答，我来复制粘贴”迈向“系统自动执行、修复并串联多个步骤”。

当前的OpenClaw虽强，但脆弱、耗费上下文、易出错，需要人类持续介入修复。Gary Tan提到，很多时候甚至是另一个智能体（比如Claude Code）在帮他修复OpenClaw本身。也就是说，今天的智能体体系已进入一种颇具早期PC时代风格的状态：它并非打磨完毕的消费品，而更像一套“组装车”，一个由技术爱好者手工拼装、能够真正跑起来、但也需随时维护的系统。

正因如此，他将当下类比为“家酿计算机俱乐部”的时刻：人们已经窥见未来，但未来尚未被封装到人人皆可无门槛使用的程度。

编程的单位正在改变

Gary Tan还专门谈及了一个在社交媒体上引发争议的话题：

他承认，单纯用代码行数衡量程序员价值并不严谨，但在智能体编程的语境下，这个指标也不应被全然嘲讽。原因并非“代码行数越多越好”，而是今天的工作单位已然改变：关键不是你独自在IDE前敲击了多少行，而是你能否同时调度多个智能体，让它们并行开发功能、修复漏洞、补充测试、运行质量保证，并将结果组织成可上线的系统。

他描述自己当前的工作方式，已很像一个微型软件组织的调度者：不同窗口中排列着不同的分支和拉取请求，功能开发、测试、人工验收同步推进。对人类而言，瓶颈不再是“能不能写”，而是“能否准确规划、及时检查、快速判断”。在这个意义上，AI并非让程序员失业，而是将优秀程序员放大为一个更高吞吐量的系统。因此，更值得关注的不是“模型替代人写了多少”，而是

。如果你具备判断力、品味和明确目标，今天的工具就如同为你插上翅膀；如果没有，再强大的智能体也只能生成一堆你无法真正负责的产物。

最关键的分叉：个人AI，还是平台AI？

讨论从“如何写代码”进一步推向一个更宏大的命题：

。Gary Tan预测，明年此时，几乎每个人都会拥有自己的个人AI。但问题在于，这将呈现为何种形态？它可能是用户自己掌握提示词、控制数据、管理集成接口、知晓系统在做什么的“个人工具”；也可能是一个由平台托管、算法黑箱、商业动机不透明、如同社交媒体信息流般被公司控制的“伪个人AI”。

在他看来，这正是当下最值得警惕的分水岭。许多人将AI视为一个统一的产品类别来讨论，但未来的核心差异，很可能不在于模型参数规模，而在于控制权归属。你是自己编写提示词、定义工作流、决定智能体访问哪些数据；还是永远生活在某个产品经理或平台设计好的边界之内？

这也是为何Gary Tan如此强调构建者应尽早亲手使用这些工具。因为一旦你不亲自掌握它们，便只能使用他人包装好的成品；而一旦这场变革像当年的个人电脑革命一样真正扩散，控制权决定的将不仅是你做事的效率，更是你思考的自主性，乃至你理解现实世界的方式。

这场访谈虽聚焦于Gary Tan的个人项目，却也回应了创业者最现实的焦虑：这些工具是否太贵？是否不稳定？是否只有顶尖工程师才能驾驭？他的回答相当直接：这些问题目前都存在，但它们并非最关键的问题。真正的问题是，你是否愿意承认，一种新的生产方式已然出现，并主动向那种方式迁移。

今天的智能体编程，确实昂贵、脆弱、混乱，远未达到大众产品阶段；但它已经足够强大，强大到可以将一个人从“执行者”升级为“指挥者”，将原本需要团队数周完成的任务压缩到更短的时间内。许多人看到的是它的不稳定性，而Gary Tan看到的则是它的杠杆效应。他说过最具冲击力的一句话，其实无关代码，而是关于时间：

一旦你接受这一点，就会理解为何token花费不再是成本中心，而是一种对时间资本的投资行为。