今天，YC CEO 發(fā)了篇小作文《元提示（Meta-Prompting）:讓AI Agent真正運作起來的秘訣》，然后被迅速刷屏。

在文中，他公開了自己的私人 AI 架構(gòu)：一個擁有 10 萬頁結(jié)構(gòu)化數(shù)據(jù)、日運行 100 余項自動化任務的“第二大腦”。

Garry 展示了 AI 如何在 40 分鐘內(nèi)讀完一本書，并精準地將書中哲學與他真實的家庭背景、創(chuàng)業(yè)筆記、甚至心理診療記錄進行一對一映射。

這種深度私密化的定制，比 $300/小時的治療師都要高效 50 倍以上，而且這已經(jīng)遠遠超越普通 RAG。

普通 RAG 只能檢索，而它做到了真正的“理解”。

但這還不是最厲害的地方。整個系統(tǒng)真正的核心，是一個叫 Skillify 的元技能。

他提出一個犀利的觀點：未來不屬于只會調(diào)遣大模型的用戶，而屬于能構(gòu)建“復利 AI 系統(tǒng)”的開發(fā)者。

從自動復盤會議到構(gòu)建“元技能”循環(huán)，這篇小作文揭示了如何將 AI 從“搜索引擎”升級為“操作系統(tǒng)”。

在他的視角里，小編看來，現(xiàn)在 99% 的人使用 AI 的方式都是錯的。

絕大部分人還僅僅在和 ChatGPT 聊天，高級一點的，會學習各種一招鮮的prompt。這就像汽車剛發(fā)明時，還在研究怎么把馬養(yǎng)得更壯，以跑得更快。

而 Garry Tan親手打造的“肥技能”，則是一輛能跑贏時代的賽車。

他說，“我不思考productivity，我思考 compounding”。

普通人追求今天快 10%，他追求的是，擁有一個 7×24 永不疲倦、還會自主進化的第二神經(jīng)系統(tǒng)且每個月強 10 倍，這就是真正的 AI 復利。

在小作文后面有人跟帖詢問搭建這個系統(tǒng)的成本，Garry 回復稱，我在成本最大化的投入（“tokenmaxxing”），每個月光 Openclaw 就花費 2000美元，“因為這是站在最前沿所需要的”，但他覺得18個月內(nèi)人人都會負擔得起。

以下為他的小作文全文——

很多人一直在問我，為什么身為 Y Combinator（YC）的 CEO，工作如此繁忙，還要堅持每天熬夜寫代碼到凌晨 2 點。YC 每年幫助數(shù)千名創(chuàng)業(yè)者實現(xiàn)夢想，打造擁有真實收入且高速增長的公司。

在過去的 5 個月里，AI 讓我重新成為了一名“開發(fā)者”。

去年底，AI 工具的進化已經(jīng)成熟到讓我重操舊業(yè)，開始構(gòu)建一些東西。我做的不是簡單的玩具項目，而是具有復利效應（Compound）的真實系統(tǒng)。

我想通過具體的例子向大家展示：當你不再把 AI 當作一個聊天窗口，而是把它當作一個操作系統(tǒng)時，個人 AI 到底是什么樣子的。

我將這些以開源項目和文章的形式分享出來，是希望大家能和我一起加速進化。

這是系列文章的一部分：

? 《肥技能，肥代碼，瘦外殼》：介紹了核心架構(gòu)。

? 《解析器（Resolvers）》：涵蓋了智能路由表。

? 《代碼行數(shù)（LOC）爭議》：探討了技術人員如何將自身生產(chǎn)力提高 100 到 1000 倍。

? 《裸模型更笨》：論證了模型只是引擎，而非整臺車。

? 《Skillify 宣言》：解釋了為什么 LangChain 雖然融資 1.6 億美元，卻只給了你深蹲架和啞鈴而沒有訓練計劃，以及你是如何獲得所需計劃的。

一本“回讀”我的書

上個月，我正在讀 Pema Ch?dr?n 的《當生命陷落時》（When Things Fall Apart）。這本書共 162 頁，22 個章節(jié)，講述了處理痛苦、無常和放下的佛教方法。

我讓我的 AI 對這本書做了一次“書籍鏡像”（Book Mirror）。

具體操作如下：系統(tǒng)提取了書中全部 22 個章節(jié)，然后為每個章節(jié)運行一個子代理（Sub-agent），同時執(zhí)行兩項任務：總結(jié)作者的思想，并將每個想法映射到我的真實生活中。

這絕不是那種“這適用于領導者”之類的陳詞濫調(diào)，而是極其具體的映射。

它知道我的家庭背景（移民家庭，父親來自香港和新加坡，母親來自緬甸）；它了解我的職業(yè)背景（運營 YC，構(gòu)建開源工具，指導數(shù)千名創(chuàng)始人）；它知道我讀過什么、凌晨 2 點在想什么，以及我和心理醫(yī)生正在解決什么問題。

最終產(chǎn)出是一個 3 萬字的“大腦頁面”。每個章節(jié)呈現(xiàn)為兩列：Pema 說了什么，以及這如何映射到我當下的生活。

關于“無常”的章節(jié)，連接到了我前一周與某位創(chuàng)始人的具體談話；關于“恐懼”的章節(jié)，對應了心理醫(yī)生幫我識別的模式；關于“放下”的章節(jié)，則引用了我某晚關于今年創(chuàng)作自由的感悟。

整個過程耗時約 40 分鐘。一個時薪 300 美元的心理醫(yī)生讀完這本書并將其應用到我的生活中，即便花 40 個小時也做不到這一點，因為他們沒有加載并交叉引用我完整的職業(yè)背景、閱讀史、會議記錄和創(chuàng)始人關系圖譜。

我已經(jīng)對 20 多本書做了類似處理，包括《蘇格拉底》、《悉達多》、《做事的藝術》等。每一本都會變得更加豐富，因為“大腦”在不斷進化。第二個“鏡像”知道第一個的內(nèi)容，第二十個則洞悉前十九個的精髓。

通過迭代優(yōu)化的“書籍鏡像”

我做的第一個書籍鏡像其實很糟糕。V1 版本在我的家庭背景上有三個事實錯誤。它說我父母離婚了（其實沒有），說我出生在香港（其實是加拿大）。如果我分享出去，這些錯誤會損害信任。

因此，我增加了一個強制性的事實核查步驟。現(xiàn)在每個鏡像在交付前都會針對大腦中已知的事實進行跨模態(tài)評估：

? Opus 4.7 1M：捕捉精度錯誤。

? GPT-5.5：捕捉缺失的上下文。

? DeepSeek V4-Pro：識別內(nèi)容是否過于平庸。

隨后，我升級到了基于 GBrain 工具鏈的深度檢索。V3 版本現(xiàn)在會進行分段搜索，右列的每個條目都會引用真實的“大腦頁面”。

當書中談到困難對話時，它不再只是合成通用原則，而是從我與那些正與合伙人發(fā)生沖突的創(chuàng)始人的會議記錄中提取素材，或者引用我周四和弟弟 James 聊天時的點子，甚至是我 19 歲時與大學室友的聊天記錄。這種體驗極其不可思議。

這就是“技能化”（Skillification）在實踐中的意義。我捕捉了初次手動嘗試中的可重復模式，編寫了一個帶有觸發(fā)器和邊緣案例的技能文件，每一次修復都會在未來的書籍鏡像中產(chǎn)生復利。

構(gòu)建技能的技能

這里是遞歸發(fā)生的地方，也是我認為最深刻的見解所在：運行我生活的系統(tǒng)并非一個龐然大物，它是由無數(shù)“技能”組裝而成的。而這些技能本身也是由一種“技能”創(chuàng)造的。

Skillify 是一個創(chuàng)造新技能的“元技能”。當我遇到一個會重復的工作流時，我會說“skillify this”，它會審視剛剛發(fā)生的事情，提取模式，編寫測試文件，并將其注冊到解析器中。

技能是可以組合的。書籍鏡像技能會調(diào)用 brain-ops 進行存儲、調(diào)用 enrich 獲取上下文、調(diào)用 cross-modal-eval 進行質(zhì)量把控、調(diào)用 pdf-generation 進行輸出。每個技能專注一件事。當我改進其中一個技能時，所有使用它的工作流都會自動變強。

一場自我準備的會議

DeepMind 創(chuàng)始人 Demis Hassabis 來 YC 參加爐邊談話。當時 Sebastian Mallaby 寫的一本關于他的傳記剛出版。

我讓系統(tǒng)幫我做準備。在不到兩分鐘的時間里，它提取了：

? Demis 的完整大腦頁面（整合了數(shù)月來的文章、播客和筆記）。

? 他關于 AGI 時間線的公開觀點。

? 傳記中的核心要點。

? 他研究的優(yōu)先級（持續(xù)學習、世界模型等）。

? 與我公開演講內(nèi)容的交叉引用。

? 三個用于演示大腦推理能力的腳本。

? 一系列基于我們世界觀交集與分歧的談話鉤子。

這不僅僅是高級版的 Google 搜索。這種準備利用了我積累的所有背景，針對性地服務于對話的戰(zhàn)略目標。系統(tǒng)準備的不是事實，而是觀點和角度。

10 萬頁的大腦是什么樣子

我維護著一個約 10 萬頁的結(jié)構(gòu)化知識庫：

? 人物：每個見過的人都有一個頁面，包含時間線、當前狀態(tài)、待辦事項和評分。

? 會議：每次會議都有轉(zhuǎn)錄、摘要和“實體傳播”（系統(tǒng)會自動更新會議中提到的所有人及公司的頁面）。

? 輸入：每本書、文章、視頻都會被攝取、標記和交叉引用。

這就像是一個私人維基百科，由一個參加了你所有會議、讀過你所有郵件、看過你所有演講的 AI 持續(xù)更新。

這便是“文件夾”和“神經(jīng)系統(tǒng)”的區(qū)別。文件夾存儲東西，而神經(jīng)系統(tǒng)連接它們，標記變化，并浮現(xiàn)出對當下最重要的信息。

系統(tǒng)架構(gòu)

我開源了整套系統(tǒng)，其邏輯如下：

1. 瘦外殼（Thin Harness）：OpenClaw 是運行時。它接收消息，確定適用技能并分發(fā)。它不需要理解書籍或會議，它只負責路由。

2. 肥技能（Fat Skills）：目前有 100 多個技能，每個都是獨立的 Markdown 文件。例如：

? meeting-ingestion：處理會議轉(zhuǎn)錄并進行實體傳播。

? enrich：整合人物的所有背景信息。

? perplexity-research：結(jié)合大腦已有知識的網(wǎng)頁搜索。

3. 肥數(shù)據(jù)（Fat Data）：知識庫中的 10萬頁數(shù)據(jù)。

4. 肥代碼（Fat Code）：每天運行 100 多個定時任務（Crons），監(jiān)控社交媒體、Slack 和郵件。

5. 模型可插拔：模型只是引擎。Opus 用于精度，GPT 用于召回，DeepSeek 用于創(chuàng)意，Groq 用于速度。

結(jié)語：凌晨 2 點的開發(fā)者與復利系統(tǒng)

我不談論生產(chǎn)力，我談論的是復利。

我今天寫的系統(tǒng)是兩個月前的 10 倍強大，兩個月后還會再強 10 倍。當我在凌晨 2 點寫代碼時，我不僅僅是在寫軟件，我是在完善一個每小時都在進化的系統(tǒng)。

這不是一個寫作工具或搜索引擎，而是一個真正起作用的第二大腦。

我的核心觀點很簡單：未來屬于那些構(gòu)建“復利 AI 系統(tǒng)”的個人，而不是那些僅僅使用“公司擁有的中心化 AI 工具”的個人。 這就是記日記和擁有神經(jīng)系統(tǒng)的區(qū)別。

如何開始？

1. 選擇一個外殼（OpenClaw 或 Hermes Agent）。

2. 使用 GBrain 建立你的大腦。

3. 從解決一個具體問題開始，然后使用 Skillify 將其轉(zhuǎn)化為技能。

4. 持續(xù)迭代。

起初它會很平庸，但六個月后，你將擁有任何聊天機器人無法復制的東西。因為價值不在于模型，而在于你教給系統(tǒng)的關于你生活、工作和判斷的特定知識。

肥技能，肥代碼，瘦外殼。 LLM 只是引擎，你可以親手打造自己的車。

項目地址：[github.com/garrytan/gbrain](https://github.com/garrytan/gbrain)。去構(gòu)建吧。