别再为节省Token烦恼 真正宝贵的是你的时间

“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，精准揭示了当前AI浪潮的核心矛盾。过去几个月，他亲自实践，运用Claude Code和OpenClaw等工具编写了数十万行代码，并提出了颇具启发性的“Token Maxing”哲学。他坚信，我们正站在一场“个人AI革命”的临界点。这篇编译自Y Combinator博客的深度访谈，完整呈现了他如何从“13年不写代码”的状态，转向构建一套声称能提升“数百倍效率”的AI驱动工作流。

免费影视、动漫、音乐、游戏、小说资源长期稳定更新！ 👉 点此立即查看 👈

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，而是源于一个具体且紧迫的公共议题。长期关注加州公共事务的他，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。它表面是内容发布平台，实则是一套自动化内容生产系统：不仅能发布文章，更能自动抓取网络信息、深度检索资料、整合社交媒体线索、进行交叉验证，最终生成调查式报道。按照他的说法，过去需要人类研究者耗时数周完成的深度调研工作，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、比对等核心环节，直接系统化、软件化。软件，正从供人使用的被动工具，转变为高质量知识工作的直接执行者与生产者。

别再省token了，真正该省的是人的时间

访谈中，Gary Tan反复强调一个核心理念：Token Maxing。其核心并非“让模型更聪明”，而是将上下文、信息密度、验证强度和工作量统统推向极限。在传统研究模式中，人类常因时间与精力有限而妥协：只查阅少数关键文献，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，而是并行分析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、推理与分析。

当下，许多人仍用旧时代的成本思维看待新工具，将token视为需要严控的API开销。然而，如果一个核心任务原本需要你耗费一整周甚至一个月，那么花费几百美元换取大规模并行研究、自动化测试与执行，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，而是不住在旧金山所错失的机会。对今天的构建者而言，真正奢侈的不是token，而是未能将大模型的能力用到极致，从而继续浪费自己最宝贵且不可再生的时间。

他的第二个重要项目GStack，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中演化而来。最初场景很简单：在使用Claude Code时，他发现自己不断重复输入类似的指令序列——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的AI工作流，进而演变为可复用的“技能”，最终形成一个系统化的智能体框架，即GStack。

这个过程本身揭示了当今AI智能体工程的关键演变趋势：竞争焦点不再仅是单句“魔法提示词”的文案，而是构建一种“可组合、可复用的认知流程”。Gary Tan特别指出，他后期愈发依赖的并非某句神奇指令，而是一整套严谨的工作顺序：先让模型绘制ASCII架构图，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；补充测试用例；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，而是工程约束与质量标准的缺失。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作为护栏，整个系统便会迅速从“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“手写每一行实现”转移到了“流程设计、质量把控与系统约束”。

薄Harness，胖Skills

Gary Tan用“薄Harness，胖Skills”来概括智能体时代的工程架构思想。

所谓“Harness”，可理解为最底层的运行循环与框架：接收用户输入、调用大模型、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，真正的竞争力和精力应投入在上层的“Skills”——即如何将领域任务流程、专家经验、决策策略、质量标准和审查方式，用自然语言和结构化文档清晰地表达与封装出来。

这也解释了他为何坚持“Markdown也是代码”。在智能体时代，大量过去需要硬编码的判断逻辑与业务规则，其实更适合写在Markdown文档中：例如，如何分解复杂任务、判断完成标准、思考十倍价值机会、在QA前检查潜在风险、从CEO、产品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且难以维护，但写入结构化的技能文档，模型反而能更好地理解人类意图、处理边界特例、覆盖复杂场景。

这意味着现代软件开发正在形成新的分层：底层的、确定性的、必须稳定执行的动作，仍应写在传统代码里；而大量高层的策略、模糊的决策逻辑和流程经验，则越来越适合沉淀在“可被大模型理解与执行的文本协议”中。人类工程师的核心工作，正从组织函数和类，转向定义与组织“潜在空间”与“确定性代码”之间的清晰边界。

OpenClaw像一辆法拉利

Gary Tan将使用OpenClaw比作驾驶一辆法拉利跑车：速度惊人，体验刺激，其强大能力常令人感到难以置信；但同时，它也像一辆你必须自己会修的法拉利——可能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。这个生动比喻背后，包含了两层深刻的行业判断。

第一，能力已足够惊艳。 OpenClaw所代表的远非简单的代码补全工具，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自主智能体。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”的交互模式，迈向“系统自动规划、执行、修复并串联多个步骤”的智能体协作。

第二，工程成熟度远未完成。 当前的OpenClaw虽然强大，但依然脆弱、耗费大量上下文、容易出错，需要人类持续介入监督与修复。Gary Tan提到，很多时候甚至是另一个智能体（比如Claude Code）在帮他诊断和修复OpenClaw本身的问题。也就是说，今天的智能体体系已进入一种颇具早期个人计算机时代风格的状态：它并非打磨完毕的消费级产品，而更像一套“发烧友组装车”，一个由技术先驱手工拼装、能够真正跑起来、但也需要随时维护与调试的原型系统。

正因如此，他将当下类比为“家酿计算机俱乐部”的关键时刻：人们已经清晰窥见未来的形态，但未来尚未被封装到人人皆可无门槛使用的成熟产品阶段。

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广泛争议的话题：几个月写出几十万行代码，究竟意味着什么？ 他承认，单纯用代码行数来衡量程序员的价值并不严谨，但在智能体编程的新语境下，这个指标也不应被全然嘲讽。原因并非“代码行数越多越好”，而是今天编程工作的基本单位已然改变：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，并将所有结果高效组织成可随时上线的完整系统。

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与架构师：不同屏幕上排列着不同的代码分支和拉取请求，功能开发、自动化测试、人工验收同步推进。对人类而言，新的瓶颈不再是“能不能写出来”，而是“能否准确规划、及时检查、快速判断与决策”。在这个意义上，AI并非让程序员失业，而是将优秀程序员的判断力与架构能力放大为一个更高吞吐量的生产系统。因此，更值得关注的不是“模型替代人写了多少行代码”，而是人类的能动性与杠杆效应被放大了多少倍。如果你具备清晰的判断力、良好的工程品味和明确的目标，今天的工具就如同为你插上翅膀；如果没有这些，再强大的智能体也只能生成一堆你无法真正理解、掌控与负责的代码产物。

最关键的分叉：个人AI，还是平台AI？

讨论从“如何用AI写代码”进一步推向一个更宏大的命题：个人AI的所有权与控制权问题。Gary Tan预测，明年此时，几乎每个人都会以某种形式拥有自己的个人AI助手。但关键问题在于，这将呈现为何种形态？它可能是用户自己掌握提示词、完全控制数据、自主管理集成接口、清晰知晓系统在做什么的“真正个人工具”；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与思考的分水岭。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或单项能力，而在于控制权的归属。你是自己编写提示词、定义工作流、决定智能体可以访问哪些数据；还是永远生活在某个产品经理或平台设计好的功能边界与推荐逻辑之内？

这也是为何Gary Tan如此强调构建者与开发者应尽早亲手深度使用这些底层工具。因为一旦你不亲自掌握它们，便只能使用他人包装好的、受限的成品；而一旦这场变革像当年的个人电脑革命一样真正扩散开来，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、创新的自由度，乃至你理解与塑造现实世界的方式。

这场访谈虽聚焦于Gary Tan的个人项目与实践，却也精准回应了广大创业者与开发者最现实的焦虑：这些AI工具是否太贵？是否不够稳定？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，但它们并非最本质、最致命的问题。真正关键的问题是，你是否愿意承认，一种全新的、杠杆效应巨大的生产方式已然出现，并主动开始向那种工作方式迁移与适应。

今天的智能体编程，确实昂贵、脆弱、混乱，远未达到大众产品的成熟阶段；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”，将原本需要一个团队数周才能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与高门槛，而Gary Tan看到的则是它带来的前所未有的杠杆效应。他说过最具冲击力的一句话，其实无关代码，而是关于时间这个终极资源：人类无法凭空获得更多时间，但可以借用机器的时间。 一旦你从心底接受这一点，就会理解为何token花费不应再被视为成本中心，而是一种对个人时间资本的高效投资行为。