Y-Combinator CEO的AI使用指南：未来属于会搭建复利型系统的人

查找币:余老师 | 深度分析 | 2026-05-11 08:05 | 1 次浏览 | 0 条回复

查找币深度分析行业资讯 Web3安全区块链

## Y-Combinator CEO的AI使用指南：未来属于会搭建复利型系统的人本文由查找币安全团队基于行业资讯整理发布，旨在分享Web3安全技术，帮助用户提高安全意识。 --- 原文标题：Meta-Meta-Prompting: The Secret to Making AI Agents Work原文作者：Garry Tan编译：Peggy编者按：当多数人还在把 AI 当作一个更聪明的聊天窗口时，Y Combinator 现任 CEO Garry Tan 已经在尝试把它改造成一套个人操作系统。AI 时代个人生产力的底层结构正在发生变化：模型只是引擎，真正产生复利的，是围绕个人知识、工作流、上下文和判断力搭建起来的一整套系统。在这套系统里，每一次会议、每一本书、每一封邮件、每一个人脉关系，都不再是孤立信息，而会被持续写入一个结构化的「第二大脑」；每一个重复出现的任务，也不再依赖临时 prompt，而会被抽象成可复用的 skill，并在后续工作中不断迭代。换句话说，AI 不只是帮人完成任务，而是在帮助个人把自己的工作方式产品化、系统化、基础设施化。更值得关注的是，作者提出了一种与中心化 AI 工具不同的个人路径：未来的竞争力，可能不只属于会使用 AI 的人，而属于那些能围绕自己真实生活和工作，训练出一套复利型 AI 系统的人。聊天机器人给出答案，搜索引擎提供信息，而真正的个人 AI 系统，则会记住你的背景、理解你的语境、继承你的判断，并在每一次使用中变得更强。这也是本文最有启发性的地方：AI 的价值，不在于一次性生成了什么，而在于它能否成为一个持续积累、持续连接、持续改进的神经系统。对于个人而言，这或许才是「AI 原生工作方式」的真正起点。以下为原文：人们总问我，为什么我会把晚上都花在写代码上，一直写到凌晨 2 点。我有一份工作，而且是一份很重的工作——我是 Y Combinator 的 CEO。我们每年帮助成千上万的创业者去实现他们的梦想：创办真正有收入、真正高速增长的初创公司。过去 5 个月里，AI 让我重新变回了一个 builder。去年年底，工具已经好到足以让我重新开始动手构建。不是玩具项目，而是真正能够复利增长的系统。我想用具体例子告诉你，当你不再把个人 AI 当作一个聊天窗口，而是把它当作一个操作系统时，它到底会是什么样子。我把这些东西开源出来，并写成这样的文章，是因为我希望你也能和我一起提速。这是一个系列的一部分：《Fat Skills, Fat Code, Thin Harness》介绍了核心架构；《Resolvers》讲的是智能的路由表；《The LOC Controversy》讨论的是每个技术人如何把自己放大 100 倍到 1000 倍；《Naked models are stupider》提出，模型只是引擎，不是整辆车；而《skillify manifesto》则解释了为什么 LangChain 融资 1.6 亿美元，却给了你一套深蹲架和哑铃，却没有训练计划，而这篇文章则给了你真正需要的那份训练计划。那本「反过来读懂我」的书上个月，我在读 Pema Chödrön 的《When Things Fall Apart》。这本书一共 162 页、22 章，讲的是佛教如何看待痛苦、无根感和放下。一个朋友在我经历一段艰难时期时向我推荐了它。我让我的 AI 做了一次「书籍镜像」（book mirror）。具体来说，这意味着：系统提取了这本书全部 22 章的内容，然后针对每一章运行一个子 agent，同时完成两件事：总结作者的思想，并把每一个观点映射到我的真实生活中。不是那种泛泛而谈的「这对领导者也适用」的空话，而是非常具体的映射。它知道我的家庭背景：移民父母，父亲来自香港和新加坡，母亲来自缅甸。它知道我的职业语境：我在管理 YC，构建开源工具，指导成千上万名创始人。它知道我最近在读什么、凌晨 2 点在想什么、我和治疗师正在处理哪些问题。最终输出是一篇 3 万字的「脑页」（brain page）。每一章都被呈现为两栏：一栏是 Pema 在说什么，另一栏是这些内容如何映射到我正在真实经历的事情上。讲「无根感」的那一章，连接到了我前一周和某位创始人的一次具体谈话；讲「恐惧」的那一章，映射到了我的治疗师曾指出过的一些行为模式；讲「放下」的那一章，则引用了我某个深夜写下的内容——关于我今年找到的那种创作自由。整个过程大约花了 40 分钟。一个时薪 300 美元的治疗师，即便读完这本书并把它应用到我的人生中，也不可能在 40 个小时内做到这一点。因为他们并没有完整加载并可交叉引用我的职业语境、阅读历史、会议笔记和创始人关系网络。到目前为止，我已经用这种方式处理了 20 多本书：《Amplified》（Dion Lim）、《罗素自传》、《Designing Your Life》、《天才儿童的悲剧》、《有限与无限的游戏》、《海的礼物》（Lindbergh）、《悉达多》（黑塞）、《荒原狼》（黑塞）、《The Art of Doing Science and Engineering》（Hamming）、《The Dream Machine》、《The Book on the Taboo Against Kno [...内容已精简...] 议、每篇文章、每个想法都会有自己的页面。接着，去做一件真正有意思的事。不要一开始就规划你的技能架构。先去完成一个具体任务：写一份报告，研究一个人，下载一个赛季的 NBA 比分并为你的体育投注建立预测模型，分析你的投资组合，或者做任何你真正关心的事情。用你的 agent 去做，持续迭代，直到结果足够好，然后运行 Skillify——也就是前面提到的那个元技能——把其中的模式提取成一个可复用技能。再运行 check_resolvable，确认这个新技能已经接入 resolver。这个循环会把一次性的工作，变成可以持续复利的基础设施。继续使用它，并认真查看输出。这个技能一开始一定会很普通。这正是重点。使用它，阅读它生成的内容，当你发现哪里不对时，就运行 cross-modal eval：把输出交给多个模型，让它们根据你关心的维度相互打分。这就是我当初发现 book-mirror 事实错误的方法。修复被写进了技能里，从那以后，每一次 mirror 都变得更干净了。六个月后，你会拥有一个任何聊天机器人都无法复制的东西。因为真正的价值不在模型本身，而在于你教会了这个系统理解你的具体生活、工作和判断方式。我用这套系统做出来的第一个东西非常糟糕。到第一百个时，它已经是一个我敢托付日历、收件箱、会议准备和阅读清单的系统。系统在学习，我也在学习。复利曲线是真实存在的。厚技能，厚代码，薄 harness。LLM 本身只是一台引擎。你完全可以造出自己的车。我在这里描述的一切——所有技能、book mirror 流水线、cross-modal eval 框架、skillify 循环、resolver 架构，以及 30 多个可安装的 skillpack——都已经开源，并免费放在 GitHub 上。去构建吧。[原文链接] 点击了解查找币查找币在招岗位欢迎加入查找币查找币官方社群： Telegram 订阅群：https://t.me/the查找币 Telegram 交流群：https://t.me/查找币_App Twitter 官方账号：https://twitter.com/查找币Asia --- *本文由查找币安全团队整理，来源：BlockBeats。*

Y-Combinator CEO的AI使用指南：未来属于会搭建复利型系统的人

查找币安全研究院

主题延伸阅读