Garry Tan: "Personal AGI Is How You Stay Under Your Own Power"

斯宾诺莎的决绝：拒绝舒适以换取真理

互联网常称我为“最 AI 精神病态者”，这恰如其分地引出了 17 世纪被“取消”最彻底的人——巴鲁赫·斯宾诺莎。1656 年，23 岁的斯宾诺莎在阿姆斯特丹犹太社区被处以最严厉的绝罚（Cherem），诅咒他日夜不得安宁，禁止任何人与他交谈、交易或阅读他的著作。这一禁令从未被撤销，且是唯一没有悔改条款的驱逐令。在此之前，社区曾试图用每年一千弗罗林（一笔巨款）收买他，条件是偶尔出席会堂并保持沉默。斯宾诺莎拒绝了这笔“薪水”，他选择真理而非舒适。即便后来遭遇持刀袭击，他仍保留着那件未修补的斗篷，以此铭记思想的成本。这种拒绝妥协、坚持构建的精神，正是创业者和创新者应有的姿态。

“他想要真理，而不是舒适。”

个人 AGI 的定义：从企业订阅到自主资产

斯宾诺莎白天研磨镜片，夜晚撰写当时欧洲最危险的书籍，最终因吸入玻璃粉尘早逝，但其手稿成为启蒙运动的重要灵感。Garry Tan 将这种Conatus（ striving，努力）——即生命体维持自身存在并增强行动能力的驱动力——映射到当下的 AI 领域。他指出，大众正犯下与斯宾诺莎时代类似的错误：等待 AGI 如神祇般降临数据中心或某个特定日期。事实上，AGI 并非作为单一事件到来，而是作为基础设施扩散开来。Garry Tan 提出“个人 AGI”概念，强调其与企业订阅服务的本质区别：

“个人 AGI 是一种不同的动物。一个运行在你的基础设施上，读取你拥有的记忆，执行你编写的程序，并产生复利的代理。”

生产力跃迁：编码代理带来的 400 倍效能提升

为何“个人 AGI”此刻成为可能？核心在于编码代理（Coding Agents）的成熟。Garry Tan 分享了自己的亲身经历作为数据支撑：2013 年，他在 Y Combinator 担任合伙人并兼职构建内部社交网络时，日均有效代码行数约为 14 行，这已接近程序员生产力的中位数水平。而在当前，尽管他全职担任 YC 总裁并需照顾五岁的孩子，其产出效率发生了质的飞跃。

为了消除怀疑论者对“代码行数”可能存在的虚高质疑（如代码冗余、脚手架代码等），Garry Tan 进行了保守估算：即使假设代理生成的代码50% 为冗余脚手架，且存在最极端的冗长惩罚，其效率提升依然显著。这一对比揭示了 AI 代理并非简单的自动补全，而是从根本上重构了个人的行动能力，使得个人智能体能够像斯宾诺莎研磨镜片一样，精准地扩展人类的认知与行动边界。

“我算了一笔账，我现在的产出是 2013 年的大约 400 倍……即使应用最极端的冗长惩罚，假设一半是脚手架，底线依然是 8 倍。”

AI 倍数效应：从代码生成到全员生产力爆发

AI 对知识工作的赋能并非仅限于编程领域，而是呈现出 10 倍于中等水平 的巨大乘数效应。这种影响覆盖了设计、产品管理、增长黑客等所有知识工作环节。在 Y Combinator (YC) 的投资组合中，这一趋势已具象化为数据：2025 年冬季批次中，四分之一的公司其代码库 95% 由 AI 生成。这些公司将 AI 代理视为完整的工作团队而非简单的自动补全工具，目前正朝着 YC 历史上增长最快、最盈利的批次之一迈进。

"The fastest growing founders we fund are not treating AI as autocomplete. They are treating it as a workforce."

这种增长并非单纯由 AI 代码导致，但核心逻辑在于杠杆的差异。使用相同模型（如 Claude）、相同权重和上下文窗口的用户，其产出效率存在巨大差距。2 倍效率的人与 100 倍效率的人之间的区别，不在于模型本身，而在于上下文的提供方式、相关性以及介入步骤的准确性。这种杠杆作用源于对 AI 的深度整合，而非简单的工具调用。

斯宾诺莎的哲学：行动力的增强与喜悦

从伦理学角度，斯宾诺莎将喜悦定义为行动能力的增加，而悲伤则是行动能力的减少。当 AI 代理在下午就能完成你一周的工作量时，这种体验并非单纯的便利，而是技术术语意义上的喜悦。这意味着你的 potentia（潜能/行动力）得到了扩张。相反，如果你感到周日夜晚的沉重，觉得自己对世界的影响力正在衰退，甚至产生“安静辞职”的感觉，那就是斯宾诺莎定义的悲伤——行动力的萎缩。

未来的生活方程由三部分构成：前沿模型（租赁且廉价） + 你的上下文（独特且拥有） + 连接两者的 Harness（如 OpenClaw、Hermes 等）。模型质量是租赁的商品，但你的大脑和上下文是拥有的资产。正如 Marshall McLuhan 所言技术是人的延伸，Steve Jobs 称计算机为“思维的自行车”，而现在的 AI 代理则是自动驾驶火箭。Paul Graham 教导创始人的两条准则——“制造人们想要的东西”和“做无法规模化的事”——依然适用，但 AI 让单人创始人也能以规模化方式执行那些“无法规模化”的个性化任务。

认知扩展：从七位数字到百万 Token 的工作记忆

人类的工作记忆极限约为 7±2 个信息块，这解释了为何电话号码通常是 7 位，以及为何我们容易遗忘购物清单上的第八项。人类社会的所有制度——组织架构图、检查清单、档案柜、每日站会——本质上都是为了弥补这一认知局限而建立的外置假体。然而，AI 代理的工作记忆可达 100 万个 Token，约等于 1000 页文本，即同时打开三本《哈利·波特》全书并能在秒级内跨书检索和综合信息。

尽管百万 Token 仍远少于一个人一生的全部经历（即“图书馆”而非“三本书”），但这已构成了不同的运行模式。绝大多数人仍在使用为“七位数字大脑”设计的组织方式，而 AI 代理的出现要求我们重新定义认知架构。决定代理是“天才”还是“金鱼”的关键，在于谁或什么决定了哪三本书是打开的——即上下文的筛选与调度机制。

GBrain 实践：个人知识库与自动化工作流

GBrain 的核心构想是图书馆加上图书管理员。Garry Tan 公开构建的个人 OpenClaw 系统包含约 220,000 个 Markdown 页面，记录了 25 年的生活细节，包括邮件、会议、笔记、照片及反思。这些数据由 AI 代理编译、策展和搜索，确保不再重复回答已解决的问题。这种系统的价值在于“ lived experience ”（生活体验）的数字化沉淀。例如，当创始人发来危机邮件时，代理会在 Garry 读完邮件前，自动提取与该创始人及三家遇到相同瓶颈的投资组合公司的所有历史对话，并找出有效的解决方案。这使得代理从“助手”升级为“同事”。

"Before I finish reading the email, my agent has already pulled every prior conversation I've had with that founder."

在实际工作流中，AI 代理在夜间处理收件箱，区分危机求助、销售推销和无关邮件列表，并基于图书馆上下文进行分级。Garry 醒来时面对的是简报而非邮件堆。会前有准备文档，包含上次会议内容、变化点及建议提问；深夜的研究在早晨完成；世界动态被交叉引用后归档。这种自动化不仅节省了时间，更通过上下文感知提升了决策的质量和相关性，实现了从被动响应到主动管理的转变。

GStack 架构核心：Markdown 即代码

Garry Tan 介绍了其开源项目 GStack，该项目在 GitHub 上已获得 123,000 颗星，跻身 GitHub 历史上排名前 100 的开源项目。GStack 的核心架构并非复杂的魔法，而是由 技能文件（Skill Files） 和一个可供智能体驱动的浏览器组成。这种设计遵循“厚技能，薄框架”的原则，将复杂的逻辑封装在简单的文本指令中。Tan 强调，Markdown 实际上就是代码，只要能用清晰的英语写出指令，就是在编程，而编译器则是语言模型。这一理念打破了编程的壁垒，使得非技术人员也能构建自动化工作流。

“如果你能用英语写出清晰的指令，你就是程序员。编译器是一个语言模型。”

这种架构的普及性体现在 YC 内部，媒体、活动人员甚至财务团队都在构建技能文件。一位非程序员背景的财务经理利用内部智能体，将约 100 个 Excel 工作簿整合为一个应用程序。她并非传统意义上的程序员，而是智能体管理者。这标志着一种新的职业形态正在形成：每个人即将成为智能体管理者，通过编写简单的指令文件来驱动复杂的自动化任务，从而极大地扩展个人的生产力边界。

计算空间的划分：潜空间与确定性空间

在构建智能体系统时，必须明确计算发生的两个空间：潜空间（Latent Space）和确定性空间（Deterministic Space）。混淆这两者是导致智能体失败的主要原因。潜空间适合处理需要品味、判断力和理解人类模糊意图的任务，例如通过 Markdown 文件引导模型理解用户真正想要什么。而确定性空间则用于处理算术、SQL 查询等精确计算，例如为会议制定座位表。这些确定性任务需要存储在数据库中，并由 Markdown 文件调用。

Tan 指出，让智能体为 5 人安排座位可以在潜空间轻松完成，但为 6,000 人制定个性化日程则需要代码支持。正确的做法是让模型以人类的方式计算：在潜空间进行判断，在确定性空间调用数据库和脚本。这种混合架构是 GStack 的基础。Tan 分享了一个个人案例：他的智能体在一天内阅读了关于哲学家斯宾诺莎的 3 本传记，共计约 1,500 页，并生成了综合的时间线、分歧点及引用。这一过程展示了个人技能文件如何超越企业级 AI 产品，成为深度研究的强大工具。

个人公司的崛起：从 Markdown 到九位数营收

Tan 将技能文件比作员工，将解析器（Resolver）比作组织架构图。在这种模式下，个人可以在注册公司之前，就通过“1 人 + 智能体”的架构运行一个组织。这种新物理法则下的公司打破了传统的人效数学。例如，YC Summer 24 批次的公司 Emergent 在公开亮相后 8 个月内实现了 9 位数的收入。当其在年化收入达到 1,500 万美元时，团队规模仅为 15 人。

另一个案例是 YC Winter 24 批次的公司 Retail，其年化收入达到 6,000 万美元，团队规模约为 40 人。这种收入人效在软件、石油或铁路行业历史上从未出现过。这些公司并非特例，而是原生构建于新物理法则之上的首批企业。它们都始于 1-2 人，通过智能体网络实现了惊人的扩展。Tan 警告说，这种效率提升不是未来，而是当前的基准。如果不采用这种模式，竞争对手将通过更低的成本和更高的效率“礼貌地”吃掉你的市场份额。

软件定义的变革与潜在风险

这种架构彻底改变了软件的定义。软件不再需要是珍贵的、通用的产品，开发者可以在周末为“一人受众”构建精确的工具。旧的创业建议是“解决自己的痛点并期望它成为市场”，而新的版本是“解决自己的痛点，因为解决痛点的成本几乎为零”。许多为个人构建的工具最终会发现其他用户也急需它们，从而演变为整个公司。Tan 指出，这种“一人公司”的兴起使得软件开发的边际成本极低，创新速度极大加快。

然而，Tan 也提出了一个重要的警告：未经策展的大脑是带有强大搜索功能的垃圾场。检索系统可能会以极高的自信呈现过时的事实，而错误的技能文件会将错误的流程永久编码。因此，原始数据的策展至关重要。Tan 的个人知识库最初只是一个文件夹，随着智能体每天自动归档，它逐渐壮大。这种“先建架子，再建仓库”的策略，使得个人知识库能够像复利一样增长，成为个人 AGI 的核心资产。

构建个人 AGI 的哲学基础与第一步：本地部署

在深入具体操作之前，必须确立正确的知识管理哲学。大脑应当被视为生产基础设施而非垃圾堆，因为前者能产生复利效应，而后者只会造就一个自信但无法追溯错误的代理。系统需要包含记忆、卫生机制、事实溯源（Provenance），以及在信息冲突时的矛盾检查，并配备专门负责修剪冗余内容的“图书管理员”。在技术选型上，概念比具体的代码库或产品更重要，智能触手可及，路径众多。建议用户立即在本地机器上运行一个代理，例如使用 OpenClaw 和 Hermes agent 配合 GBrain（gbrain.io，免费开源）。虽然顶级工具如 Ferrari 令人向往，但 Honda 级别的工具（如 Codeex、Claude Code）同样能完成 99% 的任务，且更稳定，避免因工具故障导致的额外麻烦。

第二步至第四步：建立个人图书馆与自动化工作流

周末应着手建立个人图书馆，不要追求宏大的档案库，只需一个包含 Markdown 文件的文件夹。导出笔记和邮件，为每个项目和同事撰写一页文档，记录你真正知道的信息：正在共同构建的内容、对方的关切、欠款情况及上次对话细节。这些存在于你脑海中的隐性知识是任何模型无法从互联网获取的护城河。接着，编写第一个“技能文件”（Skill File），选择每周最讨厌的任务（如费用报告、会议纪要），用解释给新同事的方式向代理说明需求，允许其犯错并逐步修正规则，直到该页面成为可执行的“员工”。随后，将其设置为定期任务（如每早 7 点执行），当你在睡眠中醒来发现工作已完成时，你的时间单位将从“天”转变为“目标驱动”。

第五步：技能化与复利曲线

区分复利积累者与浅尝辄止者的纪律在于：永远不要做一次性工作。大多数人在使用代理完成任务后便关闭上下文，这是巨大的浪费。每个任务结束后，应使用 GBrain 中的“Skillify”功能，将操作提取为可复用的 Markdown 技能文件。如果你需要为同一件事请求两次，那就是失败。这种积累遵循典型的复利曲线：第一周，图书馆单薄，技能笨拙，修复多于节省；第四周，飞轮开始转动，代理利用你的上下文回答问题，你开始编写更多技能；第十二周，你拥有能预判问题的图书馆、 dozen 个自动化技能，甚至开发出他人想借用的工具——这便是一个初创公司。曲线在前期平缓，后期陡峭，多数人在第二周放弃，而坚持者到第十二周会感觉像是在作弊。

技能文件的所有权：知识工作者的生存之道

技能文件不仅是文档，更是你认知的外化。其所有权决定了未来走向：若文件属于个人，如支持工程师 Maya 积累的 40 个技能（处理 P0 故障、客户降级、事后复盘等），她跳槽时可带走两年积累的判断力，实现职业复利；若文件属于公司，她离职时一无所有，公司继续运行她的判断逻辑，她经历的并非职业生涯，而是被提取。这重现了工匠拥有工具则自由、工厂主拥有织布机则工人依附的历史教训。技能文件属于你，否则你的工作本身就变成了技能文件。必须掌握对自己认知资产的控制权，避免成为可被替换的执行单元。

认知资产的所有权危机与斯宾诺莎的启示

在数字时代，认知能力可以被提取、存储、版本化并拥有，这标志着历史性的转变。然而，核心问题在于“由谁拥有”。Garry Tan 指出，当前许多舒适的安排本质上是一种“一千金币”的陷阱：用户以每年一千金币的代价，交出判断力的复利，换取在他人仓库中安静存在并停止构建自身独特价值的权利。这种模式要求个体“出现、保持沉默并停止构建自己的事物”。为了对抗这种被收购的命运，Tan 引入了哲学家斯宾诺莎的历史案例。1673年，海德堡大学向斯宾诺莎提供教授职位、薪水及“哲学自由”，前提是他不得扰乱既定宗教。斯宾诺莎阅读了条款后拒绝，因为他保护的是“在你自己的权力之下”而非他人的权力。斯宾诺莎去世时，他的房间几乎空无一物，仅有一副眼镜、几件衣服和锁在抽屉里的《伦理学》。抽屉即仓库，他拥有极少实物，但无人能控制他的技能文件。因此，核心论点是：个人 AGI 是你在代理时代保持自身权力的方式，必须从一开始就将大脑和技能保存在自己控制的仓库中。

反驳三大质疑：模型迭代、检索本质与隐私安全

针对个人 AGI 架构，Tan 回应了三个主要反对意见。首先，关于“模型迭代太快，现有工具将过时”的观点，Tan 认为这忽略了上下文（Context）的重要性。当所有引擎都拥有 1000 马力时，比赛取决于驾驶员和地图。更好的模型让用户的技能库（Library）更有价值，因为更聪明的读者能从相同的书中提取更多内容。其次，关于“这是否只是 RAG（检索增强生成）”的质疑，Tan 强调检索只是原语（Primitive）而非产品。真正的产品在于“值得被检索”：包括如何记录、如何丰富链接、如何区分热内存与冷参考，以及如何处理事实冲突。最后，关于“将生活数据集中在一个系统导致泄露风险”的担忧，Tan 指出默认状态并非隐私，而是生活分散在 10 个由利益不一致的公司拥有的云中，且除你之外人人可搜。通过建立“托管（Custody）”的安全模型，将大脑运行在“自己的基础设施、自己的仓库、自己的密钥”下，才是应对风险的正确方式。信任自己的密钥比信任他人的服务条款更可靠。

开源杠杆：从私有技术到文艺复兴

Tan 解释了为何要开源整个个人操作系统（包括 Harness、大脑架构、技能和 Markdown 工作力量）。这并非因为存在隐藏陷阱，而是因为“我可以”，且作为 YC 的一员，无需通过基础设施变现。更深层的理由是：“强者的工具应当被赠予”。每个时代都有“杠杆的私有技术”，过去是识字率，后来是资本，现在是由 Markdown 组成的工作力量、技能库和 Harness。拥有这些工具的人正在以不同的规模运作，且差距每月都在扩大。当强大的技术保持私密时，产生的是“祭司阶层”；当它被公开时，产生的是“文艺复兴”。Tan 提出了一种信条：说出别人不愿说的话，资助别人不愿资助的人，建造别人不愿建造的建筑，编写并赠予别人不愿编写的代码，留下别人不愿留下的机构。这种公开构建的模式虽然会招致批评，但正如 1676 年莱布尼茨拜访斯宾诺莎后，公开场合却诋毁他，私下笔记却充满痴迷评论一样，公开构建注定会遭遇模仿与攻击，这是采用曲线的一部分。

案例实证：为罕见病构建个人知识库

为了展示这一架构的实际威力，Tan 分享了一个真实案例。一位朋友的孩子患有罕见的癫痫形式，没有实验室、没有拨款、无需许可。这位父亲构建了一个包含80,000 个 Markdown 文件的仓库，为这个男孩打造了一个“大脑”，并将自己推向了人类对该特定病情认知的极限。他将每次专科就诊、每篇论文、每次发作记录、每种药物相互作用都进行索引和交叉链接。当新医生提出想法时，他能在几分钟内知道该方案是否已被尝试过。这个案例证明了“你可以直接做事”。Tan 本人也遵循类似模式，让代理编写大部分代码，并在午餐时观察那些最激烈的批评者实际在交付什么——“全是代理”。这验证了“向下全是代理”的模式，并鼓励人们通过公开构建来掌握自己的认知主权。

个人 AGI 的本质：一人即团队

Garry Tan 将“个人 AGI”定义为一种极简但强大的架构，其核心要素并非复杂的基准测试或演示，而是一个父亲、一台笔记本电脑和一座图书馆。这种架构不依赖外部验证，而是通过精准的资源匹配——图书馆员、正确的三本书、在正确时刻打开——来服务于用户最珍视的目标。这一概念强调，没有人会为你构建这样的系统，你必须亲自构建。这不仅是技术的胜利，更是自主权的回归。过去，人们被告知需要团队、资金、许可和资历才能起步，但这些要求本质上只是弥补单人认知局限和工作时长不足的权宜之计。随着 AGI 的出现，单人同时处理七项任务并每天工作 16 小时的能力瓶颈已被打破，这意味着个体不再需要依赖中间人即可实现规模化产出。

“Everything you were told you needed, the team, the funding, the permission, the credential was a workaround for the fact that one person could hold seven things in their head and work 16 hours a day.”

突破资源与数据的物理极限

AGI 带来的变革是机械性的，而非隐喻性的。它赋予了个体“煮海”的能力，即处理那些曾经被认为过于庞大或复杂的数据集。无论是难以阅读的档案、难以清洗的数据，还是被警告不可触及的海洋，现在都可以通过个人 AGI 进行拆解和处理。这意味着，每一个曾经让你希望拥有但无法雇佣的专家角色，现在都可以由你直接调用。这种能力的下放，使得个体能够直接面对和处理以前需要整个团队才能完成的任务。过去，7,000 名参会者（kannotuses 和 strivings）的努力往往因等待资金、人手或许可而夭折，而现在，个人 AGI 是第一种让这种努力直接转化为行动的技术，无需中介，无需许可。这种杠杆效应使得7,000 个独立的个体能够直接走出会场，开始构建自己的未来，其潜在影响力远超传统创业模式的总和。

历史视角下的创业民主化

从历史维度看，所有伟大的机构，包括那些曾对 23 岁年轻人发出诅咒的机构，都是由并不比你聪明的人创造的。区别在于，过去的创始人必须招募数十名信徒才能开始建设，而今天的创始人只需一台笔记本电脑和对自己过去几年历史的利用。Garry Tan 指出，斯宾诺莎在《伦理学》中写道：“一切卓越之事，皆如它们一样困难且稀有。” 然而，随着 AGI 的介入，困难程度已大幅降低，稀有性则取决于个人的选择。这种技术变革消除了传统的进入壁垒，使得个人的努力可以直接转化为成果，不再受制于传统的资源分配机制。对于在场的 7,000 人而言，这是第一次拥有如此巨大的杠杆，能够直接改变世界。Garry Tan 呼吁大家“去构建吧”，因为现在，一切皆由你定义。

“All things excellent are as difficult as they are rare. The difficulty just collapsed. The rarity is now up to you.”