引言：当AI能编程，我们为何还在建“富士康”？

随着“AI是否会取代程序员”的讨论愈演愈烈，Y Combinator总裁Garry Tan提出了一个更值得深思的问题：倘若人工智能已能胜任绝大部分编程工作，为何我们仍在沿用管理传统软件的方式去驾驭它？

Garry Tan亲历了从54万行代码到全新开发范式的蜕变。他耗时数月，借助Rails与AI Agent构建了项目“Garry‘s List”。然而，项目落成后，他得出一个看似矛盾的结论：那54万行代码本身并非核心价值，真正宝贵的，是在开发过程中沉淀出的GStack——一种围绕AI Agent工作流构筑的新型开发框架。

在他看来，过去几年软件行业已形成一种集体惯性：开发者不自觉地堆砌测试、校验器、重试机制与后台任务，将大语言模型层层包裹。这种做法在模型能力有限、调用成本高昂的时代确有其合理性。但当LLM已能自主完成大量工作时，这些体系反而如同给一个超智能工人建造“富士康工厂”——用繁复的规则与流程，去约束一个原本便具备能力的智能体。

随着模型成本骤降、能力指数级提升，软件开发的焦点正从“多写代码”，转向“设计更多能力”。他提出用Markdown构建“技能包（Skill Pack）”——一种可测试、可复用的能力单元，让Agent自主生成代码、测试与评估体系，将复杂工作流沉淀为可复利的核心资产。他展示了一个案例：原本需要数日完成的黑客松评审，如今仅需几十分钟，Agent即可搞定。

从更深层次看，这篇文章探讨的并非编程技术，而是软件工业化逻辑的终结。当代码不再是稀缺资源，工程师的竞争力开始转移：判断什么值得构建、如何定义问题，以及如何将经验沉淀为可复用能力，正变得比写出更多代码更为关键。Garry Tan的最终结论是：未来的顶尖工程师，未必是写代码最多的人，而可能是那个写得最少，却能释放最多智能的人。

时间旅行者的陷阱：从Web 2.0到AI时代的认知错位

Garry Tan坦言，他用53.9万行代码真正证明的，是自己完美伪装成了一个时间旅行者。

一个2013年的Web 2.0工程师——那是他上一次真正被称为软件工程师的时代——被扔进2026年，手里握着最先进的工具，却固守着他唯一熟悉的方式构建软件：更多代码。永远是更多代码。

工具已经进化，但他的本能未曾改变。2013年的工程师骨子里坚信：能力等于代码行数。这个信条在过去几十年里都是对的，直到今天。

如果给他Codex或Claude Code，他可以完成100甚至1000个工程师的工作量。但这仍是同一张地图，只是换上了更快的引擎，用最快的速度冲向一个现在已经偏离的方向。

这正是当下几乎所有AI构建者所处的境地：他们升级了工具，却保留了2013年的心智模型。这个陷阱看似不像是陷阱，因为代码确实能跑。Garry‘s List也成功上线了。那一个月，他感觉自己经历了生产力最高的阶段。但那一刻的生产力，不过是为一个过时想法服务的效率。

LLM经济学的反转：从“驯服”到“释放”

截至2025年前后，旧的经济学逻辑是：LLM调用成本昂贵，而代码相对便宜。因此，人们会编写大量代码来节省模型调用，约束它、驯服它、小心翼翼地调用它。那时的架构是：用大量软件包裹少数几个珍贵的模型调用。

然而，这个等式的两边都已发生逆转。模型成本正快速下降，且每个季度都在变得更便宜；同时，模型的智能水平与其成本之间的价值比已经翻转。模型甚至已经能写出可用的代码。

所以，你不再需要堆砌代码来“看守”模型。你可以用自然语言告诉它要做什么，然后让它只写出真正必要的、最小化的代码。这就是 “即时生成式软件”（Just-in-Time Software），我们正步入它的黄金时代。

软件制品的形态也彻底改变了。那个Rails应用是54万行他写下并拥有的代码，以及用以监管的测试。它的替代品，是一个由Markdown和少量代码构成的Agent，规模只有前者的极小部分。能力相同，但更易阅读、更易维护、也更灵活。因为行为存在于可用自然语言编辑的指令中，而非冻结在昔日写下的逻辑代码里。

我们曾编写代码来照看一个东西，但如今，这个东西已比那些代码更加聪明。

拆解“富士康工厂”：代码审计委员会的畸形存在

如果你近期在写代码，很可能已在不知不觉中建造了这种工厂。你可以走进自己的代码库，数一数有多少代码仅仅是因为你不信任模型能完成它的工作而存在。Garry Tan的代码库里，约有26.2万行应用代码，以及约27.6万行用来监管它的测试。审计委员会比公司还庞大。

有些清洗器在检查模型本可处理的输入；有些校验器在检查模型本可发现的输出；有些重试循环包裹着模型调用，而模型其实已能自行恢复。每一行这样的代码，都是在下注：这个工人一定会失败。

127个后台任务，其中33个是定时任务。这不是能力，而是给一个现在通常准时上班的LLM工人设置了33个闹钟。在他建造“富士康工厂”的日子里，Claude和他曾写过一个1778行的文件。它的唯一作用，是质疑模型给出的事实。它会将模型提出的每一个论断拆开，并行地发给五个不同来源验证，然后打分。简单论断先经过一道轻量分诊门槛，避免所有内容都走完整流程。如果第一轮没有结果，就重试。然后还有备用方案的备用方案。

这就像《瑞克和莫蒂》中，Rick在早餐桌上造了一个递黄油的小机器人。那个机器人也有无限可能，却被造出来递黄油。Garry Tan的那27.6万行测试，就是那个黄油碟。

当你用2023年式的“富士康工厂”方法构建软件时，你建造的是一座笼子。如果不小心，你自己会变成看守这座AI Agent监狱的人。

Markdown即代码：Skill Pack的复合增长力量

Garry Tan强调，他说的Markdown并非指prompt。Prompt是短暂的，输入一句话，得到一个结果，然后它就蒸发了。他说的是构建——有版本管理、可测试、可复用的构建。

Markdown是指令层：意图、技能、判断，以及关于工作应该如何完成的说明。TypeScript则是薄薄一层确定性逻辑，只承担少数真正必须由代码完成的事情：I/O，以及那些绝对不能产生幻觉的部分。

更重要的是，你要像测试代码一样测试Markdown。在他的系统里，这个循环只需要一个词：“Skillify it”。

他会先和Agent一起把某个东西做出来，直到它能工作。然后他说：“Skillify it。”接着Agent会写出：

  • Markdown技能说明
  • 它需要的最小代码
  • 代码的单元测试
  • 技能的LLM评估
  • 覆盖技能与代码的集成测试
  • 一个解决器，让Agent在相关场景下自动调用这个技能
  • 以及解决器自身的评估

这一整套，就是一个技能包（Skill Pack）。它是一个可复用的能力单元，会不断复利。

真正神奇的是测试：对技能的覆盖，允许它在变化中不被破坏。这就是它与“凭感觉写代码”（Vibe Coding）的区别。Vibe Coding只是感觉，而Skill Pack有测试。我们现在才刚刚开始实时摸索Agent工程的系统原语，就像早期CPU时代发明栈、堆、寄存器和冯·诺依曼架构一样。Garry Tan认为，Skill Pack就是这样的原语之一，而Harness（执行框架）是另一个。大多数人还没意识到这一点，因为他们仍然在用代码行数衡量软件。

实际验证：从黑客松评审看能力释放

这不是一个纸上谈兵的观点。这个Agent能做的事情，已经超过了那个50多万行的Rails应用，且新增代码只有后者的一小部分。

举个具体例子：黑客松评审。两周前的一场GStack/GBrain黑客松，有85个提交作品。Garry Tan上传了包含所有作品的Google Drive，然后说：“开始。”Agent分析了每个代码库的代码质量，对每一位参赛者做了深度研究，观看并截图了每个demo视频，给界面打分，并对85支团队进行了排名。最后，它告诉Garry Tan这批作品里最值得关注的5个应用。

评审一场黑客松，原本是好几天的苦活，现在变成了大约30分钟的事。他没有写代码，而是让OpenClaw去执行任务，他负责引导。等它完成后，他说：“Skillify it。”于是它变成了一个任何人都可以永远复用的包，可以应用在任何黑客松表格上。他现在几乎每天都在说“Skillify”，已经拥有超过350个Skill Pack。几乎所有在他个人和工作中需要处理的任务，现在他的Agent都能做。

这就是反转的一个例子。过去，一个这样的能力会是一个真正的软件项目：需要爬虫、评分流水线、视频处理、研究模块、排名系统。现在，它变成了Markdown加一点代码，由Agent在一个下午构建出来，并且所有人都可以复用。

Token疯狂：活在2028年的入场券

Garry Tan提到，这里有一张入场券，但几乎没人愿意付钱：你必须愿意在Token上花钱。Peter Steinberger做了OpenClaw，他最喜爱的Harness，并表示愿意每年花大约100万美元在Token上。大多数人听到这个数字会退缩，但他们不该退缩，因为黄金就在这里：如果你愿意这么做，你就可以生活在2028年，而其他人要花好几年才能追上来。

这也是为什么OpenAI决定向每家YC公司提供200万美元额度的Token信用额度，以无上限SAFE的形式发放。

当你能把原始智能转化成Token，再把Token转化成真正可被用户使用、能解决真实需求、且用户愿意付费的产出时，会发生某种神奇的事情。如果你是创始人，就应该把这种能力拉到最大。这也是为什么Garry Tan一直强调“Skillify”，因为它是一种真正能带来好结果的方法。

过去一个时代，我们总觉得LLM调用太贵，必须节制使用。我们一直在配给它们。但现在，正是这个本能在拖慢人们。如果你愿意“TokenMaxxing”，愿意让Agent自由消耗Token、持续运行，你就能获得类似1994年互联网早期的先发优势。这会把仍然对一个价格正在崩塌的资源斤斤计较的99.99%以上组织挡在门外，把领先优势交给少数真正看懂的人。

一年几万到几十万美元，你就能以几年后全世界不得不采用的方式运行。你可以在2026年活成2028年。这笔提前投入是值得的。因为今天价值10万美元的Token，明年可能只要1万美元，后年可能只要1000美元，到2028年底也许只要100美元。唯一挡在面前的，是那个2013年的本能：它告诉你，模型调用太贵，不能放开用。但它们的成本已然不贵。那是旧经济学，反转已经发生。

选择你的架构：Esalen而非富士康

如果54万行控制代码是在为工人建造一座富士康工厂，那么解法就是建造它的反面。Big Sur的悬崖边有一个地方叫Esalen，人们去那里被拆解、被重塑，放下盔甲，然后更像自己地回来。没有流水线，没有工头，是自由，而不是控制。

去建造那样的东西。建造一个能让人和AI自由发挥的地方。Garry Tan认为，在知识工作中，工厂是失败模式。真正的目标，是建立释放人的机构，现在，这个目标也指向了Agent。

有人说OpenClaw不安全，但他们不明白，自由正是它强大的原因。在你真正遇到问题之前，不要急着给一个你信任的东西拧上安全护栏。控制系统之所以精致，是因为控制需要彻底的控制，也就是富士康工厂。自由系统之所以粗糙，是因为它相信你会把它完成。你要选择自己到底在建哪一种，然后回头看看你写了多少代码。

结论：代码最少的人，构建最多

54万行Rails代码，是Garry Tan证明自己仍然能在旧游戏里打到最高水平的产物。但那个水平属于Web 2.0，属于十年前。他依然能像过去一样打得很好，甚至能成为1000倍工程师。但他做的是建造富士康工厂。旧代码，旧游戏。

而新游戏，根本不是用代码行数来玩的。当你可以把意图直接转化成可运行、可测试、可复用的系统时，瓶颈就不再是你能构建多少东西，而是你到底想要什么，以及它是否值得构建。稀缺资源变成了清晰度、品味和判断力。写代码最少的工程师，往往才是构建最多东西的人。他写了54万行代码才学到这一点。你不必重走一遍。


市场资讯部视点：

Garry Tan的观点精准地击中了当前AI应用开发的要害——用旧时代的工程思维管理新时代的智能体。他提出的“Skill Pack”与“Tokenmaxxing”是对传统软件工程方法论的颠覆性反思，极具前瞻性。在模型能力快速进化、调用成本急剧下降的背景下，企业不应再以“防御性编程”思维构建AI系统，而应转向“释放性架构”，将资源投入于定义高质量意图与构建可复用能力模块。这一转变不仅关乎技术效率，更是抢占AI时代竞争优势的关键。对于中国开发者与创业者而言，这提供了一个极具价值的战略视角：少写“看守型”代码，多投资“智能型”资产。