公司要有自己的大腦

021Garry Tan（Y Combinator）21:082026-07-17 上架

Every company should have a Brain — Garry Tan, Y Combinator

Garry Tan 從自己的產出變成 400 倍講起，主張新創該把 skill file 當員工、把公司知識養成可累積的 company brain，並分享 YC 內部怎麼做。

這場講了什麼

• 產出大約 400 倍：Garry Tan 以前一邊投資、一邊幾乎全職寫程式，一天約 14 行可用的邏輯程式碼；現在全職經營 YC，算下來產出約 400 倍。接著先自己打折：就算罰得最重，下限也有 8X，中間值 80X。
• 槓桿在接線，不在模型：Garry Tan 說 2x 的人和 100x 的人用的是同一個模型、同樣的 API。差別在怎麼安排工作，最快成長的創辦人把 AI 當成一整支勞動力，而不是自動補全。
• 組織全是 Markdown：skill file 是員工，resolver table 是組織圖，歸檔規則是內部流程，trigger evals 是績效考核。用 Claude Code 或 Codex 的時候，做的其實是招募、訓練和管理。
• 運算要放對地方：判斷、品味這類非確定性的工作屬於 latent space，也就是模型；確定性的工作要交給程式碼。Garry Tan 認為 AI 工程的 bug 多半是某件事放在錯的那一邊。
• company brain 是圖書館加館員：agent 一次只能攤開約三本書，公司卻是一座圖書館。重點不在檢索本身，而在寫進什麼、怎麼串連、誰裁決互相矛盾的事實。
• 做完就 skillify：不要做一次性的工作，任務結束後把成果變成可重用的 skill。能留住所學的組織每天都在變聰明，留不住的每天早上都像失憶。

影片從哪一段開始看13 段

1. 00:13開場：現在該做什麼Theo 問了「現在該做什麼」，Garry Tan 從創辦人、投資人與經營 YC 的位置回答：YC 要打造的是一個人做到過去上千人的事的公司。
2. 01:21400 倍的數字以前一天約 14 行可用程式碼，現在產出約 400 倍；就算打折，下限也有 8X、中間值 80X。
3. 02:57關鍵不在模型2x 與 100x 的人用同一個模型，差在怎麼把工作接起來；舉 YC 的批次數字佐證，但也說明這些數字證明不了因果。
4. 04:00agent 就是組織skill file、resolver table、歸檔規則、trigger evals 各對應員工、組織圖、內部流程、績效考核。
5. 06:14AI 原生公司的樣子舉兩家 YC 公司的營收與人數，說明銷售、客服、營運、財務都編成 skill，工程師專職維護 skill。
6. 07:42YC 內部的轉型媒體、活動、財務同事沒開過終端機也在做 skill file 和 cron job；一位財務同事把約 100 個 Excel 檔併成一個 app。
7. 08:29運算發生在哪裡區分 latent space 與 deterministic space，並以 Startup School 要排 800 個座位為例，說明座位表不該放進 context window。
8. 10:47工作記憶的差距人只記得住約七件事，agent 能攤開約 100 萬個 token，但公司是一座圖書館，所以真正的問題是 context engineering。
9. 12:53company brain 與 GBrain把 brain 定義為圖書館加館員，並介紹自己開源的 GBrain 與約 22 萬頁的個人知識庫。
10. 14:13brain 的失敗模式沒人整理的 brain 會變成垃圾場，需要來源標註、矛盾檢查和專職修剪的館員。
11. 15:17不做一次性工作這是 Garry Tan 的招牌動作：任務完成後 skillify，把成果變成可重用的 skill。
12. 16:39該做什麼：AI 原生公司呼籲創辦 AI 原生公司與開放的記憶層，並說明不必用 GBrain，概念才是重點。
13. 18:18對工作焦慮的回應把對工作消失的恐懼稱為想像力不足，並提到朋友為罹患罕見癲癇的兒子建立 8 萬個 Markdown 檔的 brain。

值得記的話5 句

• So the leverage is not in the weights, it's in how you wire the work.所以槓桿不在權重，而在你怎麼把工作接起來03:15

• Your company is not three books. Your company is a library.你的公司不是三本書，你的公司是一座圖書館12:15

• Retrieval is easy. Being worth retrieving from is the product.檢索很容易，值得被檢索才是產品13:09

• A brain nobody curates becomes a garbage dump with great search.沒人整理的 brain，會變成搜尋很強的垃圾場14:30

• Because if you have to ask for something twice, you failed.因為同一件事如果要問兩次，就是失敗了16:08

名詞與人物10 個

skill file

一項能力、一份工作，寫到別人能照著執行的程度，Garry Tan 稱之為員工

resolver table

像是「要改測試時載入 tests.md」這類對照表，任務進來時決定交給誰處理，Garry Tan 稱之為組織圖

trigger evals

驗證 resolver 有沒有真的載入對的 skill 的測試，Garry Tan 稱之為績效考核

latent space / deterministic space

前者是模型負責的品味與判斷，後者是程式碼負責的確定性運算

company brain

公司的知識圖書館加上館員；館員挑出該攤在 agent 桌上的那三本書

GBrain

Garry Tan 公開開發的開源檢索層，形容為給 agent 用的 Postgres，負責替每個任務決定載入哪三本書，可搭配任何 harness

OpenClaw / Hermes agent

GBrain 特別適合搭配的兩個 agent harness

skillify

任務做完、滿意結果之後，把剛才的做法轉成可重用 skill 的動作

context engineering

決定 agent 的 context 裡該放哪些內容，也就是挑出哪三本書攤在桌上

Startup School

YC 的活動，Garry Tan 舉例要一次為 800 人排出最適合彼此認識的座位

提到但沒有展開

• 兩家 YC 公司的數字：Emergence（2024 夏季班的 AI app builder）從公開上線到九位數美元 ARR 花了八個月，跨過 15 million 美元 ARR 時只有 15 人；另一家 2024 冬季班的公司做到 60 million 美元，約 40 人。Garry Tan 說這種人均營收在軟體、石油、鐵路都沒出現過。
• 2025 冬季班有四分之一的公司，程式碼 95% 由 AI 產生，這一班後來成了 YC 史上成長最快、獲利最好的一班；YC 史上已有 94 家公司從 seed 起步做到營收超過 100 million 美元。
• Garry Tan 說 Codex 就像一輛很好的 Honda，能完成其中約 90%，不必非用 GBrain 不可。

Agent創業開發工具

在 YouTube 看原片 ↗