“你可以飞了。不是比喻，是机械意义上的飞。”
在 Startup School 2026 的一场 42 分钟主题演讲中，Y Combinator 总裁兼 CEO Garry Tan 把话题集中到一个判断上：个人 AGI 已经来了，但大多数人会用错方式。
按他的定义，这里的“个人 AGI”不是通用人工智能，而是一套运行在个人基础设施上的 AI 代理系统。用户把自己的对话、会议、决策、代码和错误经验沉淀成知识库，再让代理在睡觉时处理邮件、准备会议材料、完成研究。Tan 在演讲中提到，这套系统已经被他开源为 GStack。该项目在 GitHub 上获得 12.3 万颗星，进入全站历史前 100。
他给出的核心问题不是模型有多强，而是谁在拥有这套能力。Tan 的说法是，区别不在于是否使用同一个 Claude、同样的权重和同样的上下文窗口，而在于用户把它当自动补全工具，还是当成一支可以协作的团队。
从斯宾诺莎讲起，Tan用历史类比今天的建造者
Tan 的演讲没有从产品路线图或 AI 趋势切入，而是先讲了 17 世纪哲学家 Baruch Spinoza 的故事。
他提到，1632 年出生的 Spinoza 在 23 岁时被阿姆斯特丹犹太社团逐出教会，遭遇了该社团那个世纪最严厉的诅咒之一。禁令规定，没人可以和他说话、交易、靠近他四肘之内，也没人可以阅读他写的任何东西。这项禁令在当时约 40 道禁令中独一无二，没有悔过条款，至今未被撤销。
Tan 说，在被诅咒之前，社团曾试图用每年 1000 盾的年薪让 Spinoza 停止表达自己的观点，只要偶尔去教堂并保持沉默。Spinoza 拒绝了，称“1 万也不行”，因为他要真理，不要安逸。Tan 把这段经历类比为“给创业者发薪水，让他停止建造”。
随后他又提到 1929 年一位纽约拉比向爱因斯坦发电报，要求他用 50 个词回答“你信上帝吗”。爱因斯坦用了 25 个词回应，说自己相信斯宾诺莎的上帝——一个显现在世界法则和谐中的上帝，而不是关心人类命运与行为的上帝。Tan 用这段历史来铺垫自己的开场：他被互联网上的人称为“最 AI 疯狂的人之一”，所以他觉得，拿一位“历史上被取消得最严重的人”来开场很合适。
在他的叙述里，Spinoza 被社群驱逐后仍继续写作，《伦理学》甚至需要藏在书桌里偷运出去。Tan 借此暗示，如今被主流质疑的 AI 信仰者，与 350 年前被放逐的思想者之间存在某种精神上的连续性。
Tan口中的“个人 AGI”是什么
Tan 对“个人 AGI”的定义很明确：它是一套运行在你自己的代码库、使用你自己的密钥、部署在你自己基础设施上的 AI 代理系统。它不等同于通用人工智能，而是让你的知识随着时间复合增长，从而提升个人建造能力。
他把整套架构归纳为三个部分：
- 一个知识库，也就是他口中的“图书馆”；
- 一套代理编码框架 GStack；
- 一个让代理可以驱动浏览器的能力。
Tan 用“租用智能”和“拥有智能”来区分两种使用方式。按他的说法，租用意味着上下文保存在别人的服务器上，每一轮对话都像从零开始；拥有则意味着代理知道你昨天问过什么、上个月做过什么决定、去年犯过什么错误。
他强调，关键不在于模型本身是否足够聪明。模型确实在持续变好，但如果输出不能转化为真正可积累的记忆，能力提升就无法沉淀下来。也正因为如此，他把用户分成“2 倍的人”和“100 倍的人”：二者使用的是同一个 Claude，同样的权重和上下文窗口，差异只在于怎么组织代理、记忆与任务。
2013年到2026年：Tan用个人数据说明产出变化
为了支撑自己的观点，Tan 拿出了个人经历做例子。2013 年，他是 YC 合伙人，白天工作，晚上开发 YC 内部社交网络 Bookface。按他的说法，他当时一天能产出 14 行有效代码，这正好是程序员生产力文献中的中位数水平。
到了今年，在全职运营 YC、保持相同大脑和相同工作时间、还要在下午 5 点接孩子的前提下，他估算自己的产出约为 2013 年的 400 倍。
他也主动对这个数字做了折扣处理。Tan 说，即便不信任原始代码行数，给这个结果套上最严苛的冗余惩罚，假设代理生成的是臃肿代码，假设一半只是脚手架，假设他有自我夸大的成分，最低也仍有 8 倍，中间值约为 10 倍。“无论你怎么折磨这个数字，它都很大。”
这套判断在他看来不只适用于编程。Tan 说，如果你处在职业生涯早期，这同样适用于设计、产品管理、增长，以及其他知识工作。
YC投资组合数据：四分之一公司代码库95%由AI生成
除了个人案例，Tan 还引用了 YC 投资组合数据。按他的说法，在 2025 年冬季批次里，四分之一的公司代码库有 95% 是 AI 生成的。
他补充称，这些公司已经把 AI 代理用于所有事务，而不只是写代码。这一批公司正在成为 YC 历史上增长最快、利润最高的批次。
不过，Tan 也对因果关系保持了谨慎。他明确表示，自己无法证明 AI 生成代码直接导致了增长。但他可以确定的是，YC 投资组合中增长最快的创始人，并没有把 AI 当成自动补全工具，而是把它当成一支劳动力来使用。
“你的生活就是一座图书馆”
Tan 把整个系统的核心放在知识库上。他说，这个“图书馆”不是普通的笔记应用，也不是简单的知识管理系统，而是你所有对话、会议记录、做过的决定、犯过的错误、照片和草稿的集合，其中大部分由代理来编译、策展和搜索。
他的原则是：“你永远不该把已经回答过的问题再问一遍。”
Tan 现场举了一个创始人邮件求助的例子。一个创始人给他发来危机邮件，在他读完邮件之前，代理已经调取了双方此前所有对话，找到了 3 家遇到过类似瓶颈的投资组合公司，并标出当时真正有效的应对策略。换句话说，代理在行动时，是在“知道他所知道的一切”的前提下行动。
他用一句话区分“助手”和“同事”：助手帮你做事，但不了解你；同事知道你昨天在想什么，也知道你上个月为什么做出某个决定。
Tan 还描述了他一天中的代理工作流。睡觉时，代理会处理收件箱，不只是排序。它会识别哪些邮件来自遇到麻烦的创始人，哪些来自推销者，哪些来自他一直没有退订的 17 个邮件列表。重要邮件会被补上完整上下文，包括发件人是谁、双方全部历史记录、对方真正想问的内容，以及这件事对 Tan 可能意味着什么。等他醒来时，看到的不是一堆邮件，而是一份简报。
在每场会议开始前，代理会生成预读材料，内容包括将要见的人、上次沟通内容、之后发生的变化以及他该问什么。夜里临时起意的研究问题，到第二天早上已经完成；外部世界发生的新事情，代理通常也已经读过，并与 Tan 关心的话题交叉引用后归档。
GStack：12.3万星背后是技能文件和浏览器驱动
在“图书馆”之上，Tan 使用的代理编码框架是 GStack。按他在演讲中的说法，GStack 在 GitHub 上已经获得 12.3 万颗星，进入全站历史前 100 名。
他把这套架构拆得很直白：实际内容就是技能文件，再加上一个可由代理驱动的浏览器。“几页英文加上一种作用于世界的方式。”他的结论是，Markdown 不是魔法，真正重要的是“胖技能，瘦框架”。
在 Tan 的描述里，一个技能文件就像一个员工。它只承担一种能力和一项写清楚的职责，清楚到新人接手也能执行。所谓 resolver，则像一张组织架构图：任务进来后，它决定该交给哪个 Markdown 文件处理。
这意味着，在注册公司之前，在有联合创始人、logo 或路演文档之前，一个人已经可以先运行起一个组织：这个组织由创始人本人和他训练出来的代理组成。Tan 的说法是，你既是创始人，也是整个管理层，而你手下有多少“人”，由你自己决定。
Emergent与Retail：新模式下的人均效率
Tan 在演讲中提到了两家 YC 投资组合公司，用来说明这种模式已经开始产出突破旧有数学关系的公司。
其中，YC 2024 年夏季批次的 Emergent，从公开上线到实现九位数收入用了 8 个月。当公司年化收入达到 1500 万美元时，团队只有 15 人。
另一家是 YC 2024 年冬季批次的 Retail。Tan 说，这家公司年化收入达到 6000 万美元时，团队规模大约为 40 人。
他认为，这样的人均收入在软件、石油和铁路行业都没有先例。这些公司不是特例，而是第一批“在新物理上原生”的公司。
Tan 还描述了 YC 批次室的情景：每天有数百名创始人，每个人都在做过去需要一整年才能做完的工作。他直言，这不是未来，而是这一批创业者眼下的及格线；如果你没有这样做，竞争对手已经在做。
在他看来，软件本身的意义也发生了变化。软件不再必须是稀缺资产，人们可以在一个周末里为某一个人的具体需求精确构建工具。旧建议是“挠你自己的痒，希望它也是市场的痒”，而新版本则是：挠你自己的痒，因为在今天，挠痒这件事本身已经有效。
5个步骤搭建自己的个人AGI
Tan 在演讲里给出了 5 个具体步骤：
- 今天就开始。不是下周，也不是等看完论文；今晚就打开 Claude Code 或你选择的工具，写第一个技能文件。
- 捕获一切。把每一次对话、每一场会议、每一个做过的决定都存下来，不要先判断重要性，代理会负责整理。
- 写技能文件。每当你发现自己在重复做一件事，就把它写成一个技能文件。一个技能文件就是一个员工，有一项能力和一项清晰职责。
- 使用 resolver。它像组织架构图，在任务进入时决定由哪个技能文件处理，这也是“一人公司”的管理层。
- 不要问两次。Tan 说，YC 内部有个说法：如果你要问两遍，你就失败了。能持续捕获自己所学的人，每天都在变得更聪明；每天早上带着失忆醒来的人，只是在浪费时间。
他也给出了一条 90 天时间线。第一周，这套系统说实话只是个玩具：图书馆很薄，技能很笨，修补系统花掉的时间可能比节省下来的还多。第四周，飞轮开始转动，代理会利用已有上下文回答问题，早间简报开始变得值得阅读，你也会因为前两个技能文件管用，继续写第三个和第四个。到了第十二周，你会拥有一个能在你问完之前就给出答案的图书馆，十几个技能文件会接管那些你过去害怕处理的工作，还有一两个工具会被别人反复借用。
Tan 说，这条曲线和所有复利曲线一样，前期很平，之后突然不平了。大多数尝试者会在第二周放弃，也正因为如此，坚持到第十二周的人会感觉像在作弊。
谁控制技能文件，谁就控制认知外化
演讲最重的一部分落在“控制权”上。Tan 回到 Spinoza 对悲伤的定义——行动力下降的感觉——并说这件事最终会变得政治化。
他讲了一个虚构人物 Maya 的例子。Maya 是一名客服工程师，两年里教会代理 40 项技能，包括如何在凌晨 2 点处理 P0 级事故、如何安抚即将流失的客户、如何撰写事后复盘。
如果这些技能文件保存在公司系统里，那么 Maya 离职时，留下的是一份完整的认知副本，公司可以交给下一个人继续使用，Maya 本人则变得可以被替代。反过来，如果这些技能文件运行在 Maya 自己的基础设施上，她带走的就是一个被放大后的自己，可以在下一家公司立刻部署。
Tan 说，一个技能文件不是普通文档，而是认知的一块。某件事该怎么做，被从头脑里提取出来，写下并变成可执行结构。每教给代理一项技能，都是在外化一部分自己。而同一个文件会导向两种相反的未来，决定变量只有一个：谁控制它。
对RAG、记忆架构和隐私质疑的回应
Tan 在演讲中回应了 3 类预期中的反对意见。
第一类是“这不就是 RAG 吗？”他的回答是，检索只是最简单的一层，真正构成产品的是“什么东西值得被检索”。图书馆如何被丰富、如何建立链接、哪些内容成为热记忆、哪些进入冷参考、当两个事实相互矛盾时由谁来裁决，这些才是系统的关键。
第二类是关于记忆架构本身。Tan 没有详细展开，但他暗示，这并不是一个简单的向量数据库查询问题。
第三类是隐私。如果把邮件、会议、孩子的日程都放进一个系统，一旦泄露会怎样？Tan 的回答与他整场演讲的主线一致：正因为如此，它必须是“你的”。他说，他的大脑运行在自己的基础设施、自己的代码库和自己的密钥之上；相比之下，默认状态并不是真正的隐私，而是你的生活已经散落在 10 个云里，归属于那些激励机制与你不同的公司，除了你自己谁都能搜索。
按他的说法，把上下文整合起来并不是在制造新的风险，而是在接管原本就已经存在的托管权。“托管是安全模型。”如果你不信任自己持有密钥，答案也不是更信任别人的服务条款。
为什么开源，以及Tan的结尾判断
Tan 也解释了自己为什么把整套东西开源。他说，外界总觉得这里面“有猫腻”。他的回答是，自己在 YC，不需要靠个人基础设施赚钱；但“因为可以”并不是正确答案。真正的答案是，他相信有权者的工具应该免费给出去。
他还提到了自己的小儿子。按他的说法，儿子对某些事有极深热情，但不会有人专门为他的儿子建造这套系统，所以他自己动手去建。同样，也不会有人来为“你”建造“你的”系统。
Tan 在结尾留下了一句总结：“一切都是编造的，但你有权编造你的版本。”他认为，世界上每一个机构，包括 1656 年对一个 23 岁年轻人宣读诅咒的那个机构，都是由并不比你更聪明的人建造出来的。
他接着说，如今的创业者与此前几代创始人的差别在于，过去的人需要先招募几十个信徒才能开始建造，而现在只需要一台笔记本电脑，以及你已经拥有的几年人生历史。
活动现场约有 7000 人。Tan 说，这意味着有 7000 个候选人、7000 种努力。历史上的大多数时候，这些努力几乎都不会得到观众，它们会死在等待资金、等待人手、等待许可、等待别人先相信的过程中。
而他当晚展示的这套机器，是他见过的第一种让努力可以直接开始工作的技术：一个人，不需要中间人，也不需要许可。他说，世界还没有真正理解，7000 个拥有这种杠杆的人走出一栋建筑之后，会做出什么。
演讲最后，Tan 引用了 Spinoza 为《伦理学》写下的 9 个词：一切卓越之物，既如其难，亦如其稀。
Tan 的补充是：难度刚刚塌了，稀有度现在取决于你。
去建造吧。