Y Combinator CEO Garry Tan公开了自己搭建个人AI“第二大脑”的方法：用约10万页结构化知识库作为底层数据，再配合100多个可组合技能与一个负责分派任务的薄框架���形成可持续迭代的个人AI系统。按他的说法，这套系统不是聊天窗口，也不是普通搜索工具，而是一套持续运行的操作系统。
30,000字书籍镜像：把一本书映射到个人经历
Garry Tan举出的代表性案例，是为Pema Chödrön所著《当事情崩解》制作“书籍镜像”。系统先提取全书22章内容，再并行完成两项任务：概括作者观点，并把每个观点映射到他自己的真实生活、职业背景、阅读记录和会议内容中。最终产出一份30,000字报告，每章以双栏呈现，一栏解释原书内容，另一栏对应他的现实处境。
他称，整项处理约花费40分钟。随后他又用同样方式处理了20多本书，包括《设计你的人生》《悉达多》《荒野之狼》等。核心变化不在于单本书的摘要，而在于每新增一本书，都会进入同一个“脑”，让后续镜像可以调用此前所有阅读和经历。
从手动流程到技能化：让技能自己生成技能
这套系统的关键概念是“技能化”。Garry Tan��示，第一次做书籍镜像时效果并不好，甚至出现了几处与其家庭背景有关的事实错误。为修正这些问题，他加入了强制核查步骤，并用不同模型分工处理：Opus 4.7 1M负责精确度错误，GPT-5.5检查背景缺失，DeepSeek V4-Pro识别内容是否过度泛化。
在此基础上，他把一次次手动修正过的流程抽取成可复用技能文件。更关键的是，系统里还有一个名为Skillify的元技能，作用是识别重复工作流，自动提炼触发条件、边缘情况和测试步骤，再将其注册到解析器中。也就是说，技能不只执行任务，还能产生新技能。
会议准备、人物研究与知识传播同步进行
Garry Tan还描述了这套系统在会议准备中的应用。以Demis Hassabis到YC参加炉边谈话为例，系统在不到两分钟内整理出其长期积累的人物资料、公开表达的AGI时间线判断、Sebastian Mallaby传记中的重点内容、研究优先事项，以及与Garry Tan本人AI观点的交叉引用，并生成用于现场交流的多跳推理演示脚本和对话切入点。
他提到，知识库中每个认识的人都有独立页面���包含时间线、状态字段、未解线索和评分；每次会议结束后，系统会保存逐字稿与结构化摘要，并将讨论中涉及的人和公司回写到对应页面。这种“实体传播”机制，构成了系统持续生长的方式。
胖技能、胖代码、薄框架
在架构上，Garry Tan将其概括为“胖技能、胖代码、薄框架”。其中，OpenClaw承担运行环境与任务路由，本身不理解书籍、会议或人物；真正的能力放在技能层，当前已有100多个Markdown格式技能文件，覆盖meeting-ingestion、enrich、media-ingest、perplexity-research等任务。数据层则是前述10万页知识库，持续吸收书籍、文章、播客、视频、会议和想法。
模型在系统中被定义为可替换部件：Opus 4.7 1M用于精度，GPT-5.5用于召回和完整抽取，DeepSeek V4-Pro用于创意任务，Groq + Llama用于速度。Garry Tan认为，讨论“哪个模型最好”并不重要，模型只是引擎，系统设计、技能编排和数据积累才决定最终效果。
相关工具已开源
Garry Tan表示，他已将这套系统及相关流程开源，内容��括技能、书籍镜像流程、跨模态评估框架、Skillify循环、解析器架构，以及30多个可安装技能包。对希望自行搭建的人，他给出的起点是先选择一个轻量框架，再建立自己的知识库，然后从一个具体任务入手，反复迭代，最后把成熟流程抽取成技能。
按他的描述，这个个人AI系统目前已有100个日程任务持续运行，会议摄入、邮件分类和知识图谱更新都在自动执行。