AI Engineer World's Fair 2026
Every company should have a Brain
Garry Tan · Y Combinator
把组织写成文件:skill = 一个岗位的一项能力,解析器表按任务加载对应指令,测试 = agent 的绩效考核;判断留在模型(潜空间),状态留在代码(确定性空间);「公司大脑」= 图书馆 + 图书管理员,记忆需要溯源、矛盾检查和清理;每次纠正完都把流程沉淀成 skill。
内容概要
Tan 正把 20 年历史的 YC 改造成 AI 原生机构,目标是一个人完成过去一千人的工作。agent 系统已经有可辨认的管理职能:skill 文件把一项能力和一个职责写到可执行的程度;CLAUDE.md 太大时用解析器表把 agent 指向当前任务相关的指令(例如改测试时加载 tests.md);测试就是 agent 的绩效考核。他举 Emergent(公开上线 8 个月九位数 ARR、1500 万 ARR 时只有 15 人)和 Retell(约 6000 万、约 40 人)说明小团队的经济学。可靠的关键是决定计算放在哪:品味、判断、理解模糊请求交给模型并用 Markdown 引导;显式操作和状态交给普通软件(TypeScript,甚至 Erlang/Elixir),很多 bug 来自把状态放进了潜空间。借 Miller「神奇的数字 7±2」讲有限的工作记忆:公司大脑是图书馆加图书管理员,RAG 只是原语,难点是决定什么进 wiki、补充和链接、提升为热记忆或归档为冷参考、裁决冲突事实;没有整理的记忆是「搜索很好用的垃圾场」,需要溯源、矛盾检查与清理。方法:给 agent 任务 → 检查纠正 → 结果好了就把流程变成 skill → 复用。他开源了 MIT 协议的 GBrain。
要点(点击时间跳到原视频)
- 0:15
Tan 以创始人、投资人和 YC 改造者的身份发问:当一个人可能完成过去整个组织的工作,该造什么?他的目标是一个人做一千人的事。
- 4:11
组织可以写成文件:skill 文件清楚到可执行地描述一项能力、一个职责;CLAUDE.md 太大时,用解析器表按任务把 agent 引向相关指令(改测试时加载 tests.md),而不是把所有流程放进初始上下文;测试相当于 agent 的绩效考核。
- 6:10
小团队经济学(他报告的数字):Emergent 公开上线 8 个月九位数 ARR、1500 万 ARR 时只有 15 人;Retell 约 6000 万、约 40 人。
- 8:43
计算放在哪:潜空间里模型负责品味、判断、理解模糊请求,用 Markdown 指令引导;确定性空间里普通软件负责显式操作和维护状态(agent 可以用 TypeScript 等语言写这些软件)。反复出现的 bug 来源之一,是把本该在代码里的状态放进了模型。
- 10:53
外部记忆一直是人类组织的核心:借 Miller《神奇的数字 7±2》说明工作记忆有限,组织需要一座大图书馆,而一次任务只翻开其中三本书。
- 12:55
公司大脑 = 图书馆 + 图书管理员。RAG 只是原语(就像说 Postgres 是 B 树),更难的是决定什么进入知识 wiki、补充与链接、提升为热记忆或归为冷参考、裁决相互矛盾的事实。「值得被检索」才是关键。
- 14:27
没有整理的公司大脑是「搜索很好用的垃圾场」:agent 会自信地检索过时事实,坏的 skill 会不断复制坏流程。记忆卫生的三项职责:每个事实保留来源、检查新信息是否与已有冲突、清理过时内容。
- 15:13
不要做一次性工作:给 agent 任务 → 检查并纠正不满意的地方 → 结果好了就把完成的工作流变成 skill → 下次复用而不是再教一遍。
- 16:41
公司蓝图:精简团队、可重复工作的 skills、留在代码里的创始人、公司图书馆和能使用它的个人 AI;从第一周就开始积累知识让它复利。GBrain 以 MIT 协议免费开源,也欢迎其他方案。结尾例子:一位父亲用 8 万个 Markdown 文件的研究库研究儿子的罕见癫痫。
可以用在日常工作里的
- 上下文
当 CLAUDE.md 过大时改成「解析器表」:按任务类型指向不同的子文档或 skill。
- Harness
梳理 agent 系统里哪些状态被放在了提示/记忆里,把它们挪进代码或数据库。
- 数据
公司知识库要有「管理员」:来源、冲突检测、热/冷分层和定期清理,而不只是一个向量库。
- 团队
养成「纠正一次 → 沉淀成 skill」的习惯,让每次完成的工作都变成组织能力。