Y Combinator 主张由创始人拥有的 AI 代理将缩减初创公司团队规模

Garry Tan 的“个人 AGI”论点将持久记忆和可复用技能,而非模型访问,置于创始人优势的核心。

By · Published

Primary source: Y Combinator on X

Why it matters

YC is telling founders to treat their private context and operating procedures as core infrastructure. That could reduce early hiring while creating new security and ownership disputes around executable workplace knowledge.

Y Combinator argues founder-owned AI agents will shrink startup teams — Garry Tan's "personal AGI" thesis puts persistent memory and reusable skills, rather than model access, at the center of a founder's advantage.

Y Combinator 在 8 月 6 日发布了一场 Startup School 2026 的演讲Garry Tan (@garrytan) 在演讲中认为,创始人可以通过为 AI 代理提供持久记忆、可重复使用的操作指令以及对自身基础设施的访问,从而用更少的员工构建公司。agents persistent memory

Tan 将这种设定称为“personal AGI”。这个词并不描述一种新的基础模型或朝通用人工智能的可测量进展。它是 Tan 对一种由创始人控制的操作层的命名,该层将现有模型连接到私有上下文和可重复的工作流程。

他核心的论点是,前沿模型的访问将变得广泛可用,创始人积累的知识将成为稀缺资产。通用聊天机器人对每个订阅者来说起点大致相同。一个连接了多年电子邮件、会议、决策和工作流程的代理,能以竞争对手无法从模型提供方购买到的上下文行事。

“个人 AGI 是在代理时代保持自身掌控力的方式,”Tan 在演讲全文稿中表示。

Tan 是Y Combinator 的总裁兼 CEO,这一角色使得他的运营处方在早期创始人中更具分量。他此前共同创办了博客平台 Posterous,曾在 Palantir 担任早期设计师和工程经理,担任过 YC 合伙人并共同创立了 Initialized Capital,之后回归掌管该加速器。

个人 AGI 堆栈

Tan 将他的系统描述为三部分相连的组件:从 AI 提供商租用的前沿模型、由用户控制的个人上下文库以及允许代理检索信息并执行工作的软件框架。

记忆层是 GBrain,Tan 为 AI 代理构建的开源知识系统。Tan 表示,他的部署包含大约 22 万个 markdown 页面,覆盖 25 年的电子邮件、会议、笔记、照片、草稿和决策。Tan 说,代理会编译、组织并搜索这些材料,生成会议摘要、收件箱分类和夜间调研等内容。

在那层记忆之上是 gstack,一组用于软件开发和公司运营的代理工作流。Tan 在演讲中表示,该仓库有 123,000 个 GitHub stars。演讲发表前后查看时,GitHub 显示大约 125,000。

这些工作流主要以“skill files”编写:以纯英文书写并以 markdown 存储的指令。举例来说,其中一个示例告诉代理如何处理会议记录、识别承诺和截止日期、交叉引用相关人员并标记矛盾,而不覆盖早先的记录。

Tan 的论点不仅限于编码。他表示,YC 在媒体、活动和财务等岗位的员工也在编写 skill files 并安排代理定期任务,包括一位财务员工使用内部代理将约 100 个 Excel 工作簿转成了一个应用。这些示例是 YC 对其内部使用的自述,并不包括独立测量的节省时间或产出质量的数据。

更小公司规模的主张

Tan 将该堆栈直接与初创公司员工规模联系起来。他表示,创始人可以从由一个人和一组代理组成的组织开始,在招聘员工或注册公司之前分配定期任务。

他计算出自己的编码产出相较于 2013 年基线最高增长了约 400 倍,同时承认以行代码来衡量生产力并不完美。应用自己对脚手架、膨胀产出和夸大陈述的处罚后,Tan 将下限定为 8 倍。该计算仍为自我报告。

Tan 还表示,YC 2025 年冬季批次中有四分之一的公司代码库是 95% 由 AI 生成,并将该组描述为 YC 增长最快且最有利可图的批次之一。他并未声称 AI 生成的代码导致了这些结果。

这一区分很重要。较小的工程团队可以通过代理交付更多代码,但同时会积累代码审查、维护和安全工作,这是原始产出所无法体现的。Tan 的框架通过将模型判断与确定性操作(例如算术、数据库查询和调度)分离来解决部分问题。当任务需要精确结果时,他的代理会编写或调用常规代码。

对创始人的建议是实用的:在他们控制的基础设施上运行代理,从笔记和电子邮件中组装初始库,将一个重复任务记录为技能,安排它并保存所得工作流以供重用。Tan 说,用户应预计大约第一个月会比较粗糙,之后存储的上下文和程序才会开始产生有用的复利回报。

如果该论点成立,YC 将从中受益。较低的人员需求减少了测试初创公司所需的资本和招聘,扩大了能够实现可用产品的创始人数量。相同的变化也为代理基础设施、记忆系统、安全、部署和协作工具创造了有投资价值的市场。

所有权创造了新的分界线

Tan 更尖锐的论点关乎谁拥有编码工人判断的指令。一个支持工程师可能教会代理如何分类事件、安抚客户或撰写事后分析报告。这些流程可以保留在该工人的代码库随其离职而去,或者在该工人离开后留在雇主的系统中。

“拥有你的技能,因为如果你不这样做,你的工作就会变成一个 skill file,”Tan 说。

这一立场在个人可移植性与公司希望保留雇佣期间开发流程之间制造了冲突。随着代理工作流成为可执行的操作性知识,创始人需要为哪些技能属于个人、哪些属于公司以及哪些可以随员工离开制定明确规则。

相同的所有权论点也带来了安全负担。Tan 的系统将电子邮件、会议、个人历史和公司信息汇聚到一个仓库,使其成为一个异常有价值的目标。他主张在用户的密钥和基础设施下运行该系统比将信息分散在云服务中提供了更好的监管。这种监管也使用户对访问控制、备份、软件更新和事件响应负责。

Tan 已将自己的工具开源,并表示创始人可以使用其他代理框架或编码产品。他的战略观点独立于任何单一仓库:模型访问变得可互换,而专有上下文和维护良好的程序可以积累成持久的运营优势。

如果这一优势成立,最小可行的初创团队将持续缩小。创始人的工作将转向定义流程、审查代理产出以及决定哪些知识值得成为可重用的软件。

Reader comments

Conversation for this story loads after sign-in.