YC CEO把当下类比为 Homebrew Computer Club 时刻，大家已经看到未来是什么，但未来还没有被封装到人人都能无门槛使用的程度

Homebrew Computer Club，1975年，硅谷一个车库。彼时个人电脑刚出现，Altair 8800 卖的是套件，买回来要自己焊接。第一批到场的人亲眼看到了未来，但距离"普通人打开包装就能用"，还差十年。苹果II要等1977年，麦金塔要等1984年。

Y Combinator CEO Gary Tan 在最近一次访谈里说，今天的 AI agent 编程处境和那时一模一样。

这个类比值得认真对待。不是因为它新鲜，而是因为它准确。

他做了什么

Gary Tan 13年没写代码，这次用 Claude Code 和 OpenClaw 等 AI 工具重返编程，过去几个月产出了几十万行代码。他同时建了两个项目：一个叫 Gary’s List，本质上是自动化调查报道系统——抓取信息、交叉验证、生成长篇报道，过去需要人类研究者花数周完成的工作，现在压缩成几美元的模型调用；另一个叫 GStack，是他把自己反复使用的 prompt 整理进 Apple Notes，逐渐沉淀出来的结构化工作流系统。

这两件事本身不重要。重要的是他这样做了之后，他对这套工具说了什么。

Token Maxing：把成本思维换成时间思维

Gary Tan 的核心命题：停止把 token 当成本，开始把 token 当时间资本。

他的原话有一个很好的类比：创业者刚到旧金山时觉得房租太贵，但真正昂贵的不是住在旧金山，而是不住在旧金山。对今天的 builder 来说，真正昂贵的不是 token，而是没有把模型用到极限，从而继续浪费自己的时间。

这个命题在执行层面意味着：一个任务需要你自己花一周完成，那么多花几百美元买大规模并行研究和测试，成本极低。不是看1个来源，而是看20个；不是简单总结，而是把互相矛盾的证据放在一起让系统对比分析——“把海煮开”。

这对我们这个阶段的很多决策者是反直觉的。控制成本是职业习惯。但这里的认知误区在于：token 的竞品不是其他 token，而是人的时间。人的时间不可再生，机器的时间可以购买。一旦接受这个替换关系，token spending 就从成本中心变成了时间资本的购买行为。

Thin Harness, Fat Skills

这是 Gary Tan 对 agent 工程架构最有价值的概括。

Harness 是最底层运行循环：接受输入、调用模型、执行命令、返回结果。Claude Code、OpenClaw，本质都是 harness。他的判断是：这一层不需要每个团队重造，真正应该投入精力的是上层的 skills——用自然语言和结构化文档表达任务流程、经验、策略、审查方式。

“Markdown 也是代码”——这句话背后的意思是：大量过去需要硬编码的判断逻辑，其实更适合写在文档里。如何规划任务，如何判断完成标准，如何站在 CEO、设计师、用户体验负责人的角度审视同一个功能。这些东西用传统代码写会很僵硬，但写进 skill 文档，模型反而更能理解意图、处理特例。

这意味着软件开发出现了新的分层：确定性、必须稳定执行的动作写代码；高层策略、模糊决策、流程经验，越来越适合沉淀在"可被模型理解的文本协议"里。人类工程师的工作，不再只是组织函数和类，而是组织 latent space 和 deterministic code 之间的边界。

法拉利的比喻

他形容今天用 OpenClaw，就像开一辆必须自己会修的法拉利——速度惊人，但会在最需要你的时候抛锚，逼你掀开发动机盖。

这不是负面评价。他的意思是：这套工具已经足够强，强到可以做不可思议的事；但它不是一个打磨完成的消费品，更像 kit car——技术爱好者手工拼装、可以真正跑起来、但也需要随时维护。

很多时候，他甚至在用 Claude Code 帮他修 OpenClaw 本身。Agent 体系进入了一种 agent 互相维护的状态。

这正是 Homebrew Computer Club 时刻的准确定义：大家已经看到未来是什么，但未来还没有被封装到人人都能无门槛使用的程度。

编程的单位变了

几个月写出几十万行代码，这个数字在社交媒体上引发争议。Gary Tan 的回应值得记住。

他不是说代码行数重要。他说的是：工作单位已经改变了。 不再是一个人坐在 IDE 前手敲多少行，而是你能不能同时调度多个 agent，让它们并行做 feature、修 bug、补测试、跑 QA，再把结果组织成可上线的系统。

今天优秀工程师的价值不在于写得快，而在于能否准确规划、及时检查、快速判断。AI 不是让程序员失业，而是把有判断的人放大成一个更高吞吐量的系统。

他说得最有冲击力的那句话是：人类无法凭空获得更多时间，但可以借用机器的时间。

有判断、有品味、有明确目标的人，今天的工具就像给你装上了翅膀。没有这些的人，再强的 agent 也只会生成一堆你无法真正负责的产物。

最关键的分叉：个人 AI 还是平台 AI

Gary Tan 的最后一个问题最值得放在这里。

他认为明年这个时候，几乎每个人都会拥有自己的个人 AI。但问题是：这是哪种形态的个人 AI？

一种是：你自己掌握提示词、掌握数据、掌握集成接口，知道系统在替你做什么——这是真正的个人工具。

另一种是：由平台托管、算法黑箱、商业动机不透明，像社交媒体信息流一样被公司控制——这是"伪个人 AI"。

这两者的核心差异不是模型参数量，而是谁拥有控制权。你是自己写 prompt、自己定义工作流、自己决定 agent 访问哪些数据；还是永远活在某个产品经理设计好的边界里？

这是技术问题，也是主权问题。一旦这件事像当年个人电脑革命一样真正扩散开来，掌握权决定的不只是你的工作效率，还有你的思考自主性，甚至是你怎样理解现实世界。

1975年到1984年，Homebrew Computer Club 到麦金塔，用了九年。

今天这个 Homebrew 时刻，gap 会更短。但在那个封装完成的时刻到来之前，手里拿着扳手、愿意自己打开发动机盖的人，会比其他人早看到九年。