Tokenmaxxing: How Top Builders Use AI To Do The Work Of 400 Engineers

### TL;DR AI辅助编程工具让全栈工程师加里·谭在13年没写代码后，以每月数十万行代码的速度交付开源项目，效率相当于400名工程师，核心方法是“Tokenmaxxing”——不惜消耗大量token，让模型彻底“煮沸海洋”以产出高质量结果。 --- ## 从零到一：Gary’s List 的诞生 加里·谭因为关心旧金山公立学校代数教育的缺失，决定重新写代码。他先成立了一个政治组织（501(c)(4)、501(c)(3) 和政治行动委员会），然后说：“我为什么不建一个网站来开始做这件事？”于是开始了 Gary’s List。 他第三次重写了博客平台——这次从零到完整功能只花了五天，成本约200美元（Claude Code Max 订阅费）。第一次构建 Posterous（2008年YC项目）用了400万美元、六七个人、一年半；第二次用Posthaven重写花了10万美元、两人、三个月；而这一次，成本降低了几个数量级，却带来了远超博客平台的能力：完整的 RAG 检索、代理抓取整个互联网、阅读所有推文、递归深度研究任何主题。最终输出的文章经过交叉引用，能呈现13个来源支持、7个来源反对的真实图景。 加里总结：“如果你愿意‘tokenmaxxing’，这是现在能做到的最酷的事。这不只适用于生成文章，显然也适用于编写代码。它将渗透到社会的方方面面，任何知识工作都可以‘tokenmaxxing’。” --- ## 关键方法论：Tokenmaxxing 与“煮沸海洋” Tokenmaxxing 的核心逻辑是：**不要满足于人类手写代码时的最小成本。如果有一些增量工作能让结果更完整、更出色，就多花点钱，消耗更多token。** 加里称这为“煮沸海洋”——把人类需要一个月才能完成的研究，用“更猛地电击石头”的方式搞定。 在代码编写中，他也采用了同样哲学。他放弃了以前“做最少测试”的习惯，转而使用 **plan-en-review** 技能：让 Claude 在动手前先画 ASCII 图，画出所有数据流、输入输出、用户流程、错误信息、状态机、依赖图等。这一步骤迫使模型加载全部上下文，并分解任务为架构审查、代码质量、测试等子部分。结果代码错误大幅减少，测试覆盖率从80%提升到90%。 加里说：“一旦你看到它画出数据流、决策树，它工作完成得更彻底，更好地‘煮沸了海洋’。” --- ## G Stack：从个人备忘录到技能仓库 G Stack 并没有宏大的初始目标。加里只是厌倦了反复对 Claude Code 说相同的话，于是在苹果备忘录里记录下那些高频指令。第一条就是“计划审查”，后来发展为两个核心技能： - **CEO Plan（以前叫Mega Plan）**：基于元提示，模拟布莱恩·切斯基的“十星体验”思考。提示要求模型找出项目的“柏拉图式理想”，不仅做10倍检查（用两倍努力交付10倍价值），还要可视化地生成潜力空间。加里形容自己是“ADHD型CEO，热爱潜力本身的纯粹潜力”，这个技能正好解锁了这种潜力。 - **Engine Plan**：确保代码经过充分测试，包含架构审查、代码质量和测试覆盖。 这两个技能频繁使用后，导致加里的 conductor 实例变得拥堵。但这正是他日常月交付数十万行代码的基础。 --- ## 实际工作流：48小时13个拉取请求 加里展示了他的真实设置：使用 conductor 管理多个技能，每个新想法进来，先跑 CEO Plan 和 Engine Plan，然后点击批准，Claude 自动完成编码。所有代码都经过端到端、集成和单元测试。最后他只需手动打开 Rails 服务器，加载用户配置，确认功能是否正常。 他曾经厌倦手动测试，于是尝试了 Claude 的 MCP 模式，进一步自动化。整个流程让他能在全职运营 YC 的同时，保持极高的代码输出。 ## 结语 加里强调，人类仍然需要提供“能动性”——比如他关心代数教育，这种灼热的渴望驱动着一切。Tokenmaxxing 不是取代人类，而是放大个人意志和创造力。当技术和强烈的需求结合，一个工程师可以完成数百人的工作。 --- **Source:** [Tokenmaxxing: How Top Builders Use AI To Do The Work Of 400 Engineers](https://www.youtube.com/watch?v=57lDpTwiW6g)