Garry Tan 400x 效率秘诀：Thin Harness + Fat Skills 完整拆解

刚听完这期 Light Cone，Garry Tan 直接把「AI 时代怎么重新当 builder」讲透了。

最震撼的是他的个人经历：他已经 13 年没怎么写代码了。作为 YC CEO，他每天忙到飞起，本来早就远离一线 coding。结果最近几个月，他靠 Claude Code + OpenClaw 重新杀回开发现场，疯狂写出几十万行代码，还做出了 Garry’s List 和 Gstack。

Garry’s List 是一个 agentic 新闻平台，能自动研究、自动写长文，据说已经拿到 10w+ stars。Gstack 则是他自己搭的 agent harness，本质上是一套让 AI agent 更高效工作的系统。

这期最核心的一句话是：

不是你写代码，而是你指挥机器写代码。

以前的 builder，是自己下场敲代码。现在的 builder，更像一个导演、CEO、产品经理和架构师的混合体。你负责 vision 和 taste，agent 负责执行、补全、测试、修复和迭代。

13 年没写代码，他是怎么突然爆发的？

Garry Tan 以前是 Posterous 的创始人，后来公司被 Twitter 收购。再后来，他转去做投资，最后成为 YC CEO，基本已经脱离日常写代码。

但 2025 年初，他突然想做一个新东西：Garry’s List。

这是一个 agentic 平台，能够自动研究信息、整理资料、生成长文。按照过去的开发方式，这种项目非常复杂，光是搭框架、写爬虫、做 RAG、调工作流，就足够让人头大。

但 Garry 发现 Claude Code 太好用了。

于是他做的第一件事，不是直接写代码，而是把自己日常重复做的动作，全部整理成 Markdown skills。

也就是说，他把「怎么规划」「怎么写代码」「怎么 review」「怎么测试」「怎么调研」这些动作，变成了一份份结构化的说明书，然后交给 agent 去执行。

结果非常夸张：以前写一个功能可能要几天，现在几分钟就能出 PR，而且还自带测试。

这不是简单的提效，而是把一个 13 年没写代码的人，重新变成了高强度 builder。

Garry 的核心哲学：Thin Harness + Fat Skills

这期最值得记住的概念，是 Garry 提出的：

Thin Harness + Fat Skills

所谓 Thin Harness，就是 agent 的执行框架要尽量薄、尽量简单。你不需要搞一个特别复杂的系统，OpenClaw、Claude Code 这种工具就够了。

所谓 Fat Skills，就是把真正复杂的东西写进 Markdown skills 里。

这些 skills 就像 recipe，一步一步告诉 agent 应该怎么做。比如怎么做产品规划，怎么写工程方案，怎么做 code review，怎么跑 QA，怎么画数据流图。

这里有一个非常反常识的点：

不要把一切都塞进代码里。

过去我们总觉得，复杂逻辑应该写成代码，因为代码确定、可执行、可复用。但在 agent 时代，Garry 反而认为，很多逻辑更适合写成 Markdown。

因为代码是确定性的，写错一个 edge case 就会出 bug；而 Markdown 是模糊的、开放的，正好适合 agent 理解和发挥。

Garry 的说法很有意思：以前写代码要小心翼翼考虑 edge case，现在可以直接让 agent “boil the ocean”，把所有能想到的东西都展开，让它自己处理细节。

这背后的变化很大。

以前人是执行者，机器只是工具。现在人是指挥者，机器负责把模糊意图翻译成具体实现。

实操一：怎么用 Claude Code 快速重启 coding？

Garry 的第一步非常简单：打开 Claude Code，后来更多使用 OpenClaw，然后开始把自己的重复操作沉淀成 skills。

比如他有一个很关键的 skill，叫 Plan-Eng-Review。

这个 skill 的流程大概是：

先让 agent 做规划，再让 agent 画 ASCII 图，把数据流、用户流程、状态机全部画出来。然后再进入代码实现，最后 review 测试。

这点非常关键。

很多人用 AI 写代码，最大的问题是上来就让它写，结果 agent 很快跑偏。Garry 的方法是，写代码之前必须先画图。让 agent 把结构、状态和流程讲清楚，再动手实现。

他现在的日常 workflow 大概是这样的：

先写 CEO Plan，像 Brian Chesky 那样问 10x 问题：这个功能有没有可能做得大十倍？有没有更极端、更用户友好的方案？有没有被传统软件惯性限制住？

然后跑 Plan-Eng-Review，让 agent 把计划变成工程方案，再变成代码。

最后用 Codex 做最终 code review。Garry 的分工也很清楚：Claude 更适合创意和生成，Codex 更适合严谨 review。

除此之外，他还会用 Playwright 加 Browse skill 做自动 QA。

所以他现在一天能 drop 10+ PR，而且这些 PR 不是随手糊出来的 demo，而是带完整测试和 review 流程的代码。

实操二：Gstack 到底是什么？

Gstack 是 Garry 基于 OpenClaw 魔改出来的一套 agent harness。

它里面内置了很多 skills，比如 CEO、Designer、DevEx、Plan-Eng-Review、Browse、QA 等等。

用法非常简单。

当你想做一个新功能，可以先敲 /ceo，让 agent 自动做市场调研、10x 思考、产品判断和架构草图。

然后用 /plan-eng-review，让它生成完整代码和测试。

最后再用 /codex 或 /claude 做最终 review。

听起来像是开发工具，但它其实更像是一套「把人升级成产品 CEO」的工作流。

Garry 的反常识观点是：Gstack 不是取代你，而是把你从「码农」变成「CEO + 产品经理」。

你不再需要把大部分时间花在 boilerplate、重复逻辑、测试修复、查文档这些事情上。你要做的是提出需求、判断方向、校准品味、决定什么值得做。

agent 干 95% 的活，人类负责最后 5% 的判断。

但恰恰是这 5%，决定了产品的上限。

实操三：Tokenmaxxing 到底怎么玩？

Garry 最爱说的一个词，是 Tokenmaxxing。

意思就是：把 token 烧到极致。

以前大家用 AI，总想着怎么省 token、怎么少花钱、怎么压缩 prompt。但 Garry 的思路完全反过来：

能多加 context，就多加 context。

因为在 agent 时代，token 不是成本，而是杠杆。你烧掉的是 token，买回来的是时间、注意力和执行力。

他的具体做法是，让 agent 先 “boil the ocean”。

也就是在写代码之前，把所有相关代码、文档、历史 PR、产品背景、用户反馈都喂进去。不要只给一个孤零零的 prompt，而是尽可能把上下文补满。

在 Gstack 里，他还会用 RAG + hybrid search，也就是 Browse skill，去抓全网数据。

最重要的是，写代码前必须先画 ASCII 图。比如数据流怎么走，状态机怎么切换，用户路径是什么。这样可以防止 agent 在大量 context 里迷路。

Garry 举了一个例子：Garry’s List 的 RAG 系统，就是把 GitHub 和互联网的大量信息都喂给 agent，最后生成出来的文章质量，甚至超过了很多人类记者。

这个观点很刺激：

未来真正厉害的人，不是最会省 token 的人，而是最会花 token 的人。

反常识观点一：Lines of Code 其实很重要

网上很多人喷 Garry，说 lines of code 不代表生产力。

这句话在过去当然有道理。人类写代码的时候，代码行数很容易注水，写得多不代表写得好。

但 Garry 的反击是：在 agent 时代，lines of code 反而是一个很好的指标。

因为 agent 写的不是为了显得自己工作很努力，它写的是实际逻辑、测试、修复和工程实现。

他用工具统计后发现，自己现在每天产出的有效代码，是 2013 年的 400 倍。

重点当然不是「代码越多越好」。

真正的重点是：agent 把你从 boilerplate 和重复劳动里解放出来，让你能把注意力放在架构、产品和判断上。

过去一个人一天能认真推进一个功能，已经很不错了。现在一个人一天可以同时推进多个 PR、多个实验、多个产品方向。

这才是 400x 的本质。

反常识观点二：Agent 不是取代人类，而是放大人类 agency

很多人担心 AI 会抢程序员饭碗。

但 Garry 的观点刚好相反。

他认为，现在反而是人类最有力量的时候。

以前写代码是执行。你想到一个功能，还要花大量时间把它翻译成具体代码。你的想法和产品之间，隔着大量体力活。

现在写代码变成了指挥。你只要有 vision，有 taste，能判断什么是好东西，agent 就能帮你把中间的大量执行工作吃掉。

这也是为什么 Garry 13 年没怎么 coding，却能重新变成一个超高产 builder。

他不是回到了 2013 年那种「自己手写每一行代码」的状态，而是进入了一种新状态：

人类负责方向，agent 负责执行。

这不是人被 AI 替代，而是人被 AI 放大。

普通人应该怎么开始？

如果你也想重启 coding，Garry 的建议其实不复杂。

不要一上来就搭一个超级复杂的 agent 系统。直接装 Claude Code 或 OpenClaw，从写一个简单 skill 开始。

比如你可以先写一个自己的产品规划 skill，让 agent 每次做功能前都先帮你想清楚用户、目标、边界和风险。

然后养成一个固定 workflow：

先用 CEO skill 做 plan。

再让 agent 画 ASCII 图，把数据流、用户流程、状态机讲清楚。

然后让 agent 写代码和测试。

最后用 Codex 或另一个模型做 code review。

整个过程里，最重要的是 Tokenmaxxing 的心态。

不要太省 token。能多喂 context 就多喂。能让 agent 多看文档，就让它多看。能让它多跑测试，就让它多跑。烧 token，本质上是在买时间。

也不要怕 agent 写错。

agent 写错了，就让它自己 fix。人类不用亲自下场修每一个细节，而是负责判断：方向对不对，体验好不好，架构是否合理，最终结果能不能用。

一句话总结

Garry Tan 用实际行动证明了一件事：

在 AI 时代，你不需要重新学会一行一行写代码，你需要学会指挥 agent。

Tokenmaxxing、Thin Harness、Fat Skills，这三个东西组合起来，就是普通人也能获得 400x 生产力的秘密。

这期听完我最大的感受是：以前我们总觉得 AI 会取代程序员，但现在看，它更像是把程序员升级成了「超级指挥官」。

真正稀缺的资源，从来不是代码，而是人类的 vision 和 taste。

你们现在用 Claude Code、Cursor、OpenClaw 的频率怎么样？欢迎下面聊聊。

想看完整逐字稿，可以在 Podwise 免费获取。