为什么我作为YC CEO，每天夜里编程到凌晨2点？
我用AI造了一个“第二大脑”：10万页知识、100+技能、开源免费
人们一直问我：你已经是Y Combinator的CEO了，为什么还要每天coding到凌晨两点？
YC每年帮助数千名创业者把梦想变成真实的、高速增长的、有收入的初创公司。这份工作已经足够大了。
但在过去五个月里，AI让我重新成为一个开发者。
去年年底，工具终于足够好，我不再只做玩具项目，而是开始构建真正的系统——能够不断叠加价值的系统。今天，我想用具体的例子告诉你：当你不再把个人AI当成聊天窗口，而是当成一个操作系统时，它究竟长什么样。
而且我会把这一切开源，因为我希望你也能和我一起加速。
01 那本“反过来读我”的书上个月我在读佩玛·丘卓的《当生命陷落时》。162页，22章，讲佛教如何看待痛苦、无依著和放下。
我让我的AI做了一次“书籍镜像”。
具体来说：系统提取了全书22章，然后对每一章运行一个子代理，同时做两件事——
· 总结作者的观点
· 把每一个观点映射到我真实的生活里
不是那种“这适用于领导者”的空话，而是具体的映射。
它知道我的家庭背景（移民父母，爸爸来自香港和新加坡，妈妈来自缅甸）；
它知道我的工作背景（运营YC，开发开源工具，指导数千名创始人）；
它知道我在读什么书、凌晨两点在想什么、我和心理医生在讨论什么。
输出是一份3万字的“大脑页面”。
每一章呈现为两栏：佩玛说了什么，以及这如何映射到我正在经历的事情。
· 关于“无依著”的那一章，与我一周前和某位创始人的具体对话联系了起来。
· 关于恐惧的那一章，对应了我心理医生发现的模式。
· 关于放下的那一章，引用了一个深夜的记录——我在那里写下了今年感受到的创作自由。
整个过程大约40分钟。
一个300美元/小时的治疗师，读到这本书并把它应用到我的生活，40小时也做不到——因为他没有完整加载我的工作背景、阅读历史、会议记录和创始人关系图谱，也无法交叉引用。
我已经对20多本书做了同样的镜像。每一本都更丰富，因为大脑本身在丰富。第二个镜像知道第一个，第二十个知道前面所有十九个。
02 技能构建技能：这才是真正的递归这里才是最大的洞见。
运行我生活的这个系统并不是一个庞然巨物。它是由技能组装起来的。而这些技能本身，又是由另一个技能创建的。
Skillify是一个元技能，它能创造新技能。
当我遇到一个会重复使用的工作流时，我说一声“skillify this”，它会：
· 检查刚才发生的事情
· 提取出可重复的模式
· 写一个包含触发条件和边界情况的、经过测试的技能文件
· 把它注册到路由表中
书籍镜像流程就是在我第一次手动做完之后被自动“技能化”的。会议准备流程则是在我发现自己每次开会前都做同样的步骤之后被技能化的。
技能可以组合。
Book-mirror调用brain-ops做存储，enrich做上下文，cross-modal-eval做质量检查，pdf-generation做输出。每个技能只专注一件事。它们串联起来完成复杂的工作流。
当我改进其中一个技能，所有用到它的工作流都会自动变好。
再也不会有“忘了在提示词里提这个边界情况”的问题——技能会记住。
03 自己准备好自己的会议DeepMind的Demis Hassabis来YC做炉边谈话。他的传记刚刚出版。
我让系统帮我做准备。
不到两分钟，它拉取了：
· Demis的完整大脑页面（通过几个月的文章、播客文字稿和我的笔记不断积累）
· 他公开的关于AGI时间线的观点
· 传记的要点
· 他公开的研究优先级
· 与我公开说过的AI观点之间的交叉引用
· 三个可以在对话中展示大脑多跳推理能力的演示脚本
· 基于我们世界观重叠和分歧之处设计的对话切入点
这不只是更好的Google搜索。
这是利用我积累的关于Demis的背景、我自己的立场以及这次对话的战略目标所做的准备。
系统准备的不只是事实，还有角度。
04 10万页大脑长什么样我维护着一个结构化的知识库，大约有10万页。
· 我遇到的每个人都有一个页面，包含时间线、状态、待办线程和一个分数
· 每次会议都有文字记录、结构化摘要，以及一个叫做“实体传播”的步骤：会后系统遍历提到的人和公司，用讨论的内容更新他们的大脑页面
· 我读的每一本书都有逐章镜像
· 我接触的每一篇文章、播客、视频，都会被摄入、打标签、交叉引用
结构很简单。每个页面包含：
· 顶部的“汇编真相”（当前最佳理解）
· 下面是一个只追加的时间线（按时间顺序的事件）
· 用于源材料的原始数据侧栏
可以把它想象成一本个人维基百科，每个页面都由一个参加了会议、读了邮件、看了演讲、摄入了PDF的AI持续更新。
举个例子。我在office hours见了一位创始人。系统会：
· 创建或更新他/她的个人页面、公司页面
· 交叉引用会议记录
· 检查我之前是否见过他们（并显示出上次讨论的内容）
· 查看他们的申请数据，拉取最新的指标
· 识别我的投资组合公司或联系人中有哪些与他的问题相关
等我走进下一次和他的会议时，系统已经准备好一份完整的背景包。
这就是拥有一个文件柜和拥有一个神经系统之间的区别。
文件柜存储东西。神经系统把它们连接起来，标记出哪些发生了变化，并提亮出与当下相关的内容。
05 架构：薄Harness，胖技能，胖数据它就是这样工作的。我把整个东西开源了，你也可以自己构建。
Harness是薄的。 OpenClaw是运行时。它接收我的消息，判断应该应用哪个技能，然后分发。只有几千行的路由逻辑。它不懂什么书、会议或创始人。它只管路由。
技能是胖的。 现在有100多个技能，每个都是一个独立的markdown文件，包含针对某一具体任务的详细指令。
你已经看到过book-mirror和meeting-prep。下面是一些其他技能：
· meeting-ingestion：会后拉取文字记录，创建结构化摘要，然后更新每个提到的人/公司的页面
· enrich：给它一个人名，从五个不同来源拉取信息，合并成一个大脑页面
· media-ingest：处理视频、音频、PDF、截图、GitHub仓库
· perplexity-research：大脑增强的联网研究
数据是胖的。 10万页结构化知识。每个人、每家公司、每次会议、每本书、每篇文章、每个想法，都相互链接、可搜索，并且每天都在增长。
模型是可互换的。 我用Opus 4.7 1M做精度，GPT-5.5做召回，DeepSeek V4-Pro做创造性工作，Groq做速度。技能决定哪个任务调用哪个模型。Harness不在乎。
当有人问“哪个AI模型最好”时，答案是：问题就问错了。模型只是引擎，其他一切都是车。
06 凌晨两点的开发者，和不断叠加的系统人们问我关于生产力的事。我不那样想。我想的是叠加。
· 我参加的每一次会议，都给大脑增加内容
· 我读的每一本书，都为下一本书丰富上下文
· 我构建的每一个技能，都让下一个工作流更快
· 我更新的每一个个人页面，都让下一次会议准备更精准
今天的系统比两个月前强10倍，两个月后它还会再强10倍。
当我凌晨两点还在coding（我确实经常这样，因为AI把构建的快乐还给了我）时，我不只是在写软件。我是在为一个每小时都在变好的系统做贡献。
100多个cron任务，24/7运行。会议摄入自动执行。邮件分类每10分钟一次。知识图谱从每一次对话中自我丰富。系统每天处理大量文字记录，实时提取出我错过的模式。
这不是一个写作工具。不是搜索引擎。不是聊天机器人。
这是一个真正有效的第二大脑——不是比喻，而是一个正在运行的系统：10万页、100+技能、15个cron任务，以及过去一年里我接触过的每一段职业关系、每一次会议、每一本书、每一个想法的累积上下文。
07 如何开始构建你自己的“第二大脑”核心观点很简单：未来属于那些构建叠加型AI系统的个体，而不是那些使用公司拥有的、集中式AI工具的个体。
区别在于：是写日记，还是拥有一个神经系统。
如果你想构建这样的系统：
第一步：选一个harness。
OpenClaw、Hermes Agent，或者用Pi从头写一个。保持薄。Harness只是路由器。
第二步：用GBrain启动一个大脑。
一条命令即可安装。一个git仓库，每个人、每次会议、每篇文章、每个想法都有一个页面。
第三步：做一件有意思的事。
不要从规划技能架构开始。从做一件事开始。写一份报告。研究一个人。分析你的投资组合。任何你真正在乎的事情。和你的agent一起做，迭代到它变好，然后运行Skillify把模式提取成可复用的技能。
第四步：持续使用它，并查看输出。
一开始技能会很平庸。这很正常。用它，读它的产出，当有不对的地方时，运行跨模态评估。修复被固化到技能中，之后所有的输出都会变干净。
六个月后，你会得到任何一个聊天机器人都无法复制的东西——因为价值不在模型里，而在于你教给系统的关于你特定生活、工作和判断力的东西。
写在最后我用这个系统构建的第一个东西糟透了。
第一百个东西，我已经放心让它管理我的日历、收件箱、会议准备和阅读清单。
系统学到了。我也学到了。叠加曲线是真实的。
fat skill ，fat code，thinharness。
LLM本身只是一个引擎。你可以自己造车。
本文中描述的所有东西——所有技能、书籍镜像流程、跨模态评估框架、skillify循环、resolver架构，以及30多个可安装的技能包——都已开源，免费，在GitHub上：
github.com/garrytan/gbrain
去造吧！
（本文整理自YC CEO Gary Tan的系列技术文章，原标题：The Book That Read Me Back）