一家 YC 公司做到 1500 万美元年度经常性收入时，团队只有 15 人。这是 YC 负责人 Garry Tan 举出的例子。他认为，AI 原生公司的关键，是把工作组织成智能体能执行的技能，再让公司大脑不断积累经验。
一家 YC 公司做到 1500 万美元年度经常性收入时，团队只有 15 人。这是 YC 负责人 Garry Tan 举出的例子。他认为，AI 原生公司的关键，是把工作组织成智能体能执行的技能，再让公司大脑不断积累经验。
这个小团队的例子，指向 Garry 最看重的变化：把 AI 当成一支需要管理的队伍。模型相同，工作组织方式不同，能放大的能力就不同。
他举了两家 YC 公司。做 AI 应用构建工具的 Emergence，公开上线后 8 个月，年度经常性收入就达到 9 位数。这种收入按一年折算，用来描述持续收费业务的规模。它达到 1500 万美元时，只有 15 名员工。另一家公司 ReTails，则以约 40 人做到 6000 万美元年度经常性收入。
这些公司怎么运转？据 Garry 观察，它们把销售、客服和运营等工作写成技能，也就是智能体可以照着执行的流程。工程师负责维护这些技能，再处理技能暂时做不了的事。
他把技能文件比作员工：每份文件有一项明确能力和职责。任务来了，路由表负责决定交给哪个技能，就像组织架构。执行规则规定工作怎么做。触发测试则检查该用的技能是否真的被调用，相当于绩效检查。
这种变化也发生在 YC 内部。一位财务同事用内部的 OpenClaw 工具，配合公司大脑，把约 100 个 Excel 工作簿合成了一个应用。她不是程序员，却开始管理智能体。Garry 说，媒体和活动团队也在写技能文件、安排定时任务，组织能力的提升已经延伸到工程师之外。
把工作交给智能体之后，还得决定每一步由什么来算。Garry 认为，很多 AI 工程问题，都出在把计算放错了地方。
他用 YC 即将举办的 Startup School 创业活动举例。活动有 6000 人，他们准备尝试每次给 800 人安排座位。目标是让每个人左右两边，都坐着特别值得认识的人。这还是他们打算做的实验。
其中一部分需要模型判断。两个人的经历和需求是否契合，坐在一起有没有交流价值，这类涉及人的理解，适合交给语言模型。但 800 个座位上分别是谁，必须由程序准确存储，不能只放在模型当前读到的上下文里。
所以，两种计算要配合起来。模型负责理解人、做匹配判断，程序负责保存具体的座位安排。Garry 把它比作人工排座位：先打印出 800 份资料，再铺在大房间里，一份份挪动，判断谁该坐在哪里。
他设想，这件事搬到电脑里后，可能只需花几百美元的模型调用费用，约 10 分钟就能完成，而不必耗上一个月。这里节省的时间，来自模型判断与程序存储各自承担适合的工作。
座位表需要放在合适的地方，公司的经验也一样。Garry 认为，智能体能不能像同事一样工作，取决于它处理任务时拿到了哪些背景。
他给自己 10 岁的孩子解释这件事时，用了一个比喻：智能体可以像同时翻开 3 本《哈利·波特》那样，把大量内容放在眼前，还能很快找到细节、联系不同章节。但一家公司的知识远远不止 3 本书，而是一整座图书馆。里面有邮件、会议，也有过去做决定的理由。
因此，关键是每次该翻开哪 3 本书。他把这种为当前任务选择资料的工作叫作上下文工程。公司大脑既要有图书馆，也要有负责选书的图书管理员。
Garry 正在公开开发的 G-Brain，就承担这种角色。他说，自己的资料库已经积累了约 22 万页内容，大多由智能体根据邮件、会议和多年笔记整理而来。
他举了一个具体场景。创业者发邮件来说公司遇到了危机，他还没读完，智能体就已经找出了双方过去的交流。它还会找出 3 家遇到过类似困境的被投公司，以及当时真正有效的办法。
在 Garry 看来，产品的难点不只是搜到资料。首先要决定哪些内容值得记录，再把它们补充完整、建立联系。还要区分哪些经验应该经常调用，哪些只需留作参考。这样，智能体才有机会带着他已经积累的知识来处理新问题。
公司大脑保存过去的经验，而每次刚完成的工作，也应该变成下一次能直接使用的能力。Garry 给 YC 公司和内部同事的要求很直接：不要只做一次性的工作。
他描述了一个大家熟悉的过程。把任务交给智能体，第一次结果不太好，像个不够熟练的实习生。于是告诉它哪里不满意，让它修改。来回调整之后，终于拿到满意的结果。很多人做到这里就停了。
他要求再多走一步：把刚才做成这件事的方法整理成技能。他把这个动作叫作 skillify it，也就是把任务过程中学到的做法，写成以后可以复用的技能文件。
为此，他在 X 上分享了一个同名技能。用户可以把它加载到自己使用的智能体工具里，让它把刚完成的工作转成可复用流程。他甚至说，如果同一件事还得重新交代第二遍，就说明没有做好这一步。
Garry 认为，组织只有把学到的东西留下来，才会每天变得更聪明。否则，即使换上再好的模型，也像每天醒来都失忆。模型能力是租来的，但持续积累下来的公司大脑，是公司自己拥有的。
回到那家只有 15 人、年度经常性收入达到 1500 万美元的公司，Garry 想说明的是小团队背后的组织方式。把流程交给智能体执行，让判断与程序计算配合，再为任务提供合适的经验，才是他所说的 AI 原生公司。