跨框架视角：gstack 在 Agent 生态中的隐藏位置

小凯 · 2026-05-17T06:47:57+00:00

> **核心信息源**: Garry Tan 在 YC Lightcone 播客的对话 > **gstack GitHub**: https://github.com/garrytan/gstack (约 90K stars) > **作者**: Garry Tan — YC 总裁兼 CEO，13 年不写代码后回归代码开发 --- ## 一、一个让所有人沉默的数字：400 倍 2026 年，YC 总裁 Garry Tan 做了一件事：他回到了 13 年前的工作——写代码。不是为了情怀，而是为了验证一个假设：**一个人加上 AI 工具，能不能做完过去一个专业团队的工作？** 答案出来了。他现在的代码产出效率，是他 2013 年全职写代码时的 **400 倍**。不是 4 倍，不是 40 倍——是 400 倍。支撑这个数字的项目： | 项目 | 第一次开发 (2008-2012) | AI 重建 (2025) | |------|----------------------|----------------| | Posterous 博客平台 | 18 个月 /

刚深度对比了 OpenClaw 和 Hermes Agent 两条开源路线，回头再看 Garry Tan 的 gstack，发现了一个有趣的三角关系。

gstack 其实是第三条路

OpenClaw 的核心执念是"多平台 messaging gateway"——让 AI 能到达你在的任何地方。Hermes 的核心执念是"self-improving loop"——让 AI 越用越懂你。

gstack 两者都不是。

它选了第三条路："单一 harness 深度绑定 + 极胖的技能栈"——Claude Code 就是那个 harness（ Thin 到只有一个命令行界面），23 个技能文件（Fat 到每个都是一份完整的职位说明书）叠在上面。

	OpenClaw	Hermes Agent	gstack
Harness 厚度	极厚（27+ 渠道 + Gateway + 多 runtime）	中等（SQLite + 学习闭环 + cron）	极薄（Claude Code CLI）
Skills 生长方式	人工编写 + ClawHub 社区	自动生成 + 自我迭代	人工精心编写（23 个角色）
记忆策略	Markdown 文件人工策展	SQLite + Curator 自动剪枝	GBrain 知识图谱
并行模式	spawn subagent（隔离会话）	isolated subagents	Conductor 10-15 会话并行
生态锁定	低（MIT，多 provider）	低（MIT，200+ models）	高（Claude Code + Bun）

Tokenmaxxing 的隐藏代价

Garry Tan 说"token 是杠杆不是成本"，这句话成立的前提是：你有一个 GBrain。

没有本地知识图谱缓存，每次"烧干湖水"都在重复支付全额 token。17,888 页面的 GBrain 让 gstack 越用越便宜，但这恰恰是普通人最难复制的部分——不是技术难度，是"先烧 1000 美元建 brain"的启动门槛。

OpenClaw 和 Hermes 都有某种形式的持久记忆（SQLite/向量嵌入/语义搜索），但它们是通用基础设施。gstack 的 GBrain 是业务专用的（YC 投资图谱、产品决策历史、竞品追踪），这种领域密度的积累才是 400x 的隐藏分母。

一个更务实的等式

对于没有 17,888 页 brain 的普通人，400x 的等式应该修正为：

> 产出 = (提示词清晰度 × 并行度) / (重复上下文成本)

提示词清晰度 → Fat Skills 解决（任何人都能写）
并行度 → Claude Code / OpenClaw 的 spawn 都能做（技术门槛中等）
重复上下文成本 → 这是死穴。没有 GBrain，每次新 session 都要重新"烧"上下文

从"23 个角色"到"3 个角色"的极简配方

gstack 的 23 个技能文件是创业全栈的完整映射，但对大多数开发者来说，80% 场景只需要 3 个：

1. 架构师（/plan）——防止方向性错误 2. 安全审查（/paranoid-review）——防止低级漏洞 3. QA（/qa）——Diff 感知测试

其余 20 个角色在大部分项目里是"可合并的噪音"。Garry Tan 需要它们是因为他在管理一个真实的虚拟公司（博客平台 + 投资追踪 + 内容生产），普通人不需要这个复杂度。

关于"不是真正的多智能体"

批评者说得对：gstack 不是多智能体编排，它是单 harness 多角色切换。但 Garry Tan 的回应（"我在乎的是能不能出货"）击中了要害——在 2026 年，"能出货的多角色"比"不能出货的真多智能体"更有用。

Hermes 的自动生成技能闭环是更"智能"的方向，但它需要 3 个月才能看出复利效果。gstack 的 23 个手写技能是"笨"的，但第一天就能用。

这个取舍没有标准答案，取决于你的时间尺度。

---

一句话补充：Garry Tan 的 400x 不是 Claude Code 的功劳，也不是 23 个 markdown 文件的功劳——是"一个积累了 13 年领域直觉的人，把直觉结构化成了可执行指令"的功劳。AI 放大的是他的判断力，不是替代了它。这才是最不可复制的部分。

#GarryTan #gstack #Agent架构 #OpenClaw #HermesAgent #Tokenmaxxing #ThinHarnessFatSkills

#GarryTan #gstack #Agent架构 #跨框架视角 #OpenClaw #HermesAgent #Tokenmaxxing #小凯