夜雨聆风开篇：你的"公司记忆"散落在哪
你一个人开公司，是不是经常这样：
客户上个月说"方案可以，细节我发你邮箱"，现在你翻遍 5 个工具，也找不到那封邮件。上周答应客户的跟进，客户上次到底说了什么，散落在微信、邮件和三个文档里。你踩过的坑、做过的决策、改过的方案，只有你自己知道在哪里。
更麻烦的是另一件事：你今天用的 AI 助手，明天换一家公司，你积累的东西可能就归零了。
这次 YC 总裁 Garry Tan 在大会上的演讲，讲的就是这两件事的解法。演讲名叫《Own Your Intelligence》。它还顺带提出了一个很多人没想过的问题：你每天喂给 AI 的那些"公司记忆"，最后到底归谁？
先说背景，一句话带过：Garry Tan 是 YC（Y Combinator）现任总裁。YC 是全球最知名的创业加速器，投出过 Airbnb、Stripe、Reddit、OpenAI。这场 42 分钟的主题演讲，台下坐着 7000 个创始人，被看作他对"个人 AI 助手应该长什么样"最完整的一次阐述。
一、核心判断：模型是租来的，上下文是你的
Garry 的整场演讲，其实只讲了一句话：
你的 AI 助手应该归你所有，而不是归那家公司。
拆开看，这句话由三部分组成：
前沿模型（租来的、越来越便宜） + 你的上下文（独有的、属于你的） + Harness（把两者串起来的工具外壳） = 一个像"快进版你"的 AI 助手 
先解释两个词，后面都会用到。
上下文，是这篇文章最核心的词。简单说：你电脑和笔记里那些 AI 默认看不到、只有你有的东西——过去的决策、客户对话、踩过的坑。Garry 在这里指的不是技术术语，而是"别人拿不走的那些数据"。
Harness，是行业术语，指运行 AI 助手的工具外壳。常见的有 OpenClaw、Hermes Agent、Claude Code、Codex。它的作用，是把通用 AI 模型和你自己的上下文接到一起。可以理解成 AI 助手的"操作系统"。
Garry 的判断可以压成一句：
模型是租来的，越来越便宜；上下文是你的，越来越值钱；AI 助手真正的价值，在属于你的那一部分。
为了讲清楚这件事，他把 AI 助手分成了两种：
"一种是消费品，另一种是你建造的资产。"——Garry Tan
注意：两者的差别不在模型（可以是同一个模型）、不在工具、不在订阅价格，而在谁拥有上下文：
通用助手用的是全网都有的知识； 你专属的助手，用的是只有你脑子里才有的那部分——你过去的笔记、邮件、决策记录、和客户沟通的过程。
模型会变，工具会迭代。但属于你的那一部分上下文，任何一家公司、任何一个新版本模型，都不会自动拥有。
二、为什么这个判断成立：一个被永久除名的哲学家
Garry 论证这件事的方式很特别——他讲了 17 世纪哲学家斯宾诺莎（Baruch Spinoza）的故事。
1656 年，23 岁的斯宾诺莎被阿姆斯特丹犹太社群永久除名。他所在的社群一世纪发过大约 40 道禁令，只有这一道没有任何"悔过即解除"的条款——至今仍未撤销。
他犯了什么罪？"邪恶见解、表达被禁止的思想"。
社群在咒逐他之前，曾试图用每年 1000 荷兰盾收买他——那在当时是一笔大钱。条件只是：偶尔去会堂露个面，然后闭嘴。
他拒绝了。"我想要的是真理，不是安逸。"
之后，他白天磨镜片，做光学仪器；夜晚独自写欧洲最危险的一本书——《伦理学》。这本书他活着时不敢出版。44 岁死于玻璃粉尘后，遗稿被运到阿姆斯特丹出版。
讲这个故事，Garry 不是要谈哲学，他做的是类比：
400 年前，人们用"上帝"指代一个坐在宝座上的君王；400 年后的今天，我们用"AGI"指代一个"数据中心里的神"，等着它某天降临、某次公告、某道门槛。
斯宾诺莎要说的是：神不是端坐宝座的君王，神弥漫于一切存在之中。 Garry 要说的是：AGI 不是某天降临的事件，而是已经弥漫在你手边的能力。它看上去不像神，更像基础设施——一个终端窗口、一堆 markdown 文件、一份你睡醒就完成的活儿。
"AGI 不是作为一个事件降临的，它正以更分散的方式到来——成为你的智能体，跑在你的上下文里，替你干活。"——Garry Tan
斯宾诺莎的故事在这里承担一个论证功能：别人拿不走的那部分，才真正是你的。他靠磨镜片和写作，把思想留了下来。你的 AI 助手也一样：只有在"你的上下文"里跑起来，才可能成为"快进版的你"。否则，它只是一个用完就归零的通用工具。
道理讲到这里，最实际的问题是：那怎么建？
三、5 步路径：把"上下文"建成你公司的核心记忆
Garry 演讲里最实操的部分，是一套 5 步路径。他自己说：
"如果你照我接下来 6 分钟讲的做，你就能跑赢 99% 那些只是'点头'听完了这场演讲的人。"
5 步走完，90 天后你会有：自己的"公司记忆库"、十几个跑得起来的技能文件、可能还有一两个别人开始追着要的工具。
3.1 第一步：选一个 Harness，在你机器上跑起来
Garry 自己用的是 OpenClaw + Hermes Agent + GBrain 的组合。GBrain 是他自己开源的"个人上下文知识库"工具，免费。
但他特意强调：
"我一向推荐'法拉利'，但说实话，'本田'也真的很好。Codex、Claude Code——不管用哪一个，都能覆盖 99% 的事。"
选型重点不在工具本身，而在三条判断标准：
能不能跑在你自己的机器上（数据由你控制）； 上下文能不能导出、迁移（换工具不归零）； 能不能接定时任务（为第四步做准备）。
对一人公司来说：不要等"完美选择"，今天装一个能跑起来的，就完成了这一步。
3.2 第二步：建一个文件夹，导出你过去几年的笔记和邮件
不要追求完美，一个 markdown 文件夹就行。
具体动作：
导出你的笔记（Notion、Obsidian、印象笔记、飞书文档都行）； 导出你的邮件； 写一页关于每个项目、每个共事的人——你们在共建什么、对方在意什么、你欠他们什么、上次他们说了什么。
"这些东西，地球上没有任何一个模型拥有，因为它只存在于你脑子里。"——Garry Tan
Garry 自己沉淀了 25 年，22 万页 markdown，最初就是一个文件夹。"没人会先建好一整座仓库，都是先建一个书架。"
对一人公司来说：这一步把"导出笔记"从个人习惯升级成了工程动作。今天就可以做的最小动作：导出你最近 3 个月的笔记，放进一个新文件夹。注意隐私边界——只导出你确认可以进入 AI 的数据；涉及客户、合作方、个人信息的内容，先脱敏再放。
3.3 第三步：写第一个 Skill 文件
Garry 举了一个真实例子，他有一个 Skill 文件写的是：
当一段会议录音进来，把它转写出来，并标注发言人。抽出里面做出的承诺、谁做出的、截止时间。把每个被提及的人跟知识库里的档案做交叉核对。如果新内容跟既有认知相矛盾，标出来，不要直接覆盖。
就这样。一个 Skill 文件 = 一页 markdown + 一个聪明的实习生。
Garry 给出了判别标准：
"如果一个聪明的实习生能照着做，那智能体就能跑。"
写什么？挑你每周最讨厌的那件事——周报、报价单、客户跟进、合同初稿、竞品调研。用大白话讲给 AI 助手听，就像跟第一天上班的聪明朋友解释一样。让它先犯错，再纠正。每一条规则、每一个例外、每一个"哦对了"，都写进去。
对一人公司来说：这一页纸，从此就是一个"员工"了。今天可以做的：把一件每周必做的重复任务，用 200 字写成一段指令，存成你的第一个 Skill 文件。
3.4 第四步：接成定时任务，让它在睡梦中跑
第一个 Skill 跑通以后，把它接成定时任务。可以每天早上 7 点跑一次，每周五跑一次，也可以设在你工作流里任何一个固定节奏的时间点。
Garry 用了一个很具体的描述：
"第一次你在睡醒后发现工作已经在你睡觉时做完了的那一刻——你脑子里的什么东西会永久地挪动一下。"
对一人公司来说：这一步等于你多了一个"夜班员工"。今天可以做的：给第三步的 Skill 挂一个最简单的定时触发，跑通一次。
3.5 第五步：永远不做一次性工作
这是 Garry 区分"复利积累者"和"浅尝辄止者"的那条纪律。
大多数人用 AI 助手跑一次操作，然后关掉窗口、随手扔掉上下文。Garry 反对这种用法：
"请在每一次任务结束时，让 AI 助手把刚才做的事 skillify 一下。"
也就是把这一次成功的操作，沉淀成一个可以反复调用的 Skill 文件。下次遇到类似任务，调出来，改改参数就跑。
Garry 套用他在 YC 常说的那句话：
"如果你得把一件事说两遍，你就失败了。"
对一人公司来说：5 步走完，你的"公司记忆"开始自动增长。每一次操作都是资产，每一次任务都让系统更懂你的业务。今天可以做的：下次让 AI 完成任何任务后，多问一句"这段操作怎么沉淀成一个 Skill"。
四、冷静判断：哪些是真的、哪些被高估、哪些在国内不一样
Garry 的演讲我重读了两遍。对一人公司创业者来说，有些话是真的，有些话被高估了，有些话要结合国内环境看。
4.1 真的部分：上下文就是公司的记忆
Garry 的原话：
"做出 2 倍产出的人和做出 100 倍产出的人，用的是同一款 Claude、同样的权重、同样大小的上下文窗口、同一个 API。杠杆不在权重上——杠杆在于你喂给它的上下文。"
这意味着：你过去所有的业务记录——客户的对话历史、决策的过程、踩过的坑——现在有了第二价值。以前是给自己复盘用的，现在还可以喂给你的 AI 助手。"导出笔记"这件事，从个人习惯升级成了工程动作。客户为什么选你，AI 助手甚至能基于几十次对话记录，回答得比你还全。
4.2 谨慎看的部分：400 倍的真相
Garry 自己在演讲里说：
"今年我全职做 YC，同样的大脑、同样的小时数、外加下午 5 点要去接娃。我把自己的产出算了一下，是 2013 年的大约 400 倍。"
然后他自嘲式地给自己打了一个折："就算按最保守的底线，那也是 4 倍；如果按中位估算，则是 10 倍。"
我的判断：参考这个数字要非常小心。
这是 YC 总裁 + AI 工具重度用户 + 硅谷生态的数据； 对普通一人公司，实际能拿到的大概率是 3—10 倍，不是 400 倍； "400 倍"和"4 倍"之间的距离，就是两件事的距离：你有没有一套持续运转的 Skill 文件？有没有一个持续维护的上下文知识库？
Garry 也提到，YC 投资组合里 "Winter 25" 那一批，有 1/4 的公司代码库 95% 是 AI 生成的。但这代表的是"最会用的那一批"，不是所有用 AI 工具的人都能达到。
不要把 400 倍当目标，把"3 个月后跑通 5 步路径"当目标。 前者是新闻，后者是工程。
4.3 国内环境的实际差异
Garry 演讲默认面对的是硅谷环境。对国内一人公司，至少有三个差异：
工具选择少、访问不稳定。Claude Code、Codex、OpenClaw 等都依赖海外服务，国内访问并不稳定。Trae、Qwen Code 等国内替代正在追赶，但成熟度仍有差距。 上下文载体不同。你的笔记、邮件、决策记录是中文的，模型在中文上的表现和英文仍有差距，特别是专业领域术语的理解。 隐私边界不同。把"我的人生/公司的所有数据"装进一个 AI 上下文，国内用户对数据出境、本地化存储、合规边界的敏感度，比硅谷用户高得多。
这三条都是工程问题，有解法，不影响 Garry 整套判断的方向。但没人替你做——需要自己跑一遍，根据实际环境调整。尤其是隐私边界：哪些数据能进、哪些不能进，必须自己判断，不要一股脑全部装进去。
4.4 一个被故意放慢的判断
Garry 演讲里有一个政治性的判断，他特意放慢节奏讲：
"我相信 Skill 文件属于你。拥有你自己的 Skill——因为如果你不拥有，你的工作就会变成别人手里的一份 Skill 文件。"
他用一个虚构工程师 Maya 的故事讲这件事。两年内，她教 AI 助手跑了 40 个 Skill。这些技能包括：凌晨 2 点怎么分诊 P0、怎么安抚要流失的客户、复盘怎么写才能避免下次事故。
版本 A：文件住在她自己的文件夹。换工作带走。她拥有一份能复利累积的职业。 版本 B：文件住在公司的 SaaS 平台。离职时一无所有。她的"职业"实际上是一次"萃取"。
同一个人、同一批文件，只差一个变量：谁控制它。
Garry 讲的两个故事——斯宾诺莎 1656 年、Maya 2026 年——说的是同一件事。你的认知第一次可以被萃取、存储、版本管理、被拥有。唯一的问题是，归谁所有。
对一人公司来说，这个判断尤其重要：因为你的"团队"就在这套 Skill 文件里。如果你不拥有它，换工具、换模型、换平台的那天，就等于公司从零开始。
结尾：今天就能做的 3 件事
不绕了，说三个你现在就能做的动作：
建一个文件夹：把你最近 3 个月的笔记、邮件导进去（涉及客户和合作方的，先脱敏）。 写第一个 Skill 文件草稿：挑一件你每周最讨厌的重复任务，用 200 字写成一段指令。 选一个 Harness 装起来：不用纠结选哪个，满足"能跑在你机器上、数据能导出、能接定时任务"就够。
回到开头那个问题：你每天喂给 AI 的"公司记忆"，到底归谁？
Garry 的答案，也是这篇笔记最想留下的一句话：
模型是租来的，上下文是你的。
本文基于 Garry Tan 公开演讲《Own Your Intelligence》整理。引用均来自演讲原话，判断部分为作者个人观点，仅供参考。