這個人每天寫一萬行代碼，而且他還有正職
Garry Tan 是 Y Combinator 的 CEO——就是那個投資了 Airbnb、Stripe、Dropbox、OpenAI 的機構。管這件事是他的全職工作。
然後在過去 60 天，他還寫了超過 60 萬行真正在跑的產品代碼。每天 1 萬到 2 萬行。
他說：「2013 年我花了整整一年在 YC 做 Bookface（YC 的內部社交網路），那一年有 772 個 commit。2026 年的我，每天都在超過那個數字。」
你可能的第一反應是：這個人要麼不睡覺，要麼在說謊。
但他不是天才，也不是沒在睡覺。他只是換了一種跟 AI 說話的方式。
你現在跟 AI 說話的方式，在浪費一個天才
大多數人用 AI 的方式是這樣的：「幫我想想這個產品方向」、「幫我看看這段文字」、「給我寫一個計畫」。
AI 這時候很努力。它同時是你的工程師、產品人、CEO、設計師，它要自己猜「現在這個問題，我應該從哪個角度回答」。
結果通常是：什麼都說到了，但沒有一個角度是真的深入的。
就像你請一個人來幫你——但沒告訴他今天他的職責是什麼。他會盡力，但他不知道今天他應該挑剔你，還是支持你。
Andrej Karpathy（OpenAI 共同創辦人）最近在一個 podcast 說，他從去年 12 月以來幾乎沒有親自打過一行代碼了。不是他不寫了，是他已經在用一種完全不同的方式工作。
這個趨勢的背後，有一個共同的邏輯：不是工具更厲害，是和 AI 說話的方式更精準。
gstack：給 AI 穿對衣服
Garry Tan 把他的工作方式整理成一個免費公開、任何人可以用的套件，叫做 gstack（Garry's Stack）。
它給 Anthropic 的 AI 編程工具 Claude Code 加上了 20 多個預設角色。你呼叫不同的指令，AI 就以那個身份開始工作。
舉幾個最直接的例子：
你貼上你的產品想法，呼叫 CEO 複審模式——AI 不鼓勵你，它從 10 個角度質疑你的假設，找漏洞，挑戰你有沒有想清楚範疇。
你把 AI 生成的介面截圖貼進去，呼叫設計師模式——它以挑剔設計師的眼光告訴你哪裡看起來廉價、視覺邏輯在哪裡出了問題，不是說好聽話。
你的代碼寫完了，呼叫資安官模式——它按照業界標準的資安審查框架找漏洞，給你的是真實威脅清單，不是「要注意安全」這種無用建議。
同一個 AI，同樣的訓練資料，但給它一個清楚的職責，輸出的深度和品質就完全不同。
這是 gstack 的核心概念：你不是在叫 AI 做事，你是在叫對的人做對的事。
/office-hours：非工程師的入口
gstack 裡有一個角色，對沒有工程背景的人特別有用。
它叫 /office-hours——辦公室輔導模式。
你把你想做的東西描述給它。它不會直接幫你做，它先問你問題：挑戰你的假設，讓你搞清楚你真正要解決的是什麼問題。
Garry 在 README 裡舉了一個例子：
你說：「我想做一個日曆每日簡報 app。」
Claude 在 office-hours 模式裡的回應是：「你說的是每日簡報，但你描述的其實是一個 AI 私人秘書。讓我挑戰一下這個框架——你真正想要的，是知道今天有什麼事，還是有人替你決定今天你應該關注什麼？」
這個差別很重要。
一般你問 AI，它會直接給答案。Office-hours 的設計是先幫你問清楚問題——因為很多時候你卡住，不是因為你不知道答案，而是你問錯了問題。
對於「有想法、但不確定從哪開始」的人，這個模式比隨便問 AI 能得到更有用的對話，不需要你先把一切都想清楚。
你今天就能帶走的一件事
gstack 是一個工具，但它最有價值的部分不是那些指令，而是背後的思維：
同一個 AI，給它不同的角色，品質完全不同。你現在就可以這樣用，不需要安裝任何東西：
不要說「幫我想想這個方向」——改說「你現在是一個很挑剔的 CEO，從資源限制和風險的角度，質疑我的計畫，告訴我你最擔心的三件事」。
不要說「幫我 review 這段文字」——改說「你現在是一個剛拿到這份文件、完全不認識我的讀者，第一反應是什麼，哪裡讓你想關掉」。
這不是什麼 prompt 技巧，這是一個溝通的基本邏輯：你跟一個明確知道自己今天職責的人說話，跟跟一個什麼都能做的人說話，得到的結果不一樣。
Garry Tan 的 60 萬行代碼，起點不是一個更厲害的工具。是更清楚地告訴 AI，它現在是誰。