YC CEO：顶级 Builder 已经开始用 AI 做 400 个工程师的活丨Y Combinator

YC CEO：顶级 Builder 已经开始用 AI 做 400 个工程师的活丨Y Combinator YC CEO：顶级 Builder 已经开始用 AI 做 400 个工程师的活丨Y Combinator Modified May 10 🔗 原文链接： https://mp.weixin.qq.com/s/xCH32BHw... 原创 Capihom Capihom 晚点再听LaterCast2026年5月10日 20:46 北京 我们每天为你更新硅谷最新的 AI 创业与科技播客总结，让你与前沿保持同频。 全文约 3900 字，如果你现在没有时间，试试转成播客稍后再听 "我突然开始做相当于那一年 400 倍的工作量。" "如果有增量工作能让东西更完整、更好，你就应该 token max。" "你可以通过借用机器的时间，获得近乎无限的时间。" Gary 是 YC CEO，日程极满，却在最近几个月用 Claude Code、GStack、GBrain 和一套自己的 Agent 工作流，写出数十万行代码，开源项目从零做到 GitHub 10 万 star 级别。主持人说，很多人不相信这可能发生；他们在旁边看到了全过程。工程师、创业者和产品负责人读这期，不会只听到一句“AI 很强”，而会看到一个忙到只剩碎片时间的人，怎样把想法、上下文、测试、QA 和多模型 review 串成一条生产线。 13 年没写代码后，他重新开了 Claude Code Gary 说自己已经 13 年没有认真写代码。转折来自 Gary's List：他想为加州和旧金山议题做一个组织人、写文章、汇集观点的网站。这个需求很个人，和他小时候在公立学校学数学的经历有关。于是他重新打开 Claude Code，把当年 Posterous 的博客产品又做了一遍。第一次 Posterous 花了约 400 万美元、六七个人、18 个月；后来 Posthaven 花了约 10 万美元、两个人、几个月；这次他用 Claude Code Max 账号，花 200 美元和大约 5 天，做出带 RAG、agentic retrieval 和深度研究能力的博客系统。 "第一次花了 400 万美元和一年半，这次花了 200 美元和 5 天。" Gary's List 也不是普通发布工具。它会像调查记者一样读几十篇文章、书和 X 上的讨论，整理引用、争议和背景，再写成长文。他从 Casetext 创始人 Jake Heller 的 agentic system 里学到一个方法：先想清楚人类如果做这项研究会去哪里找资料，再让 Agent 用 API 和搜索把上下文尽可能收满。 他把“写文章”拆成了收集、交叉验证、提炼和发布四个可自动化环节。 他不是为了做一个演示项目才写 Gary's List。旧金山公立学校里七八年级学生很难上代数课，这件事让他有强烈的个人痛感。他说，如果自己当年没在东湾公立学校学到代数，可能不会去斯坦福学工程，也不会写代码。需求足够具体，Agent 才有清楚方向：网站要组织人、写议题文章、搜集论据，还要服务一场真实的公共行动。 Tokenmaxxing 不是炫技，是把海烧开 Gary 反复提到一个词：boil the ocean。它在这期里有很具体的含义：Agent 软件里，别再按人类手工时代的省力方式做研究。过去人要花一个月读完的材料，现在可以花更多 token，让机器读 20 个来源，标出 13 个一致观点和 7 个反对观点，再把全部上下文喂进核心 prompt。 如果增量 token 能换来更完整、更接近现实的结果，他主张直接花。 "如果有增量工作能让东西更完整、更好，你就应该 token max。" 主持人把 token spend 类比成 YC 创始人在旧金山租房。很多创始人嫌贵，但 YC 常说，在正确的地方花房租能买到密度和偶遇；tokenmaxxing 也是类似成本。Gary 认可这个类比：如果一天花 500 美元 token 能帮你做出真正有价值的东西，它更像“房租”，不该像办公桌和沙发那样省。这里的判断很实用：省 token 可能省掉的是上下文、测试、分支尝试和质量。 他给创业者的提醒也很直接：YC 常说好点子来自“live in the future, build what is missing”。Tokenmaxxing 是这个原则的新版练习。创始人如果愿意把一天 500 美元 token 看成一次认真试验，就会更早碰到未来的工作方式。省钱当然重要，但省在最能放大判断力的位置，团队会错过学习速度。 GStack 从 Apple Notes 里的重复提示开始 GStack 的起点很低技术。Gary 发现自己在 Claude Code 里反复输入同样的话，就把这些内容写进 Apple Notes。最早的提示包括 plan review、架构检查、代码质量、测试等。他还喜欢让 Claude 在开工前先画 ASCII 图：数据流、输入输出、用户路径、错误信息、状态机、依赖图、处理管线、决策树。画完图以后，模型更容易把上下文装进脑子，工作也更完整。 "开工前先画数据流、状态机和用户路径，模型会做得更完整。" 后来他把这些提示扩展成 CEO plan。里面有 Brian Chesky 的 10 star experience 方法：不要只问五分体验，要继续问六星、七星、八星、十星是什么。Gary 还放了一个 10x check：什么方案能用 2 倍努力交付 10 倍价值。 他的流程会先让 Agent 按产品、设计、工程和测试多轮审稿，再进入实现。 这一步把“品味”前置了，避免模型一上来就生成一堆看似完整、实际方向偏掉的代码。 15 个功能排队，逼出了浏览器 QA Gary 展示了自己的 Conductor 工作流：有新想法就排进去，用 CEO skill 做规划，用测试 skill 把测试补足，必要时跑设计 review、开发者体验 review，再批准执行。48 小时内，他可以丢出 13 个 PR。问题也很快出现：十几个功能都通过了 unit test、integration test 和 end to end test，但最后仍要人工打开 Rails server，切换到某个用户配置，手动确认页面真的能用。 "我有 15 个功能都排着队，等我手动测试。" 他受不了这个瓶颈，试过 Chrome MCP，觉得每一轮慢两三秒，不适合 QA。于是他让 Claude Code 去封装 Microsoft Playwright，做出 browse / QA 相关工具：看当前分支改了什么，如果有 UI 或数据变更，就打开浏览器跑一遍。这个细节比“400 倍代码量”更重要。Gary 的速度来自一层层消灭等待：规划等待、测试等待、浏览器验证等待，都被工具化。 这套 QA 工具后来能像黑盒浏览器一样工作：读当前分支的上下文，判断是否涉及界面或数据变更，再自己打开页面检查。Gary 还把 bug fix 和大功能放在同一个队列里处理。对普通团队来说，这里有个很现实的启发：先别急着复制他的全套系统，先找到每天最拖慢自己的那个手动确认环节，把它变成 Agent 能跑的检查。 他展示的队列里，既有新功能，也有很小的 bug fix。这个混放方式很像一个被 Agent 扩大的个人研发团队：CEO skill 负责把想法拉高，developer experience review 负责看别人怎么用，QA 负责浏览器，Codex 负责挑错。人类不再逐行写所有代码，但要决定哪个反馈值得进队列，哪个 PR 可以合并，哪个方案需要退回重做。 Claude 做 ADHD CEO，Codex 做 200 IQ CTO Gary 原本是 Claude Code 重度用户。后来在 YC 校友活动里，他听到不少人更喜欢 Codex，于是开始理解两类工具的分工。他形容 Claude Code 像 ADHD CEO：善于拉开想象空间、推进产品、组织工作；Codex 像 200 IQ 但几乎不说话的 CTO，适合处理更硬、更复杂的问题。GStack 里有 ，会把当前计划或仓库交给 Codex 找 bug，再把反馈带回 Claude Code 里逐项处理。 "Claude Code 适合 ADHD CEO，Codex 像 200 IQ 的 CTO。" 他也反过来做了 ：如果你主力用 Codex，可以让 Claude 短暂进来当 CEO。整套流程很强调 ask user question。Gary 说，人类 operator 仍然要提供自己知道的东西：正在建什么、为什么建、什么算对、哪里不能乱动。 他不想完全退出循环，只想让机器做自己不想做的部分。 QA、重复验证、找边界 bug、跑测试，就是最先被机器接过去的部分。 Markdown 也是代码，测试要到 80% 以上 Gary 对 agentic engineering 的一个判断很有意思：Markdown 也是代码，只是编译方式不同。很多人把应该写在 markdown 里的东西硬塞进代码，结果代码很脆，处理不了特殊情况。比如婚礼策划的 checklist，可以用自然语言描述怎么做；但打 20 个电话给场地，就应该接 Twilio 这类确定性动作。今天工程师的新工作，是决定哪些放在 LLM 的 latent space，哪些放在确定性代码里。 "Markdown 其实也是代码，只是用另一种方式编译。" 另一个硬要求是测试。Gary 一开始也像很多人一样，只写最低限度测试，因为写测试不有趣。后来他发现 vibe coding 的 80% case 很容易跑起来，但用户一碰就倒。他现在认为 100% 覆盖可能太多，80% 到 90% 是更好的实践。没有测试就把用户扔进去，他直接称为 slop，而且比人写的烂代码更危险，因为你不知道它会在什么边界坏掉。 这也解释了“400x 代码量”为什么会引发争议。Gary 承认行数不是完美指标，但他后来用工具去掉空行和注释，计算 logical lines of code，结果倍数反而更高。重点不在行数本身，而在可测试、可运行、可交付的产出门槛被抬高了。越懂技术、越有品味的人，越应该让 Agent 承担更多机械劳动。 现在像开法拉利，但你得会修车 Gary 形容现在使用 OpenClaw / agentic 工具像开法拉利：非常刺激，机器能解决你没想到它能解决的问题，而且速度极快；但它也会在你最需要的时候坏在路边，你必须带着扳手下车修。这个类比很贴当下。工具已经能带来超高杠杆，但仍然需要懂系统的人维护、排错和判断边界。它更像 Homebrew Computer Club 的 Apple I：木盒、面包板、钉子和胶带拼出的个人电脑，粗糙但预示了下一代平台。 "这像一辆法拉利，但你最好也是个机械师。" 他还把 Claude Code 的体验和 Stack Overflow、ChatGPT 做了连续比较。Stack Overflow 时代，开发者查答案；ChatGPT 时代，复制代码、运行、再把错误贴回去；Claude Code 往前推了一步，省掉复制粘贴，直接执行和修复。OpenClaw 这类工具还会把自己弄坏，但另一个 Agent 可以坐在旁边修。 脆弱性没有消失，只是修复成本被大幅压低。 个人 AI 的控制权，会成为分水岭 Gary 最后把话题拉到个人 AI。他认为未来每个人都会有自己的 AI，问题在于它到底属于谁。你可以拥有自己的数据、集成、prompt 和可见的工作流；也可以把一切交给某个被公司控制的 feed，就像没人知道 Facebook 算法到底为谁服务。他说，个人电脑革命给人的礼物，是每个人可以拥有自己的计算机；个人 AI 革命也会提出同样的问题：你愿不愿意写自己的 prompt，掌握自己的工具。 "问题是，你控制工具，还是工具控制你。" 这也解释了他为什么愿意花 token。主持人问，YC CEO 的时间稀缺，是否反而逼他学会自动化。Gary 说自己羡慕“时间亿万富翁”，孩子和创业早期的人都有大量时间；而他想让每一刻都有价值。Tokenmaxxing 让他借用机器的时间，获得“机器意识”的数百万年。说得夸张一点，人不再只能花自己的时间完成工作，而是可以购买、编排和验证机器时间。 创业者听到这里，会很容易联想到自己的日程。时间最贵的人，最需要把重复劳动交给机器；时间最多的人，也可以用机器时间更快试错。Token 的意义不只是生成更多文本，而是把一个人能同时推进的探索数量放大。 他把 Boris Cherny 的一句话当成心理触发点：Anthropic 团队已经不写一行代码。Gary 坐在 Boris 旁边时意识到，自己和屏幕前的普通 builder 也有同一个 prompt、同一台 MacBook Pro、同一批模型。差别不在入口，而在是否愿意把机器时间组织起来，用在自己真正关心的事业上。 写在最后 Gary 这期最有价值的地方，是把 AI 工作法拆得很细：多花 token 收上下文，先画图再动手，强制测试，浏览器 QA，Claude 和 Codex 分工，人负责目标和判断。先从一条重复工作流开始，把它做成可验证的 Agent，你会更快知道自己该省哪里、该大胆花哪里。工具会变，方法可以先练起来。 内容来源："Tokenmaxxing: How Top Builders Use AI To Do The Work Of 400 Engineers"丨Y Combinator 原视频：https://www.youtube.com/watch?v=57lDpTwiW6g 如果你喜欢深度好文，试试用小程序将不方便立刻阅读的文章转成播客，用「听」的方式，稍后阅读，不再错过好文章⇣ ⇣ 关注我，每天为你更新硅谷最新的 AI 创业／科技播客总结，让你与前沿保持同频 ⇣ https://mp.weixin.qq.com/s/xCH32BHw... 🔗 原文链接： https://mp.weixin.qq.com/s/xCH32BHw... https://mp.weixin.qq.com/s/xCH32BHw... 原创 Capihom Capihom 晚点再听LaterCast2026年5月10日 20:46 北京 我们每天为你更新硅谷最新的 AI 创业与科技播客总结，让你与前沿保持同频。 全文约 3900 字，如果你现在没有时间，试试转成播客稍后再听 "我突然开始做相当于那一年 400 倍的工作量。" "如果有增量工作能让东西更完整、更好，你就应该 token max。" "你可以通过借用机器的时间，获得近乎无限的时间。" Gary 是 YC CEO，日程极满，却在最近几个月用 Claude Code、GStack、GBrain 和一套自己的 Agent 工作流，写出数十万行代码，开源项目从零做到 GitHub 10 万 star 级别。主持人说，很多人不相信这可能发生；他们在旁边看到了全过程。工程师、创业者和产品负责人读这期，不会只听到一句“AI 很强”，而会看到一个忙到只剩碎片时间的人，怎样把想法、上下文、测试、QA 和多模型 review 串成一条生产线。 13 年没写代码后，他重新开了 Claude Code Gary 说自己已经 13 年没有认真写代码。转折来自 Gary's List：他想为加州和旧金山议题做一个组织人、写文章、汇集观点的网站。这个需求很个人，和他小时候在公立学校学数学的经历有关。于是他重新打开 Claude Code，把当年 Posterous 的博客产品又做了一遍。第一次 Posterous 花了约 400 万美元、六七个人、18 个月；后来 Posthaven 花了约 10 万美元、两个人、几个月；这次他用 Claude Code Max 账号，花 200 美元和大约 5 天，做出带 RAG、agentic retrieval 和深度研究能力的博客系统。 "第一次花了 400 万美元和一年半，这次花了 200 美元和 5 天。" Gary's List 也不是普通发布工具。它会像调查记者一样读几十篇文章、书和 X 上的讨论，整理引用、争议和背景，再写成长文。他从 Casetext 创始人 Jake Heller 的 agentic system 里学到一个方法：先想清楚人类如果做这项研究会去哪里找资料，再让 Agent 用 API 和搜索把上下文尽可能收满。 他把“写文章”拆成了收集、交叉验证、提炼和发布四个可自动化环节。 他不是为了做一个演示项目才写 Gary's List。旧金山公立学校里七八年级学生很难上代数课，这件事让他有强烈的个人痛感。他说，如果自己当年没在东湾公立学校学到代数，可能不会去斯坦福学工程，也不会写代码。需求足够具体，Agent 才有清楚方向：网站要组织人、写议题文章、搜集论据，还要服务一场真实的公共行动。 Tokenmaxxing 不是炫技，是把海烧开 Gary 反复提到一个词：boil the ocean。它在这期里有很具体的含义：Agent 软件里，别再按人类手工时代的省力方式做研究。过去人要花一个月读完的材料，现在可以花更多 token，让机器读 20 个来源，标出 13 个一致观点和 7 个反对观点，再把全部上下文喂进核心 prompt。 如果增量 token 能换来更完整、更接近现实的结果，他主张直接花。 "如果有增量工作能让东西更完整、更好，你就应该 token max。" 主持人把 token spend 类比成 YC 创始人在旧金山租房。很多创始人嫌贵，但 YC 常说，在正确的地方花房租能买到密度和偶遇；tokenmaxxing 也是类似成本。Gary 认可这个类比：如果一天花 500 美元 token 能帮你做出真正有价值的东西，它更像“房租”，不该像办公桌和沙发那样省。这里的判断很实用：省 token 可能省掉的是上下文、测试、分支尝试和质量。 他给创业者的提醒也很直接：YC 常说好点子来自“live in the future, build what is missing”。Tokenmaxxing 是这个原则的新版练习。创始人如果愿意把一天 500 美元 token 看成一次认真试验，就会更早碰到未来的工作方式。省钱当然重要，但省在最能放大判断力的位置，团队会错过学习速度。 GStack 从 Apple Notes 里的重复提示开始 GStack 的起点很低技术。Gary 发现自己在 Claude Code 里反复输入同样的话，就把这些内容写进 Apple Notes。最早的提示包括 plan review、架构检查、代码质量、测试等。他还喜欢让 Claude 在开工前先画 ASCII 图：数据流、输入输出、用户路径、错误信息、状态机、依赖图、处理管线、决策树。画完图以后，模型更容易把上下文装进脑子，工作也更完整。 "开工前先画数据流、状态机和用户路径，模型会做得更完整。" 后来他把这些提示扩展成 CEO plan。里面有 Brian Chesky 的 10 star experience 方法：不要只问五分体验，要继续问六星、七星、八星、十星是什么。Gary 还放了一个 10x check：什么方案能用 2 倍努力交付 10 倍价值。 他的流程会先让 Agent 按产品、设计、工程和测试多轮审稿，再进入实现。 这一步把“品味”前置了，避免模型一上来就生成一堆看似完整、实际方向偏掉的代码。 15 个功能排队，逼出了浏览器 QA Gary 展示了自己的 Conductor 工作流：有新想法就排进去，用 CEO skill 做规划，用测试 skill 把测试补足，必要时跑设计 review、开发者体验 review，再批准执行。48 小时内，他可以丢出 13 个 PR。问题也很快出现：十几个功能都通过了 unit test、integration test 和 end to end test，但最后仍要人工打开 Rails server，切换到某个用户配置，手动确认页面真的能用。 "我有 15 个功能都排着队，等我手动测试。" 他受不了这个瓶颈，试过 Chrome MCP，觉得每一轮慢两三秒，不适合 QA。于是他让 Claude Code 去封装 Microsoft Playwright，做出 browse / QA 相关工具：看当前分支改了什么，如果有 UI 或数据变更，就打开浏览器跑一遍。这个细节比“400 倍代码量”更重要。Gary 的速度来自一层层消灭等待：规划等待、测试等待、浏览器验证等待，都被工具化。 这套 QA 工具后来能像黑盒浏览器一样工作：读当前分支的上下文，判断是否涉及界面或数据变更，再自己打开页面检查。Gary 还把 bug fix 和大功能放在同一个队列里处理。对普通团队来说，这里有个很现实的启发：先别急着复制他的全套系统，先找到每天最拖慢自己的那个手动确认环节，把它变成 Agent 能跑的检查。 他展示的队列里，既有新功能，也有很小的 bug fix。这个混放方式很像一个被 Agent 扩大的个人研发团队：CEO skill 负责把想法拉高，developer experience review 负责看别人怎么用，QA 负责浏览器，Codex 负责挑错。人类不再逐行写所有代码，但要决定哪个反馈值得进队列，哪个 PR 可以合并，哪个方案需要退回重做。 Claude 做 ADHD CEO，Codex 做 200 IQ CTO Gary 原本是 Claude Code 重度用户。后来在 YC 校友活动里，他听到不少人更喜欢 Codex，于是开始理解两类工具的分工。他形容 Claude Code 像 ADHD CEO：善于拉开想象空间、推进产品、组织工作；Codex 像 200 IQ 但几乎不说话的 CTO，适合处理更硬、更复杂的问题。GStack 里有 ，会把当前计划或仓库交给 Codex 找 bug，再把反馈带回 Claude Code 里逐项处理。 "Claude Code 适合 ADHD CEO，Codex 像 200 IQ 的 CTO。" 他也反过来做了 ：如果你主力用 Codex，可以让 Claude 短暂进来当 CEO。整套流程很强调 ask user question。Gary 说，人类 operator 仍然要提供自己知道的东西：正在建什么、为什么建、什么算对、哪里不能乱动。 他不想完全退出循环，只想让机器做自己不想做的部分。 QA、重复验证、找边界 bug、跑测试，就是最先被机器接过去的部分。 Markdown 也是代码，测试要到 80% 以上 Gary 对 agentic engineering 的一个判断很有意思：Markdown 也是代码，只是编译方式不同。很多人把应该写在 markdown 里的东西硬塞进代码，结果代码很脆，处理不了特殊情况。比如婚礼策划的 checklist，可以用自然语言描述怎么做；但打 20 个电话给场地，就应该接 Twilio 这类确定性动作。今天工程师的新工作，是决定哪些放在 LLM 的 latent space，哪些放在确定性代码里。 "Markdown 其实也是代码，只是用另一种方式编译。" 另一个硬要求是测试。Gary 一开始也像很多人一样，只写最低限度测试，因为写测试不有趣。后来他发现 vibe coding 的 80% case 很容易跑起来，但用户一碰就倒。他现在认为 100% 覆盖可能太多，80% 到 90% 是更好的实践。没有测试就把用户扔进去，他直接称为 slop，而且比人写的烂代码更危险，因为你不知道它会在什么边界坏掉。 这也解释了“400x 代码量”为什么会引发争议。Gary 承认行数不是完美指标，但他后来用工具去掉空行和注释，计算 logical lines of code，结果倍数反而更高。重点不在行数本身，而在可测试、可运行、可交付的产出门槛被抬高了。越懂技术、越有品味的人，越应该让 Agent 承担更多机械劳动。 现在像开法拉利，但你得会修车 Gary 形容现在使用 OpenClaw / agentic 工具像开法拉利：非常刺激，机器能解决你没想到它能解决的问题，而且速度极快；但它也会在你最需要的时候坏在路边，你必须带着扳手下车修。这个类比很贴当下。工具已经能带来超高杠杆，但仍然需要懂系统的人维护、排错和判断边界。它更像 Homebrew Computer Club 的 Apple I：木盒、面包板、钉子和胶带拼出的个人电脑，粗糙但预示了下一代平台。 "这像一辆法拉利，但你最好也是个机械师。" 他还把 Claude Code 的体验和 Stack Overflow、ChatGPT 做了连续比较。Stack Overflow 时代，开发者查答案；ChatGPT 时代，复制代码、运行、再把错误贴回去；Claude Code 往前推了一步，省掉复制粘贴，直接执行和修复。OpenClaw 这类工具还会把自己弄坏，但另一个 Agent 可以坐在旁边修。 脆弱性没有消失，只是修复成本被大幅压低。 个人 AI 的控制权，会成为分水岭 Gary 最后把话题拉到个人 AI。他认为未来每个人都会有自己的 AI，问题在于它到底属于谁。你可以拥有自己的数据、集成、prompt 和可见的工作流；也可以把一切交给某个被公司控制的 feed，就像没人知道 Facebook 算法到底为谁服务。他说，个人电脑革命给人的礼物，是每个人可以拥有自己的计算机；个人 AI 革命也会提出同样的问题：你愿不愿意写自己的 prompt，掌握自己的工具。 "问题是，你控制工具，还是工具控制你。" 这也解释了他为什么愿意花 token。主持人问，YC CEO 的时间稀缺，是否反而逼他学会自动化。Gary 说自己羡慕“时间亿万富翁”，孩子和创业早期的人都有大量时间；而他想让每一刻都有价值。Tokenmaxxing 让他借用机器的时间，获得“机器意识”的数百万年。说得夸张一点，人不再只能花自己的时间完成工作，而是可以购买、编排和验证机器时间。 创业者听到这里，会很容易联想到自己的日程。时间最贵的人，最需要把重复劳动交给机器；时间最多的人，也可以用机器时间更快试错。Token 的意义不只是生成更多文本，而是把一个人能同时推进的探索数量放大。 他把 Boris Cherny 的一句话当成心理触发点：Anthropic 团队已经不写一行代码。Gary 坐在 Boris 旁边时意识到，自己和屏幕前的普通 builder 也有同一个 prompt、同一台 MacBook Pro、同一批模型。差别不在入口，而在是否愿意把机器时间组织起来，用在自己真正关心的事业上。 写在最后 Gary 这期最有价值的地方，是把 AI 工作法拆得很细：多花 token 收上下文，先画图再动手，强制测试，浏览器 QA，Claude 和 Codex 分工，人负责目标和判断。先从一条重复工作流开始，把它做成可验证的 Agent，你会更快知道自己该省哪里、该大胆花哪里。工具会变，方法可以先练起来。 内容来源："Tokenmaxxing: How Top Builders Use AI To Do The Work Of 400 Engineers"丨Y Combinator 原视频：https://www.youtube.com/watch?v=57lDpTwiW6g 如果你喜欢深度好文，试试用小程序将不方便立刻阅读的文章转成播客，用「听」的方式，稍后阅读，不再错过好文章⇣ ⇣ 关注我，每天为你更新硅谷最新的 AI 创业／科技播客总结，让你与前沿保持同频 ⇣