Steve Yegge 说用 AI 编程 Agent 的人比普通工程师高效 10x 到 100x，比 2005 年的 Google 工程师高效 1000x。这是真实数字，Garry Tan 见过，自己也在用。但人们听到这个数字后，会去找错的解释：更好的模型、更大的参数。

事实是：用 2x 和用 100x 的人，用的是同一个模型。差距不在智能，在架构。 而这个架构的秘密，一张索引卡就能写下。

3月31日，Anthropic 意外把 Claude Code 完整源码（512,000行）发布到了 npm registry。Garry Tan 把它读完了，验证了他在 YC 一直教的结论：秘密不是模型，是包裹模型的那层东西。

什么是 Harness

Harness 是跑 LLM 的程序，做四件事：循环驱动模型、读写文件、管理 context、执行安全防护。就这样。这是「薄」的部分。

反面模式是「厚 Harness、薄 Skills」：40+ 工具定义吃掉一半 context window；一个 Chrome MCP 做截图-查找-点击-等待-读取需要 15 秒；每个 REST API 端点都包装成独立工具。这些让 token 消耗变成 3 倍，延迟变成 3 倍，故障率变成 3 倍。

你真正想要的是专速工具：每个浏览器操作 100 毫秒，而不是 15 秒。快了 75 倍。软件不需要做得很精巧，只需要做对。

Skill 文件：Markdown 即编程语言

Skill 文件是可复用的 Markdown 文档，教模型怎么做，而不是做什么——做什么由用户决定，Skill 提供的是过程。

最关键的洞察：Skill 文件像一个方法调用。它接收参数，用不同参数调用它，产出完全不同的能力。考虑一个叫 /investigate 的 Skill，有七个步骤：明确数据集范围、建立时间线、对每份文档做标注（diarize）、综合分析、两方论证、引用来源。它接收三个参数：TARGET、QUESTION、DATASET。

用它分析一个安全科学家加 210 万封发现邮件，得到的是判断举报者是否被噤声的医学研究员。用它分析一家壳公司和 FEC filings，得到的是追踪协调竞选捐款的法务调查员。

同一个 Skill，同七个步骤，同一个 Markdown 文件。 Skill 描述的是判断过程，调用时注入参数，产出不同领域的专业能力。Skill 文件的本质不是 Prompt 工程，是软件设计——用 Markdown 作为编程语言，用人类判断作为运行时。

Resolver：上下文路由表

当 X 类型任务出现时，加载文档 Y。这就是 Resolver。

一个开发者改了一个 Prompt，没 Resolver 的话直接就上线了；有 Resolver 的话，模型会先读 docs/EVALS.md——上面写着：运行评测套件，比对分数，如果精度下降超过 2%，回退并排查。开发者不知道这个评测套件存在，Resolver 在对的时机加载了对的 context。

Resolver 让 20,000 行的 CLAUDE.md 变成 200 行指针——所有知识在需要时按需调取，不污染 context window。

Latent 与 Deterministic：最常见的架构错误

系统中的每一步要么是 Latent（潜在空间），要么是 Deterministic（确定性），混淆两者是最常见的 Agent 设计错误。

Latent 是智能待的地方：模型读取、解释、决定。判断、综合、模式识别。 Deterministic 是信任待的地方：同样输入，同样输出，每次都一样。SQL 查询、编译后代码、算术运算。

LLM 能给 8 个人排出一桌考虑性格和社会动态的座次。但让它排 800 人的座次，它会生成一个看起来合理但完全错误的座次表——因为这是组合优化问题，被强行塞进了潜在空间。

最差的系统把工作放到了错误的一侧。最好的系统对这条边界线极其无情。

Diarization：让 AI 做真正的知识工作

Diarization 是从几十上百份文档中提炼出结构化画像的关键步骤——不是 SQL 查询，不是 RAG pipeline 能做到的，是模型真正读进去、记住矛盾、注意到变化、综合出结构化情报。

三层架构

Fat Skills（厚技能）放在最上层：过程、判断、领域知识，90% 价值所在。Thin CLI Harness（薄 CLI Harness）在中间，约 200 行代码，JSON 进、文本出，默认只读。你的应用放在底层：QueryDB、ReadDoc、Search、Timeline——确定性基础设施。

原则是单向的：把智能往上推入 Skills，把执行往下推入确定性工具，让 Harness 保持薄。 这样一来，模型每次升级，所有 Skill 自动变强，而确定性层完全稳定。

学习循环：Skill 自己写自己

YC 团队在设计 6000 人 Startup School 的匹配系统时，展示了这套架构的威力。

每位创始人有结构化申请表、问卷答案、1:1 导师对话记录，以及公开信号：X 帖子、GitHub commits、Claude Code 记录。

匹配 Skill 即方法调用，同一 Skill 三种调用方式，产出完全不同策略：

/match-breakout：1200 人，按行业亲缘性聚类，30 人一室——Embedding 加确定性分配。/match-lunch：600 人，跨行业偶发匹配，8 人一桌，无重复——LLM 发明主题，确定性算法分配座位。/match-live：现场实时，邻近 Embedding，200ms 内完成 1:1 配对，排除已见过的人。

有些判断是聚类算法永远做不到的：两个同在 AI infra 赛道的人，其实一个做成本归因，一个做编排，不是竞争对手，可以同组；一个申请材料写"开发者工具"但 1:1 对话透露他在做 SOC2 合规自动化——重新分类为 FinTech/RegTech。Embedding 捕捉不了 Kim 的重新分类，必须读完整份档案才能判断。

活动结束后，/improve Skill 读取 NPS 调查，对「中等」评价（不是「差」，是「还行但差点意思」）做 Diarization，提取模式，写回匹配 Skill 的规则里：

当参会者说"AI infrastructure"但 80%+ commits 在计费模块 → 分类为 FinTech，不是 AI Infra。当两人已在同一组认识 → 惩罚邻近度，优先新面孔。

第一次活动：12%「中等」评价。下一次：4%。Skill 自己学会了「OK」实际意味着什么，系统自动变好，不需要任何人改代码。

禁止一次性工作

Garry Tan 发过一条给 OpenClaw 的指令，反响远超预期：

你不允许做一次性工作。如果我让你做某件事，而这件事以后还会发生，你必须：手动做第一遍（3-10 条样本），把输出给我看。如果我满意，把它编纂成 Skill 文件。如果需要自动化，把它加到 Cron 里。判断标准：如果我需要问你同一件事两次，你就失败了。

这不是 Prompt 工程技巧，是一整架构的外在表现。你写的每个 Skill 都是对系统的永久升级。 不会退化，不会遗忘，会在你睡觉的时候跑。当下一个模型发布时，每个 Skill 立刻变强——判断部分的 latent step 提升，确定性 step 完全稳定。

这就是 Yegge 说的 100x 的实现方式。不是更聪明的模型，是厚 Skills、薄 Harness，以及把一切都编纂成规则的纪律。系统会复合增长——建一次，永远跑。