# Tokenmaxxing: How Top Builders Use AI To Do The Work Of 400 Engineers

- Channel: [Y Combinator](https://www.youtube.com/channel/UCcefcZRL2oaA_uBNeo5UOWg)
- Published: 2026-05-08
- Source video: [Watch on YouTube](https://youtube.com/watch?v=57lDpTwiW6g)
- Read on ReadTube: https://www.read.tube/p/videos/57lDpTwiW6g
- Language: Simplified Chinese

## Summary

**薄壳重能时代**

这期视频讨论了“薄壳框架、厚实技能”式的软件构建新方式：把重复、机械、易出错的部分交给模型和工具，把人的注意力集中在目标、判断和品味上。Gary 以自己重回编码为例，展示了如何用大量上下文、测试、代理和自动化，把原本需要多人的工作压缩到少量人力与大量算力。

视频核心观点是：软件开发正在从“人写大量代码”转向“人定义意图、机器执行细节”。Gary 以自己重建博客站点、搭建研究型内容平台以及创建一套内部技能与测试流程为例，说明当下最重要的不是手工敲出更多代码，而是把问题拆成可由模型处理的上下文、规则和验证步骤，再用代理持续执行、修复和补全。

他把这种方法概括为“薄壳、厚技能”——外层框架尽量轻，真正值钱的是任务建模、提示设计、工作流编排和判断能力。为此，他不断把重复工作沉淀为技能：先让模型画出数据流和状态图，再做架构审查、代码审查、测试审查；当一个代理不够好时，就叠加另一个代理做复查、浏览器自动化和错误回报，让人只保留最后的决策权。

- 用更多上下文和更多模型调用，替代只看少量资料就下结论的旧流程。
- 把适合确定性执行的部分留给代码，把适合处理模糊意图的部分留给模型。
- 将测试、端到端检查和浏览器自动化变成默认步骤，避免“能跑但一碰就坏”的产物。
- 通过技能库和提示模板复用工作流，让新项目可以快速继承成熟做法。
- 认为个人化人工智能会像个人电脑一样普及，关键在于用户是否掌握自己的提示、数据和工具。

他也承认这套方法仍然脆弱、昂贵、需要人工修补，但正因为如此，才像早期个人电脑或自制法拉利：体验惊人，故障也真实存在。结论是，未来的赢家不是单纯写更多代码的人，而是能把机器“喂饱”、能设定问题边界、并持续校准结果的人。