擁有你外化的認知

資料來源#

• Garry Tan: Own Your Intelligence

摘要#

Garry Tan 在 Startup School 2026 主題演講（practitioner-opinion）中提出一項其餘材料僅暗示的論點：技能檔案不是文件，而是你認知的一部分——它記錄你如何完成某件事，從你的腦中擷取出來、寫下來，並且可供執行。因此它是財產，而財產必有持有人。他主張，同一件產物會因單一變數——誰控制它所屬的 repo——而導向兩種截然相反的未來；這也是歷史上第一次，人們能對知識工作者提出這個問題。

由此直接得出他的主張：「擁有自己的技能，因為如果你不擁有，工作就會變成一份技能檔案。」從第一天起，就把資料庫和技能放在你掌控的 repo 裡，「趁任何平台或收購方還沒對它有想法之前」。

證據說明。 這場會議主題演講對所有權主張完全沒有任何測量。核心案例（下文的 Maya）由 Tan 本人明確標示為虛構——這是關於誘因結構的思想實驗，不是有紀錄的案例。本 wiki 沒有任何來源測量技能檔案的可攜性、雇主對代理程式情境的主張，或任何人的累積技能資料庫是否真的曾在轉職時一併帶走。可把機制視為值得追蹤，把後果視為尚無證據。演講者同時也是一家加速器的總裁，而該機構有意招募離職創業的人；這套主張與其商業模式指向同一方向。

機制：為何這是新的#

歷史論證是整個主張的承重部分，而且短到可以精確重述。工匠擁有自己的工具，正是這種所有權讓他們自由；工廠打破了這點，因為織布機屬於工廠。知識工作者以為自己不受影響——他們的工具存在腦中，無法被沒收。Tan 主張，技能檔案終結了這項豁免：「歷史上第一次，你的認知可以被擷取、儲存、版本化並擁有。唯一的問題是，誰擁有？」

這項主張之所以不平凡，在於外化本身就是生產力提升的同一個行為。你不把判斷寫下來，就無法累積複利；而把它寫下來，正是讓它可以被攫取的原因。skillify-it 這套紀律——絕不只做一次性的工作，把每項已完成的任務都轉成可重用檔案——同時是讓個人能力累積複利的做法，也是讓自己被自己的產物取代的做法。沒有任何版本的這項實踐能只得到其中一項而不付出另一項。

Maya 的兩種版本#

Tan 的例子是一位支援工程師，花了兩年教她的代理程式 40 項技能：凌晨兩點如何處理 P0、如何安撫即將流失的客戶、如何撰寫能避免下一次事故的事後檢討。兩年的判斷，就放在磁碟上的 40 個檔案裡。

	檔案存放位置	她離職時會發生什麼事
版本 1	Maya 自己的 repo	她換工作，檔案也跟著她走；到新公司上班第一天，她就「隨時能調用多年累積的判斷」，每多工作一年就再累積一年。若她想憑這些專長創業，也可以——「如今整間新創公司都可能只是 markdown 檔案」
版本 2	公司的 repo，受公司 IT 政策管轄	她「離開時什麼也帶不走」。公司繼續運用她的判斷，她本人卻不在了——「40 個檔案永遠在執行，而她的名字甚至不在 commit history 裡」

他對版本 2 的總結是：「她沒有職涯，她遭到攫取。」

請留意，表格中的結果並不取決於技能、努力、年資或檔案品質。同一個 Maya、同樣 40 個檔案，只有一個變數。整個論點就是如此；這種俐落也是它的弱點——真實的雇傭關係包含合約、營業秘密法和競業禁止條款，恰好都位在 Tan 所說的單一布林值之處，但演講完全沒提到這些。請見開放問題。

個人 AGI：這套主張要求的架構#

所有權論點正是這場演講以個人 AGI 而非更好的助理為核心概念的原因。Tan 對負面定義說得很明確：它不是聊天機器人訂閱服務，不是更好的自動補完，也不是知道你行事曆的助理。那些都是**「你不擁有的企業 AGI」**——關掉分頁後就會重設，只知道其他人早已知道的事，而且「當背後的公司轉換方向，你那所謂的助理就會依照別人的時間表被切除一部分腦功能」。

他對比的是你消費的產品與你打造的資產：租來的智慧只有供應商推出新版本時才會進步；在你自己的基礎設施上運作、使用你所擁有記憶的代理程式，「會在你每次使用時一天天變得更好」。他給出的十年公式是：租來且日益商品化的前沿模型 + 別人都沒有的你的情境 + 把兩者接起來的 harness（OpenClaw、Codex、Claude Code——「重點是這些概念，不是哪個特定 repo」）。模型品質是租來的；資料庫是自己擁有的。這是將Compounding Data Moat從公司的防禦能力移到個人身上，並沿用該頁的架構：耐久資產是累積的行為紀錄，而非模型的使用權。

這套主張的另一面，是 Tan 自己提出的衛生警告，也是最可能遭到忽略的部分：「沒有人整理的大腦，就是一座搜尋功能很棒的垃圾場。」 檢索會信心十足地找出過時事實，而糟糕的技能檔案會永遠編碼錯誤流程。基本要素是記憶加上衛生管理——每項事實都要有來源紀錄，新資訊與舊資訊衝突時要檢查矛盾，並且要有一位真正負責清理的圖書管理員。擁有自己的認知，也包括負責維護它；這個知識庫自己的編譯與 lint 紀律正是同一項主張的實作。

三項反對意見，以及他的回應#

Tan 預先回應了三項反對意見，這很有用，因為 wiki 可以依據他未引用的證據來評判這些答覆。

• 「模型會持續進步，讓 harness 變得過時。」 他的回答是：模型越好，差異化優勢就越轉向情境——「當每個人的引擎都有一千匹馬力，賽事勝負就在駕駛者和地圖上」；更聰明的讀者能從同樣的書裡讀出更多，因此每次發布都是「我已經擁有的工作團隊免費升級」。這是直接押注反對模型進步時的 Harness Shrinkage 這個中心頁面，也是他最容易受質疑的一項反對意見：收縮論預測腳手架會被吸收，而 Tan 的反駁悄悄把話題從可能會縮小的 harness轉到很可能不會縮小的資料庫。兩者可以同時成立，但他的措辭把兩者混為一談。
• 「這不就是 RAG 嗎？」——「沒錯，就像 Postgres 不過就是 B 樹。」檢索是基本機制，不是產品；難處在於最初要記下什麼、如何豐富並連結資訊、哪些內容要提升為熱記憶，哪些要歸檔為冷資料，以及兩項事實互相矛盾時由誰裁定。他的精簡說法是：「檢索很容易。值得被檢索的內容才是產品。」 這與LLM-as-Compiler Knowledge Base劃分文件堆與編譯後 wiki 的界線相同。
• 「如果你整個人生都在一個系統裡，而它外洩了，會怎樣？」 他承認這是最有力的反對意見，並以保管責任而非否認來回答：預設狀態不是隱私，而是「你的人生早已散落在 10 個雲端服務上，由誘因與你無關的公司所有；除了你以外，所有人都能搜尋。」他沒有因為集中資料而創造風險，而是「接下了保管責任」。wiki 沒有證據能判斷自行託管的個人情境在實證上是否更安全，而代理程式安全語料也提供了演講從未處理的疑慮——集中在一起的個人腦庫，同樣是任何有工具存取權的東西都能觸及的高價值單一目標。

這套主張與 wiki 證據的交會#

有三個值得持續留意的衝突點，來源對此都沒有回應。

這是 wiki 先前只談侵蝕的故事中，攫取的另一半。 認知公地的悲劇主張，專業知識是一種公地，其再生機制（入門級工作）會被 AI 移除——專業能力無法形成。Tan 描述的是同一項資產的另一種失敗：專業能力照常形成、被寫下來，最後歸於持有 repo 的人。兩者互為補充，而交互作用會造成更糟的結果：Lovett 的 Internalized Mastery 透過認知上的掙扎建立，而真正花兩年處理凌晨兩點事故的 Maya，正是那些檔案值得被攫取的人。公地論點說，培養出 Maya 的管道正在關閉；這裡則說，管道的產出如今可以離開本人而被攜走。兩位作者都沒讀過對方的作品。

累積複利的假設有測量，但測量結果弱於這套主張所需的程度。 Tan 提出的 90 天曲線——第一週只是玩具，第四週飛輪開始轉動，第十二週就有「在你問完之前便先給出答案的資料庫」——假定技能會累積並進步。Agentic Work Systematization提供了這方面唯一真正的遙測資料：每週活躍 Codex 使用者中，技能使用率從 5.4% 上升到 26.6%（2026 年 3 月至 6 月），但重複使用的技能有 53% 從未修改，維護與新增之比為 2.7:1。採用之後實際測得的生命週期是一次性複製，而非持續累積的資產。Tan 自己的回答是大多數人在第二週就放棄；這與遙測結果相符，但那是解釋，不是反向測量。

這套主張想讓人帶著走的溢價確實存在，但形狀不同。 代理程式編碼中的專業知識報酬（Anthropic，400K 次工作階段，empirical）發現，放大代理程式效能的是領域專業知識，而非程式設計技能：每個 prompt 帶來 2 倍的動作和 5 倍的輸出，增益集中在新手到中階，精通則只增加一點。這支持 Tan 所說判斷力是稀缺投入的前提，也讓他的結論更複雜：如果溢價在精通之前就已飽和，真正專家的 40 檔案資料庫作為可轉移資本的價值，可能比這套主張暗示的更低，而所有權利害關係最大的其實是能力正在爬升的人。

延伸連結#

• 認知公地的悲劇——同一項資產的另一種失敗模式：該頁的專業知識無法再生，本頁談的是專業知識形成後歸於持有 repo 的人。兩者互補，也彼此加劇
• Agentic Work Systematization——創造產物（「把它技能化」）的紀律，以及用來檢驗其累積主張的遙測資料：53% 的重複使用技能從未修改
• AI-Native Organization——從雇主角度看同一套技能檔案對應關係；本頁談的是這種對應方式為判斷力遭到編碼的個人帶來的張力
• Compounding Data Moat——「你的情境才是資產」的公司防禦能力版本；本頁把它移到個人身上
• 代理程式編碼中的專業知識報酬——這套主張想讓人帶著走的可測量溢價，以及它的飽和曲線
• Agent Context Files——基底：技能檔案是附帶所有權主張的情境檔案
• LLM-as-Compiler Knowledge Base——這套主張所仰賴的資料庫加圖書管理員架構，也是回應「搜尋功能很棒的垃圾場」的衛生方案
• Latent vs. Deterministic Space——同一位講者提出的搭配工程紀律；以 markdown 引導潛在空間，才能先讓認知得以寫下來
• 模型進步時的 Harness Shrinkage——他第一項反對意見所押注反對的中心頁面，因為他把論點從 harness 移到資料庫
• Garry Tan——這套主張的作者；OpenClaw——他用來運作這套方法的 harness

開放問題#

• 所有權變數被當作布林值提出（你的 repo 或公司的 repo），但雇傭合約、職務作品原則、營業秘密法和競業禁止條款早已規範外化的判斷力。是否有任何司法管轄區或經訴訟的案例，真的把員工撰寫的技能檔案視為可攜式個人財產而非職務成果——又是否已有雇主主張擁有這類檔案？
• Tan 的累積曲線（第 4 週飛輪轉動，第 12 週資料庫開始回答問題）是個人軼事，與技能只複製一次、很少維護的遙測資料相對照（Agentic Work Systematization）。有沒有任何個人技能檔案資料庫的縱向測量顯示品質或涵蓋範圍會隨時間改善，而非只是不斷累積？
• 他的第一項反對意見押注更好的模型會提高個人資料庫的價值，而模型進步時的 Harness Shrinkage則預測腳手架會被吸收。兩者可以分開看——harness 與資料庫——但沒有來源檢驗資料庫這一半。會吸收 harness 複雜度的新一代模型，也會縮小個人情境所帶來的可測量優勢嗎？

資料來源#

• Garry Tan: Own Your Intelligence — Garry Tan，〈Own Your Intelligence〉，YC Startup School 2026，發布於 2026-08-06（42 分鐘，practitioner-opinion）。使用的段落：§〈Own Your Skills Before Someone Else Does〉（Maya 思想實驗、工匠與織布機的歷史、這套主張）、§〈Personal AGI Is Already Here〉（租用與擁有的定義）、§〈Personal AGI Means Owning Your Intelligence〉（三項反對意見、「靠自己的力量」）、§〈Building a Company of One〉（整理警告）、§〈How to Build Your Own Personal AGI〉（五個步驟與 90 天曲線）。逐字稿來源：根據 YouTube 自動字幕清理，並非人工編輯的逐字稿——合併了連續提示字幕行、依影片自有標記插入章節標題，並修正 ASR 專有名詞錯誤。此處引文都很短且承載關鍵論點；若有需要精確措辭，ycrootaccess.com 有官方清理版逐字稿。沒有表格、圖表或 PDF 流程，因此不適用任何解析檢查