YC CEO: Hör auf, Token zu sparen. Was du wirklich sparen solltest, ist deine Zeit.

„Eine entscheidende Frage ist: Steuerst du deine Werkzeuge, oder steuern deine Werkzeuge dich?“ Diese Worte stammen von Gary Tan, dem CEO von Y Combinator. In den letzten Monaten hat er mit KI - Werkzeugen wie Claude Code und OpenClaw Hunderttausende von Codezeilen geschrieben, die Entwicklungs Philosophie von „Token Maxing“ entwickelt und ist überzeugt, dass wir am Scheideweg einer „persönlichen KI - Revolution“ stehen. In diesem Interview hat er uneingeschränkt über den Workflow gesprochen, der ihn von einem „13 Jahre lang Code nicht geschrieben“ zu einem „400 - fach effizienten“ Programmierer gemacht hat. Dieser Artikel ist aus dem Blog von Y Combinator übersetzt.

1

Neuschreiben von Code ist keine Show, sondern Realität

Gary Tans „Rückkehr zur Programmierung“ begann nicht als technisches Experiment, sondern als konkretes und dringendes öffentliches Thema. Er hat erwähnt, dass seine langjährige Beobachtung der öffentlichen Angelegenheiten in Kalifornien ihn besonders empfindlich für Bildungsprobleme gemacht hat – beispielsweise haben Schüler in den öffentlichen Schulen von San Francisco in der 7. und 8. Klasse Schwierigkeiten, Algebra zu lernen. Für jemanden, der aus einer öffentlichen Schule in der East Bay stammt, dank früher Mathematikausbildung an die Stanford Universität kam und später Ingenieur wurde, ist dies nicht nur ein Bildungskonflikt, sondern eine persönliche Ungerechtigkeit. Er wollte eine Gruppe von Menschen mit ähnlichen Ansichten zusammenbringen, um die Diskussion über öffentliche Themen voranzutreiben, und so entstand Gary’s List.

Aber Gary’s List ist keine herkömmliche „Blog - Website“. Es scheint auf den ersten Blick eine Publikationsplattform zu sein, ist aber tatsächlich ein automatisiertes Inhaltserstellungssystem: Es veröffentlicht nicht nur Artikel, sondern kann auch Internetinformationen sammeln, relevante Daten schichtenweise durchsuchen, soziale Medieninformationen integrieren, Kreuzverifikationen durchführen und ausführliche investigative Berichte erstellen. Laut seiner Aussage kann die Arbeit, die früher von menschlichen Forschern Wochen dauerte, jetzt auf die Kosten eines Modellanrufs im Dollar - Bereich reduziert werden.

Nach Gary Tans Ansicht besteht die Bedeutung des KI - Schreibens nicht darin, „Journalisten bei der Formatierung zu helfen“ oder „die Kreativität zu unterstützen“, sondern darin, die Phasen der Forschung, Organisation, Zusammenfassung, Zitierung und Vergleich, die ursprünglich intensiver Wissensarbeit waren, direkt in ein Software - System umzuwandeln. Das heißt, die Software ist nicht nur ein Werkzeug für Menschen, sondern beginnt, den Ausführungsprozess hochwertiger Wissensarbeit direkt zu übernehmen.

2

Spare nicht mehr Token, sondern die Zeit der Menschen

Gary Tan hat in dem Interview wiederholt ein Konzept betont: Token Maxing. Wenn man es in einem Satz zusammenfassen würde, besteht sein Kern nicht darin, „das Modell intelligenter zu machen“, sondern darin, den Kontext, die Informationen, die Verifikation und die Arbeitsmenge an die Grenzen zu treiben. In der Vergangenheit haben Menschen bei der Forschung immer Kompromisse gemacht, weil die Zeit begrenzt war: Sie haben nur einige Artikel gelesen, nur wenige Informationen extrahiert und nur begrenzte Kreuzvergleiche durchgeführt. Aber jetzt besteht ein grundlegender Unterschied im Agenten - System darin, dass es „das Meer kochen“ kann – es schaut nicht nur eine Quelle an, sondern 20; es macht nicht nur eine einfache Zusammenfassung, sondern legt widersprüchliche Beweise zusammen und lässt das System vergleichend analysieren.

Nach Gary Tans Ansicht unterschätzen viele Menschen heute die wirkliche Macht der KI - Programmierung und der KI - Wissensarbeit, weil sie noch mit dem Kosten - Denken der alten Zeit neue Werkzeuge verstehen: Sie betrachten Token als Kostenkontrollposten für die API, nicht als Produktionsfaktor. Aber wenn eine Aufgabe ursprünglich von Ihnen selbst eine Woche oder einen Monat dauern würde, ist es nicht teuer, sondern sogar sehr kostengünstig, ein paar hundert Dollar mehr auszugeben, um eine umfangreiche parallele Forschung, Tests und Ausführung zu ermöglichen. Er hat eine typische Metapher aus dem YC - Kontext verwendet: Es ist wie bei einem Unternehmer, der bei seiner Ankunft in San Francisco den Mietpreis für zu hoch hält, aber das wirklich Teure ist nicht, in San Francisco zu wohnen, sondern nicht in San Francisco zu wohnen. Für die heutigen Builder ist das wirklich Teure nicht das Token, sondern es, das Modell nicht bis an die Grenzen zu nutzen und dadurch weiterhin seine eigene Zeit zu verschwenden.

Gary Tans zweites wichtiges Projekt ist GStack. Es wurde nicht von Anfang an als Produkt konzipiert, sondern aus einer Reihe von wiederholt verwendeten Prompts entwickelt. Der ursprüngliche Anwendungsfall war einfach: Als er Claude Code benutzte, stellte er fest, dass er immer wieder ähnliche Befehle eingegeben hat – zuerst Planung, dann Prüfung, dann Test, dann manuelle Bestätigung. Also hat er diese häufigen Aktionen in Apple Notes zusammengefasst und allmählich einen strukturierten Workflow entwickelt. Später wurden diese Workflows zu „Skills“ und schließlich zu einem wiederverwendbaren System, nämlich GStack.

Dieser Prozess zeigt sehr gut die Veränderungen in der Agenten - Engineering von heute: Menschen konstruieren nicht nur Prompts, sondern eine „kombinierbare kognitive Prozesskette“. Gary Tan hat besonders betont, dass er später nicht mehr auf einen magischen Prompt angewiesen war, sondern auf einen gesamten Arbeitsablauf: Zuerst lässt er das Modell ASCII - Diagramme erstellen, um Datenfluss, Zustandsmaschine, Abhängigkeiten und Fehlerpfade zu definieren; dann lässt er es eine Architekturrevision durchführen; dann eine Code - Qualitätsüberprüfung; dann die Tests vervollständigen; und erst dann beginnt die Ausführung.

Er hat eine repräsentative Erfahrung erwähnt: Viele Menschen beschweren sich, dass die Ergebnisse des Vibe - Codings „schlampig“ sind. Im Wesentlichen liegt es nicht daran, dass das Modell nicht programmieren kann, sondern daran, dass die Engineering - Beschränkungen nicht ausreichen. Insbesondere die Testabdeckung wird in der KI - Programmierungszeit noch wichtiger. Denn wenn die Code - Generierungsgeschwindigkeit die menschliche Prüfgeschwindigkeit weit übersteigt, wird das System schnell von „effizient“ zu „brüchig“, wenn es keine ausreichend soliden Unit - Tests, Integrations - Tests und End - to - End - Verifikationen gibt. Mit anderen Worten, die KI hat die Software - Engineering nicht abgeschafft, sondern den Schwerpunkt der Software - Engineering von der „händischen Implementierung“ auf die „Prozessgestaltung und Qualitätskontrolle“ verlagert.

3

Dünnes Harness, dicke Skills

Gary Tan hat die Architektur der Agenten - Engineering wie folgt zusammengefasst: Thin harness, fat skills.

Das sogenannte Harness kann als die unterste Laufschleife verstanden werden: Es nimmt die Benutzereingabe entgegen, ruft das Modell auf, löst Werkzeuge aus, führt Befehle aus und gibt das Ergebnis zurück. Systeme wie Claude Code und OpenClaw können im Wesentlichen als ein Harness angesehen werden. Gary Tan ist der Meinung, dass es nicht notwendig ist, dass jedes Team diese Ebene immer wieder neu erstellt. Der eigentliche Schwerpunkt sollte auf die oberen Skills gelegt werden – das heißt, wie man Aufgabenabläufe, Erfahrungen, Strategien, Standards und Prüfmethoden in natürlicher Sprache und strukturierten Dokumenten ausdrückt.

Darum hält er auch fest, dass „Markdown auch Code ist“. Denn in der Agenten - Zeit ist es für viele Urteilslogiken, die früher hart codiert werden mussten, besser, in Markdown geschrieben zu werden: Wie man Aufgaben plant, wie man die Abgeschlossenheitskriterien festlegt, wie man über einen 10 - fachen Mehrwert nachdenkt, wie man vor der Qualitätssicherung die Risiken prüft, wie man von der Perspektive des CEOs, des Designers und des Verantwortlichen für die Entwicklererfahrung eine Funktion betrachtet. Diese Dinge wären in traditionellem Code sehr starr, aber wenn sie in Skill - Dokumenten geschrieben werden, kann das Modell die Absicht besser verstehen, Sonderfälle behandeln und komplexe Szenarien abdecken.

Dies bedeutet, dass in der Softwareentwicklung eine neue Schichtung entsteht: Bestimmte, verifizierbare und stabil auszuführende Aktionen sollten weiterhin im Code geschrieben werden; aber viele höhere Strategien, unklare Entscheidungen und Prozesserfahrungen eignen sich immer mehr, in einem „vom Modell verständlichen Textprotokoll“ festgehalten zu werden. Die Arbeit der menschlichen Ingenieure besteht nicht nur darin, Funktionen und Klassen zu organisieren, sondern auch darin, die Grenze zwischen latentem Raum und deterministischem Code zu organisieren.

4

OpenClaw ist wie ein Ferrari

Gary Tan hat gesagt, dass es heute wie das Fahren eines Ferraris ist, OpenClaw zu benutzen: Es ist unglaublich schnell, die Erfahrung ist aufregend, und viele Dinge sind so stark, dass es schwer vorstellbar ist, dass eine Maschine das kann; aber gleichzeitig ist es wie ein Ferrari, den man selber reparieren muss – es wird in dem Moment ausfallen, in dem man es am meisten braucht, und man muss den Motordeck aufreißen und mit dem Schraubenschlüssel selber reparieren. Hinter dieser Metapher stecken eigentlich zwei Ebenen von Urteilen.

Erstens: Die Fähigkeiten sind beeindruckend. OpenClaw steht nicht nur für einfaches „Code - Vervollständigen“, sondern eher für einen Agenten, der unabhängig erkunden, Werkzeuge aufrufen und komplexe Aufgaben über mehrere Aufgaben hinweg erledigen kann. Für diejenigen, die schon mit Claude Code vertraut sind, bedeutet dies einen weiteren Schritt vorwärts: Von „Ich frage, du antwortest, ich kopiere und füge ein“ zu „Das System führt automatisch aus, repariert automatisch und verbindet automatisch mehr Schritte“.

Zweitens: Die Engineering - Reife ist noch weit von abgeschlossen. Das heutige OpenClaw ist stark, aber brüchig, es verbraucht viel Kontext und macht leicht Fehler, und es braucht ständige menschliche Eingriffe zur Reparatur. Gary Tan hat erwähnt, dass es oft sogar ein anderer Agent – wie Claude Code – ist, der ihm hilft, OpenClaw selbst zu reparieren. Das heißt, das heutige Agenten - System hat einen Zustand erreicht, der dem frühen PC - Zeitalter ähnelt: Es ist kein perfektioniertes Konsumprodukt, sondern eher ein „Kit Car“, ein von Technik - Enthusiasten handgebautes System, das tatsächlich fahren kann, aber ständig gewartet werden muss.

Darum vergleicht er die heutige Zeit mit dem Moment des Homebrew Computer Club: Die Menschen sehen bereits, wie die Zukunft aussehen wird, aber die Zukunft ist noch nicht so verpackt, dass jeder sie ohne Schwierigkeiten nutzen kann.

5

Die Einheit der Programmierung ändert sich

Gary Tan hat auch ein auf den sozialen Medien kontroverses Thema angesprochen: Was bedeutet es, in wenigen Monaten Hunderttausende von Codezeilen zu schreiben? Er gibt zu, dass es nicht exakt ist, den Wert eines Programmierers nur anhand der Codezeilen zu messen, aber im Kontext der Agenten - Programmierung sollte dieser Indikator nicht völlig verspottet werden. Der Grund ist nicht, dass „je mehr Codezeilen desto besser“, sondern dass sich die Arbeits - Einheit von heute geändert hat: Es geht nicht darum, wie viele Zeilen man alleine vor dem IDE tippt, sondern darum, ob man mehrere Agenten gleichzeitig steuern kann, damit sie parallel Features entwickeln, Bugs beheben, Tests vervollständigen, Qualitätssicherungen durchführen und die Ergebnisse zu einem einsatzfähigen System organisieren können.

Er hat erwähnt, dass seine heutige Arbeitsweise ähnlich der eines kleinen Software - Organisations - Managers ist: In verschiedenen Fenstern stehen verschiedene Branches und Pull - Requests, und die Funktionsentwicklung, die Tests und die manuelle Akzeptanz laufen gleichzeitig ab. Für den Menschen ist die Einschränkung nicht mehr, „ob man programmieren kann“, sondern „ob man genau planen, zeitnah prüfen und schnell urteilen kann“. In diesem Sinne macht die KI die Programmierer nicht arbeitslos, sondern erweitert die Fähigkeiten eines guten Programmierers zu einem System mit höherer Durchsatzleistung. Daher sollte man sich nicht so sehr darum kümmern, „wie viel der Code von einem Modell geschrieben wird“, sondern darum, wie viel die menschliche Initiative erweitert wird. Wenn man Urteilskraft, Geschmack und klare Ziele hat, sind die heutigen Werkzeuge wie Flügel für einen; wenn nicht, wird auch der stärkste Agent nur Produkte generieren, für die man sich nicht wirklich verantwortlich fühlen kann.

6

Der entscheidende Abzweig: Persönliche KI oder Plattform - KI?

Gary Tan hat die Diskussion von „wie man Code schreibt“ auf ein größeres Thema erweitert: Das Eigentumsrecht an persönlicher KI. Er ist der Meinung, dass fast jeder in einem Jahr seine eigene persönliche KI haben wird. Aber die Frage ist, in welcher Form diese persönliche KI vorliegen wird. Es kann ein „persönliches Werkzeug“ sein, bei dem der Benutzer die Prompts, die Daten und die Integrationsschnittstellen kontrolliert und weiß, was das System für ihn tut; oder es kann eine „pseudo - persönliche KI“ sein, die von einer Plattform verwaltet wird, mit einem algorithmischen Schwarzbuch und undurchsichtigen kommerziellen Motiven, ähnlich wie der Social - Media - Newsfeed, der von einer Firma kontrolliert wird.

Nach seiner Ansicht ist dies der heute am meisten zu befürchtende Scheideweg. Viele Menschen diskutieren die KI als eine einheitliche Produktkategorie, aber der zentrale Unterschied in der Zukunft wird wahrscheinlich nicht die Anzahl der Modellparameter sein, sondern wer die Kontrolle hat. Schreibst du selber die Prompts, definierst du selber den Workflow und bestimmst du selber, welche Daten der Agent zugreifen darf; oder lebst du für immer in den von einem Produktmanager und einer Plattform festgelegten Grenzen?

Darum betont Gary Tan so stark, dass die Builder diese Werkzeuge so früh wie möglich in die Hand nehmen sollten. Denn wenn du sie nicht selbst beherrschst, musst du nur fertige Produkte verwenden, die von anderen gepackt wurden; und wenn sich dieses Phänomen wie die damalige Personal - Computer - Revolution wirklich verbreitet, bestimmt die Kontrolle nicht nur deine Effizienz bei der Arbeit, sondern auch deine Denkautonomie und sogar wie du die reale Welt verstehst.

Dieses Interview handelt zwar von Gary Tans eigenen Projekten, aber es beantwortet auch die realsten Sorgen der Unternehmer: Sind diese Werkzeuge zu teuer? Sind sie instabil? Können nur die besten Ingenieure sie nutzen? Gary Tans Antwort ist ziemlich direkt: Diese Fragen sind heute zwar zutreffend, aber sie sind nicht die wichtigsten Fragen. Die echte Frage ist, ob du bereit bist zu akzeptieren, dass eine neue Produktionsweise aufgetaucht ist und dich aktiv zu dieser Weise hin verschieben.

Die heutige Agenten - Programmierung ist tatsächlich teuer, brüchig und chaotisch, und es ist noch lange nicht der Massenprodukt - Stand erreicht; aber sie ist stark genug, um eine Person von einem „Ausführenden“ zu einem „Kommandierenden“ zu machen und die Aufgaben, die früher von