Garry Tan 有个很疯狂的说法：过去 60 天，他在 YC 全职当 CEO 之余，业余时间发布了 3 个生产级服务、40+ 个功能。

他声称自己的代码产出是 2013 年的 810 倍。

这数字争议巨大（他还专门写了篇方法论文档解释怎么算的），但不管你怎么看，这个效率背后有个关键工具——gstack，他开源了自己的 Claude Code 配置。

GitHub 仓库

gstack

gstack 是什么？

一句话：把 Claude Code 从「一个编码助手」升级成「一整个虚拟工程团队」。

传统 AI 编码的模式是：你说一句，AI 写一段，你 review，循环往复。

gstack 的模式是：你跑一个 slash command，一个「角色」就上线了——CEO 帮你重新思考方向，设计合伙人帮你做产品 mockup，Staff 工程师帮你 review 代码，QA 负责人帮你找 bug，CSO 做安全审计，发布工程师帮你开 PR 部署。

这些角色串成一条完整的开发流水线：Think → Plan → Build → Review → Test → Ship → Reflect。

上一步的输出自动喂给下一步，文档全程继承，没有信息断裂。

23+ 个角色命令全解析

💡 思考与规划

命令 干什么的
/office-hours 入口。6 个逼问式问题重新框定你的产品方向，像 YC 办公室小时一样拷问你
/plan-ceo-review CEO 视角审视：你在做的真的是 10 分产品吗？4 种模式——扩张、选择性扩张、保持、缩减
/plan-eng-review 工程经理上线：锁定架构、数据流、边界情况，画 ASCII 图
/plan-design-review 设计师打分：每个维度 0-10 评分，告诉你 10 分长什么样
/plan-devex-review 开发者体验审计：20-45 个追问，从用户画像到魔法时刻设计
/autoplan 一键全套评审：CEO → 设计 → 工程 → DX 自动跑完
/spec 把模糊想法变成精确可执行的技术规范

🎨 设计

命令 干什么的
/design-consultation 从零构建设计系统：竞品调研、创意方案、生成 mockup
/design-shotgun 「给我看选项」——一次生成 4-6 个变体对比
/design-html 把 mockup 转成生产级 HTML，30KB 零依赖

🔨 构建、审查、调试

命令 干什么的
/review Staff 工程师找那些 CI 查不出来但上线会炸的 bug
/design-review 80 项视觉审计 + 自动修复
/devex-review 真实上手走一遍 onboarding，截图报错
/investigate 系统化根因调试。铁律：不调查就不修复。3 次修复失败就停

🧪 测试与安全

命令 干什么的
/qa 自动测试 → 找 bug → 修复 → 生成回归测试
/cso OWASP Top 10 + STRIDE 威胁建模，17 个误报排除
/browse 给 AI 一双眼睛——真实 Chromium 浏览器操作和截图

🚀 发布

命令 干什么的
/ship 同步 main → 跑测试 → 推送 → 开 PR
/land-and-deploy 合并 PR → 等 CI → 部署 → 验证生产健康
/canary 部署后监控循环：控制台错误、性能回归
/benchmark Core Web Vitals + 资源大小基线，PR 前后对比

📝 文档与复盘

命令 干什么的
/document-release 自动更新文档匹配刚发布的功能
/document-generate 根据代码从零生成缺失文档（Diataxis 框架）
/retro 周复盘：发布节奏、测试健康、成长机会
/learn 跨 session 记忆管理——AI 记住项目模式和你的偏好

最有意思的几个设计

1. AI Slop Detection

/plan-design-review 里有专门的「AI 敷衍输出检测」。如果 AI 生成的方案太泛、太模板化、缺乏具体判断——直接打回重来。

这是对 AI 最大的痛点（敷衍输出）的一个正面回应。

2. 角色拆分而非笼统助手

大部分 AI 编码工具给的是一个「通用助手」。gstack 把它拆成了不同角色——CEO 想战略，设计师管品味，工程师盯实现，QA 找 bug。

这意味着每个 prompt 不需要包含所有上下文。你只需要 /review，Staff 工程师角色就带着它的检查清单上线了。

3. 流程闭环，文档不丢

/office-hours 的输出是设计文档 → /plan-eng-review 读取这个文档做架构评审 → /spec 生成技术规范 → /ship 发布后 → /document-release 更新文档。

每一步都站在前一步的肩膀上，不是从零开始。

怎么安装

1
2
3
4
git clone --single-branch --depth 1 \
  https://github.com/garrytan/gstack.git \
  ~/.claude/skills/gstack && \
cd ~/.claude/skills/gstack && ./setup

30 秒搞定。Claude Code 会自动识别。

不只支持 Claude Code——还兼容 OpenAI Codex CLI、Cursor、Factory Droid、OpenCode 等主流 AI 编码工具。加新工具只需写一个 TypeScript 配置文件。

团队模式下，clone 仓库后所有 teammate 零感知自动升级，不需要手动同步。

值不值得用？

适合你 if：

  • 独立开发者 / 技术型创始人——一个人当二十个人用
  • 已经在用 Claude Code——gstack 是它的增强包
  • 受不了 AI 敷衍输出——review 管线有质量把关
  • 想要结构化流程而非「随缘 prompt」

可能不适合 if：

  • 不用 Claude Code——虽然兼容其他工具，但核心体验在 CC 上最优
  • 不喜欢命令行——所有操作都是 slash command
  • 命令太多记不住——40+ 个命令对新手确实有学习曲线

Garry Tan 自己在 README 里说了一句很诚实的话：

「Stop there. You’ll know if this is for you.」

我的看法

gstack 最值得关注的不在于「YC CEO 的配置有多牛」，而是它代表了一个方向转变：

AI 编码工具正在从「写代码的助手」变成「管开发流程的虚拟团队」。

过去我们讨论的是「Copilot vs Cursor vs Claude Code 谁补全得更好」。gstack 提出了另一个问题：当你有一个足够强的 AI 模型时，围绕它搭建一整条工程流水线，是不是比换一个更强的模型更值？

答案可能是肯定的。模型在变强，但工作流的价值不会贬值——因为工作流是人类的经验沉淀，不是模型的能力外溢。

用 Garry Tan 自己的话结束：

「Fork it. Improve it. Make it yours.」

MIT 协议，全免费。去试试就知道了。🦐

参考链接：