gstack：当 YC CEO 把创业经验装进 Claude Code
Garry Tan 开源的 gstack 是什么、解决什么问题、核心工作流和工具生态定位
引言
在之前的笔记中，我们从 Ralph Wiggum 的无限循环到 GSD 的规格驱动开发，一路探索了 Claude Code 生态中的各种"增强方案"。它们都在尝试回答同一个问题：如何让 AI 编程从"随机应变"变成"可靠交付"？
Ralph 的回答是"重启一切"——每次用新进程避免上下文腐烂。GSD 的回答是"规格驱动"——通过结构化的阶段规划和验证循环确保质量。但如果你想要的不只是一个执行系统，而是一支完整的虚拟工程团队呢？CEO 做产品决策、工程经理审架构、设计师把控体验、QA 跑真实浏览器测试、发布工程师管理上线……全部由 AI 扮演，由你指挥。
这就是 gstack 的核心想法。
什么是 gstack
由 Y Combinator CEO Garry Tan 创建的开源角色化技能集，包含 23+ 个 Slash Commands，将 Claude Code 从单一 AI 助手转变为一支虚拟工程团队。每个 skill 对应一个专业角色——CEO、工程经理、设计师、QA Lead、安全官、发布工程师——赋予 AI 不同的思维模式和专业视角。
gstack 的创建者 Garry Tan 有着丰富的技术和创业背景——14 岁开始写代码，斯坦福计算机工程出身，Palantir 第 10 号员工，联合创办过 Posterous（后被 Twitter 收购），2023 年起担任 Y Combinator 的 President & CEO。
他用 gstack 在 60 天内发布了超过 60 万行生产代码（35% 是测试），日均万行以上——同时还在全职运营 YC。其中一个项目 garylist.org，21 天上线、15 万行代码，35% 测试覆盖。按他自己的说法，代码质量超过了他之前花 500 万美元、两年时间、10 个工程师做出来的创业项目。
项目自 2026 年 3 月 11 日开源以来，3 周内从 v0 迭代到 v0.15.1.0，GitHub 已获得 60,500+ stars。MIT 许可证，完全开源。
gstack - Claude Code 角色化技能集
23+ 个角色化技能，将 Claude Code 从单一 AI 助手转变为虚拟工程团队。
gstack 在工具生态中的位置
| 维度 | 原生 Claude Code | Ralph Wiggum | GSD | SpecKit | Superpowers | gstack |
|---|---|---|---|---|---|---|
| 核心定位 | 通用 AI 编码助手 | 无限循环迭代 | 上下文工程 + 规格驱动 | 需求→规格→任务 | 流程纪律 + TDD | 角色化虚拟团队 |
| 核心模式 | 对话式编程 | Bash 循环 + 新进程 | Phase-based Roadmap | Spec → Plan → Tasks | 严格开发流水线 | Sprint 七步流程 |
| 人类参与 | 实时对话 | Hands-off (AFK) | 每阶段验证 | 规格审批 | 每步确认 | 每阶段角色审查 |
| 独特能力 | 基础编码 | 无限迭代 | Context Rot 管理 | 需求追溯 | 强制 TDD | 浏览器自动化 + 多角色审查 |
| 适合场景 | 简单任务 | 持续迭代 | 大型项目管理 | 需求严谨的项目 | 工程质量保障 | 全流程产品开发 |
从表中可以看出一个关键规律：这些工具并非互相竞争，而是在不同维度上解决 AI 编程的问题。
Superpowers 用流程纪律保证代码质量（强制 TDD、结构化对话、实施计划）；GSD 用上下文工程管理复杂项目（阶段规划、子代理新鲜上下文、文件系统状态）；gstack 用角色分解提升决策质量（CEO 视角审产品、工程经理审架构、QA 跑真实浏览器）。
简单来说，Superpowers 基于流程护栏，gstack 基于角色设计——前者适合从 1 到 N 的工程落地，后者适合从 0 到 1 的产品构建。两者互补而非竞品。
核心工作流：The Sprint 七步走
gstack 将整个开发过程组织为一个 Think → Plan → Build → Review → Test → Ship → Reflect 的循环，叫做"The Sprint"——不是敏捷 Sprint，而是一种"角色依次登场"的开发节奏。
1. Think — 产品门诊
/office-hours这是 gstack 最有特色的 skill。灵感直接来自 YC 的 Office Hours——创业者去见 YC 合伙人，接受灵魂拷问。AI 会问你 6 个逼迫性问题：
- 谁具体需要这个？
- 他们今天没有它怎么办？
- 为什么这件事现在很紧迫？
- 你怎么知道它能用？
- 如果什么都不做会怎样？
- 你能发布的最小版本是什么？
目的不是帮你写代码，而是在写代码之前重新审视问题本身。
2. Plan — 多角色审查
/plan-ceo-review # CEO 视角：寻找 10 星级产品
/plan-eng-review # 工程经理：锁定架构和边界
/plan-design-review # 设计师：评分 0-10，说明如何做到 10 分
/autoplan # 自动依次运行三个审查CEO Review 本质上是"Founder Mode"——不是按字面意思执行需求，而是退后一步问"这个产品真正的目的是什么？"它支持四种模式：扩大范围、选择性扩展、保持范围、缩小范围。
3. Build — 编码实现
按审查通过的计划开始编码。这一步使用标准 Claude Code 能力。
4. Review — 平行专家审查
/review这个 skill 一次性派出 7 个并行子代理，分别从测试、可维护性、安全、性能、数据迁移、API 合约、红队攻击 7 个角度审查代码。遇到明显问题会自动修复。
5. Test — 真实浏览器 QA
/qa不是模拟测试。QA skill 启动一个真实的 headless Chromium 浏览器，打开你的应用、点击按钮、填表单、截图——和真人测试员做的一样。发现 bug 后自动修复、生成回归测试、重新验证。
6. Ship — 一键发布
/ship自动同步主分支、运行测试、审查 diff、更新版本号和 CHANGELOG、提交、推送、创建 PR。如果项目没有测试框架，它甚至会先搭建一个。
7. Reflect — 回顾与学习
/retro工程经理风格的周报：分析提交历史、测试比例、代码质量趋势。支持多人团队分析，跟踪"连续发布天数"等指标。
为什么有效：技术原理
Browse Daemon：给 AI 装上眼睛
gstack 最独特的技术贡献是 Browse Daemon——一个长驻的 headless Chromium 实例，通过 localhost HTTP 通信。第一次调用启动浏览器（约 3 秒），之后每次命令只需 100-200ms。这意味着 AI 可以真正看到你的应用，而不是猜测 DOM 结构。
它还引入了 Ref System（元素引用 @e1, @e2），通过 accessibility tree 定位元素，不需要写 CSS 选择器。这是被社区（包括批评者）普遍认可的"真正有技术含量的贡献"。
角色分解：不是一个 agent，而是一支团队
gstack 的做法是把所有角色拆解成独立的 prompt 文件，让 Claude Code 在不同阶段切换到不同角色的视角来审视代码。这本质上是一种精细化的 prompt engineering。
核心洞察是：规划不等于审查，审查不等于发布，创始人品味和工程严谨是完全不同的思维模式。 与其让一个通用 agent 做所有事，不如在需要时切换"大脑模式"——founder thinking、engineering rigor、paranoid review、fast execution。
三大哲学
gstack 的 ETHOS.md 记录了三个核心理念：
-
Boil the Lake（煮沸整个湖）：当 AI 让完整性的边际成本趋近零时，永远选择完整实现——100% 测试覆盖、所有边界情况、所有错误路径。"发布捷径"是旧时代的思维。
-
Search Before Building（先搜索再构建）：三层知识——久经考验的模式、新且流行的方案、第一性原理。先理解所有人在做什么，质疑他们的假设，然后发现为什么常规方案是错的。
-
User Sovereignty（用户主权）：AI 推荐，人类决定。即使两个 AI 模型达成共识，用户的判断仍然优先——因为用户有领域知识、战略视角和品味。
gstack 的边界与争议
gstack 的社区反应可能是 AI 编程工具中最两极化的。
看好的一面：创始人和非技术构建者普遍认可，尤其是 /office-hours 和 /plan-ceo-review 这类"产品思维"类 skill，帮助很多独立开发者在动手编码之前重新审视了产品方向。工程审查（/review）也确实能发现一些隐蔽的安全漏洞，这种多角度并行审查的模式有实际价值。
质疑的一面也很直接：
- LOC 指标意义不大：60 天 60 万行代码，代码行数从来不是质量指标，大量代码可能只是脚手架和样板。
- 本质是 prompt 模板：每个 skill 就是一个 SKILL.md 文件，技术门槛并不高。真正的价值不在文件本身，而在 prompt 的设计质量。
- AI 自审代码的局限性：
/review让 AI 审查 AI 写的代码，相当于自己批改自己的作业。多角色并行能缓解这个问题，但根本上还是同一个模型。 - 名人效应的加成：如果创建者不是 YC CEO，这个项目大概率不会获得这么高的关注度。
我的看法：抛开争议不谈，gstack 真正有价值的部分是两个——Browse Daemon 的浏览器自动化技术，和角色分解的设计模式。这些不依赖于 Garry Tan 是谁。角色化的核心意义其实不在技术层面，而在行为层面——它帮助你更有意识地组织 AI 工作流，而不是一股脑把所有事丢给一个通用 agent。
gstack 适合用来 fork 和定制，取你需要的 skill、改你想改的 prompt，而不是全盘照搬。
视频资源
写在最后
gstack 代表了 AI 编程工具的一个有趣方向：不是让 AI 更自主（Ralph 的路线），也不是让流程更严格（Superpowers 的路线），而是让 AI 扮演不同角色来提升决策质量。它的争议恰恰说明了 AI 编程生态的丰富性——没有一个方案适合所有人。
如果你对 gstack 感兴趣，下一步可以看 实战篇——从安装到跑通完整工作流的手把手教程。
相关阅读：
- GSD 概念介绍 — 另一种结构化 AI 编程方案
- Ralph Wiggum 深度解析 — 了解无限循环迭代的起点
- Claude Skills 概念篇 — 理解 Skills 的底层机制