YC is transforming into an AI-native organization by using AI as a foundational layer and recording all artifacts. The project started with building agents for the finance team, encoding workflows using natural language. Giving agents read-only SQL access to the production database unlocked powerful capabilities. YC runs on its own software with all data in one Postgres database, enabling easy SQL queries. Having all context in one place allows agents to answer arbitrary business questions quickly. Denormalizing data into a format optimized for agent retrieval is key for leveraging AI in legacy organizations.
YC đang chuyển đổi thành một tổ chức AI-native bằng cách sử dụng AI làm lớp nền tảng và ghi lại tất cả các tạo phẩm. Dự án bắt đầu với việc xây dựng các tác tử cho nhóm tài chính, mã hóa quy trình làm việc bằng ngôn ngữ tự nhiên. Việc cấp quyền truy cập SQL chỉ đọc vào cơ sở dữ liệu sản xuất đã mở khóa các khả năng mạnh mẽ. YC chạy trên phần mềm của riêng mình với tất cả dữ liệu trong một cơ sở dữ liệu Postgres, cho phép truy vấn SQL dễ dàng. Có tất cả ngữ cảnh ở một nơi cho phép các tác tử trả lời các câu hỏi kinh doanh tùy ý một cách nhanh chóng. Phi chuẩn hóa dữ liệu thành định dạng tối ưu cho việc truy xuất của tác tử là chìa khóa để tận dụng AI trong các tổ chức kế thừa.
How do you build super intelligence inside a company?
Làm thế nào để xây dựng siêu trí tuệ bên trong một công ty?
- Part of the key thing is not to just use AI as a copilot.
- Một phần quan trọng là không chỉ sử dụng AI như một copilot.
This is the thing where you use it as the building layer for everything.
Đây là thứ bạn dùng nó như lớp nền tảng cho mọi thứ.
And you need to start recording all the artifacts.
Và bạn cần bắt đầu ghi lại tất cả các tạo phẩm.
- It's like a shared organizational brain.
- Nó giống như một bộ não tổ chức chung.
It's like the closest thing to us being able to like connect our brains.
Nó giống như thứ gần nhất để chúng ta có thể kết nối bộ não của mình.
If you frame this as a way for everyone in an organization to get better at what they do using the like collective skill and instinct of the people they work with, it's incredibly powerful.
Nếu bạn coi đây là cách để mọi người trong tổ chức trở nên giỏi hơn trong công việc của họ bằng cách sử dụng kỹ năng và bản năng tập thể của những người họ làm việc cùng, thì nó cực kỳ mạnh mẽ.
Today we have a real treat.
Hôm nay chúng ta có một món đặc biệt.
Uh we have a special guest, general partner at YC, our partner Pete Kumman.
Uh chúng ta có một vị khách đặc biệt, đối tác chung tại YC, đối tác của chúng ta Pete Kumman.
He created Optimizely which was one of the first and one of the best ways to do AB testing for apps and websites.
Anh ấy đã tạo ra Optimizely, một trong những cách đầu tiên và tốt nhất để thực hiện thử nghiệm AB cho ứng dụng và trang web.
And since then he has gone on to create all of our agent infrastructure at YC.
Và kể từ đó, anh ấy đã tiếp tục tạo ra toàn bộ cơ sở hạ tầng tác nhân của chúng tôi tại YC.
So literally all of our harnesses and how we use AI internal to YC.
Vì vậy, theo nghĩa đen, tất cả các harness của chúng tôi và cách chúng tôi sử dụng AI nội bộ tại YC.
Pete, welcome to the light code.
Pete, chào mừng đến với light code.
- Thanks Gary.
- Cảm ơn Gary.
for the last few years since ChatgBTYC has been funding mainly AI companies and we've been we've gone through like many different like versions of advice for them about how to build AI native companies that build like mainly AI products and we've gone on a crazy journey with them learning all of this.
Trong vài năm qua kể từ ChatGPT, YC chủ yếu tài trợ cho các công ty AI và chúng tôi đã trải qua nhiều phiên bản lời khuyên khác nhau cho họ về cách xây dựng các công ty AI bản địa, những công ty xây dựng các sản phẩm chủ yếu là AI, và chúng tôi đã có một hành trình điên rồ cùng họ học hỏi tất cả những điều này.
I think a lot of people don't realize that internally YC is
Tôi nghĩ nhiều người không nhận ra rằng nội bộ YC đang
actually building and using a lot of the same stuff that we're helping our startups build and use themselves.
Thực sự xây dựng và sử dụng rất nhiều thứ tương tự mà chúng tôi đang giúp các startup của mình xây dựng và sử dụng.
And it's been I think a very powerful symbiotic relationship for us to actually be adopting these tools and like transforming our own organization which was started way pre- AI into a super AI native organization ourselves and Pete has really been leading the
Và tôi nghĩ đó là một mối quan hệ cộng sinh rất mạnh mẽ khi chúng tôi thực sự áp dụng những công cụ này và biến đổi tổ chức của chính mình, vốn được thành lập từ trước thời AI, thành một tổ chức siêu AI bản địa, và Pete thực sự đã dẫn đầu
charge for that.
Cuộc chơi đó.
And so I'm really excited about this episode because I've actually been wanting to talk publicly about all the stuff that we've built internally and this is the first time that we're doing it.
Và vì vậy tôi rất hào hứng về tập này vì tôi thực sự đã muốn nói công khai về tất cả những thứ chúng tôi đã xây dựng nội bộ và đây là lần đầu tiên chúng tôi làm điều đó.
So Pete perhaps to start off you sort of go back to the beginning and like talk about like there was a particular like moment when we really started adopting these AI tools
Vậy Pete, có lẽ để bắt đầu, bạn hãy quay lại thời điểm ban đầu và kể về một khoảnh khắc cụ thể khi chúng ta thực sự bắt đầu áp dụng những công cụ AI này
internally.
Nội bộ.
It was really you who got us started down that path.
Thực sự là bạn đã đưa chúng tôi bắt đầu con đường đó.
- Sure.
- Chắc chắn rồi.
uh happy to happy to tell the story here and it's I like framing it that way because it was a project that I and a few engineers got started about a year ago, maybe a little more, but that has since snowballed into just a whole infrastructure layer that's made it possible for us to use AI internally at YC in lots of different ways.
Uh rất vui được kể câu chuyện này và tôi thích cách diễn đạt như vậy vì đó là một dự án mà tôi và một vài kỹ sư đã bắt đầu khoảng một năm trước, có thể hơn một chút, nhưng từ đó đã phát triển thành cả một lớp cơ sở hạ tầng giúp chúng tôi có thể sử dụng AI nội bộ tại YC theo nhiều cách khác nhau.
And that's actually been one of the neatest
Và đó thực sự là một trong những phần tuyệt vời nhất
parts about this is watching the whole engineering team and many partners also just dive in and contribute to this this infrastructure layer.
Về điều này là chứng kiến toàn bộ đội ngũ kỹ sư và nhiều đối tác cũng tham gia và đóng góp vào lớp cơ sở hạ tầng này.
We started building our own harness inside of YC or kind of YC specific agents about a year ago and uh the original impetus for the project was some of the work that I and and a few of the software engineers at YC were doing with our finance team.
Chúng tôi bắt đầu xây dựng harness nội bộ của riêng mình tại YC, hay còn gọi là các tác nhân đặc thù của YC, khoảng một năm trước và uh động lực ban đầu cho dự án là một số công việc mà tôi và một vài kỹ sư phần mềm tại YC đã làm với đội ngũ tài chính của chúng tôi.
Just for a bit a bit of backstory.
Chỉ để cung cấp một chút bối cảnh.
So YC has for as long as it's existed, as far as I'm aware, run mostly on our own software in this era just given us a huge advantage, right?
Vậy là YC, từ khi thành lập, theo như tôi biết, hầu hết đều chạy trên phần mềm của riêng mình, và trong thời đại này, điều đó mang lại cho chúng tôi một lợi thế rất lớn, phải không?
And so with that context, back to this moment maybe a year ago, we were sitting down with the finance team, talking through a set of tools that we were going to build for them, uh, just to help them run through
Và với bối cảnh đó, quay lại khoảnh khắc cách đây một năm, chúng tôi đã ngồi với đội ngũ tài chính, thảo luận về một bộ công cụ mà chúng tôi sẽ xây dựng cho họ, uh chỉ để giúp họ thực hiện
some of their finance workflows, booking journal entries, uh, logging priced rounds, like all the sorts of things that make YC run really.
Một số quy trình tài chính của họ, ghi sổ nhật ký, uh ghi lại các vòng định giá, tất cả những thứ thực sự làm nên YC.
I was seeing kind of two things at once.
Tôi đã thấy hai điều cùng một lúc.
Like on one hand uh we you know we had this sort of loop going internally right where we'd sit down with the finance team.
Một mặt, uh bạn biết đấy, chúng tôi có một vòng lặp nội bộ, nơi chúng tôi ngồi với đội ngũ tài chính.
The finance team would describe to our software engineers how you know this
Đội ngũ tài chính sẽ mô tả cho các kỹ sư phần mềm của chúng tôi cách mà quy trình tài chính phức tạp này hoạt động
complicated financial workflow worked and then the software engineers would go and build some purpose-built software where there was a deterministic workflow encapsulating everything that they had been told and then hand it back to the finance team and so on.
Và sau đó các kỹ sư phần mềm sẽ đi xây dựng một phần mềm chuyên dụng với một quy trình xác định bao gồm tất cả những gì họ đã được nghe và sau đó giao lại cho đội ngũ tài chính, và cứ thế.
And it felt really inefficient.
Và nó cảm thấy thực sự kém hiệu quả.
And then at the same time, this was right around the time when agentic tools were really agentic
Và cùng lúc đó, đây là khoảng thời gian mà các công cụ tác nhân thực sự mang tính tác nhân
coding tools were really catching hold, right?
Các công cụ lập trình đang thực sự bắt kịp, phải không?
And so you had uh kind of the first generation uh windsurf and cursor that were well established by this point.
Và vì vậy bạn có uh thế hệ đầu tiên của windsurf và cursor đã được thiết lập tốt vào thời điểm này.
I think this right around when cloud code was introduced.
Tôi nghĩ đây là khoảng thời gian khi cloud code được giới thiệu.
I felt like this was giving me superpowers, right?
Tôi cảm thấy điều này đang mang lại cho tôi siêu năng lực, phải không?
Um and then kind of watching this sort of old classical way of building software in YC and then watching how I
Um và sau đó, khi nhìn vào cách xây dựng phần mềm cổ điển cũ tại YC và sau đó nhìn cách tôi
was doing things on my own machine.
Đang làm việc trên máy của riêng mình.
this it just felt like a bigger and bigger divide between those things.
Điều này chỉ làm cho khoảng cách giữa những thứ đó ngày càng lớn hơn.
And so the original impetus was why don't we try to build some tools at YC that we could use to run agents that would give the finance team control over their own software, right?
Và vì vậy động lực ban đầu là tại sao chúng ta không thử xây dựng một số công cụ tại YC mà chúng ta có thể sử dụng để chạy các tác nhân, những công cụ sẽ cho đội ngũ tài chính quyền kiểm soát phần mềm của riêng họ, phải không?
like remove the software engineers from this crazy loop where they have to sort of understand
Loại bỏ các kỹ sư phần mềm khỏi vòng lặp điên rồ này, nơi họ phải hiểu
these complicated workflows and give the finance team the tools that they could use to encode their own workflows not not as you know not as Ruby uh but as English with prompts right - I mean what's interesting is like uh we all funded companies like maybe even like two or three years ago when LLMs were out but like agent coding wasn't a thing yet and so the first thing
Những quy trình phức tạp này và cung cấp cho đội ngũ tài chính các công cụ mà họ có thể sử dụng để mã hóa các quy trình của riêng mình, không phải bằng Ruby uh mà bằng tiếng Anh với các prompt - Ý tôi là điều thú vị là uh chúng tôi đã tài trợ cho các công ty như có thể hai hoặc ba năm trước khi LLM ra đời nhưng lập trình tác nhân chưa phải là một thứ, và vì vậy điều đầu tiên
actually was not a coding it was LLMs for writing SQL queries.
Thực ra không phải là lập trình mà là LLM để viết các truy vấn SQL.
Yes.
Vâng.
- So that's what I remember from like the first versions of what you built was uh how like good it was and how basically it rhymed with like these other failed startups that we had funded like each of us probably funded one at some point.
- Vậy đó là những gì tôi nhớ từ những phiên bản đầu tiên của thứ bạn xây dựng, nó tốt như thế nào và về cơ bản nó tương đồng với những startup thất bại khác mà chúng tôi đã đầu tư, mỗi người chúng tôi có lẽ đã đầu tư vào một cái vào lúc nào đó.
You know here it was it was working and it worked so well that non-technical people uh granted very smart people from finance but with no engineering background could use these tools to ask real questions.
Bạn biết đấy, ở đây nó đã hoạt động và hoạt động tốt đến nỗi những người không có chuyên môn kỹ thuật - dù là những người rất thông minh từ lĩnh vực tài chính nhưng không có nền tảng kỹ thuật - có thể sử dụng những công cụ này để đặt những câu hỏi thực tế.
I was really surprised too to be honest and so that we started with this kind of purpose-built thing for finance and then rewrote it to even more of a general agent loop right
Thành thật mà nói, tôi cũng rất ngạc nhiên, và vì vậy chúng tôi bắt đầu với thứ được xây dựng chuyên biệt cho tài chính này, sau đó viết lại nó thành một vòng lặp tác nhân tổng quát hơn, đúng vậy.
and it and it's this is now you see these all over the place now but um I the first kind of magical moment that I had was we had this agent loop and we had a tool registry a shared tool registry for kind of YC specific tools and the first tool that really was an unlock for me was I think a tool looking back that you actually built Jared.
Và bây giờ bạn thấy những thứ này ở khắp mọi nơi, nhưng khoảnh khắc kỳ diệu đầu tiên của tôi là khi chúng tôi có vòng lặp tác nhân này và một kho công cụ dùng chung cho các công cụ đặc thù của YC, và công cụ đầu tiên thực sự mở khóa cho tôi là một công cụ mà nhìn lại, tôi nghĩ chính Jared đã xây dựng.
It gave these agents the ability to run
Nó cho phép các tác nhân này chạy
readonly SQL queries against our database.
các truy vấn SQL chỉ đọc trên cơ sở dữ liệu của chúng tôi.
Yes.
Đúng vậy.
- Right.
- Phải.
Um it was two tools actually.
Ừm, thực ra là hai công cụ.
One was running queries against our database and the other one was the ability to read our model files.
Một là chạy truy vấn trên cơ sở dữ liệu của chúng tôi, và cái còn lại là khả năng đọc các tệp mô hình của chúng tôi.
I remember I built those tools and I felt a little bit like I was breaking the rules because initially we started with very limited tools that had very narrowly scoped domains and I kept getting frustrated because they weren't
Tôi nhớ mình đã xây dựng những công cụ đó và cảm thấy hơi như đang phá vỡ quy tắc, vì ban đầu chúng tôi bắt đầu với những công cụ rất hạn chế, có phạm vi rất hẹp, và tôi liên tục thất vọng vì chúng không đủ mạnh để làm những việc tôi muốn, vì vậy tôi tự hỏi, nếu chúng tôi cho nó quyền truy cập hoàn toàn vào cơ sở dữ liệu sản xuất, nơi nó có thể giẫm đạp lên bất cứ thứ gì, và tôi đã lén lút đẩy nó ra, có lẽ vào cuối ngày.
powerful enough to do the things that I wanted and so I was like what if we just gave the thing like access complete access to the production database where it could just like trample on anything and I sort of like surreptitiously pushed it out maybe late at Right.
Đủ mạnh để làm những việc tôi muốn, và vì vậy tôi tự hỏi, nếu chúng tôi cho nó quyền truy cập hoàn toàn vào cơ sở dữ liệu sản xuất, nơi nó có thể giẫm đạp lên bất cứ thứ gì, và tôi đã lén lút đẩy nó ra, có lẽ vào cuối ngày.
- And it worked.
- Và nó đã hoạt động.
- It worked.
- Nó đã hoạt động.
- It worked extremely well, right?
- Nó hoạt động cực kỳ tốt, phải không?
- Yeah.
- Ừ.
Perhaps foreshadowing, you know, subsequent things like OpenClaw where it turns out that like the thing that was hampering the world was being worried about security and privacy and all the things that could go wrong.
Có lẽ là điềm báo trước, bạn biết đấy, những thứ sau này như OpenClaw, hóa ra thứ đang cản trở thế giới là lo lắng về bảo mật và quyền riêng tư và tất cả những điều có thể sai.
And when you like worry a bit less, you're like, "Oh my god, these things are unbelievably powerful." It's it's another really good example of this weird split between I'm
Và khi bạn bớt lo lắng hơn một chút, bạn sẽ nghĩ, 'Ôi chúa ơi, những thứ này mạnh mẽ không thể tin được.' Đó là một ví dụ rất hay về sự phân chia kỳ lạ này giữa việc tôi đang làm việc và hoạt động trong một cái hộp rất hẹp, còn ở nhà tôi sử dụng clawed code hoặc bất cứ thứ gì như open claw her và tôi có thể làm bất cứ điều gì, và cố gắng thu hẹp khoảng cách đó.
at work and I'm kind of operating in this really - narrow box and I'm at home using clawed code or or whatever like open claw her and I can do anything right um and and trying to trying to narrow that gap.
Tại nơi làm việc, tôi hoạt động trong một cái hộp rất hẹp, còn ở nhà tôi sử dụng clawed code hoặc bất cứ thứ gì như open claw her và tôi có thể làm bất cứ điều gì, và cố gắng thu hẹp khoảng cách đó.
So why was this so useful?
Vậy tại sao điều này lại hữu ích đến vậy?
This ability to run SQL queries against our database.
Khả năng chạy các truy vấn SQL trên cơ sở dữ liệu của chúng tôi.
Sounds really simple.
Nghe có vẻ rất đơn giản.
Well, I think this is where it's important to talk about one of the big advantages
Chà, tôi nghĩ đây là lúc cần nói về một trong những lợi thế lớn
that I think YC had coming into this experiment.
mà tôi nghĩ YC đã có khi bước vào thử nghiệm này.
Uh which is that we run on our own software and all of that software sits on one Postgress database that has everything that's important to YC's world in it.
Đó là chúng tôi chạy trên phần mềm của chính mình và tất cả phần mềm đó nằm trên một cơ sở dữ liệu Postgres duy nhất chứa mọi thứ quan trọng đối với thế giới của YC.
You know, every company that we funded, there's a company's table, there's a there's a founders table, right?
Bạn biết đấy, mọi công ty chúng tôi đầu tư đều có bảng companies, bảng founders, phải không?
There's tables for our financial transactions.
Có bảng cho các giao dịch tài chính của chúng tôi.
There's
Có
tables for the notes that I leave in our little internal CRM.
bảng cho các ghi chú tôi để lại trong CRM nội bộ nhỏ của chúng tôi.
Right?
Phải không?
All of these functions that I think a lot of other companies farm out to third party SAS tools, we've built our own.
Tất cả những chức năng mà tôi nghĩ nhiều công ty khác thuê ngoài cho các công cụ SaaS bên thứ ba, chúng tôi đã tự xây dựng.
And as a result, we have this database with every important piece of context that I can now ask questions like, hey, show me all of the investors who invested in a space related company in the last four
Và kết quả là, chúng tôi có cơ sở dữ liệu này với mọi ngữ cảnh quan trọng, và giờ tôi có thể đặt những câu hỏi như, này, cho tôi xem tất cả các nhà đầu tư đã đầu tư vào một công ty liên quan đến không gian trong bốn batch vừa qua.
batches.
Phải không?
Right?
Hóa ra, khi tất cả ngữ cảnh đó nằm ở một nơi, với một chút thông tin bổ sung về cách bố trí schema, một tác nhân có thể đi và trả lời bất kỳ câu hỏi tùy ý nào về doanh nghiệp của chúng tôi.
It just turns out when when all of that context is in one place with a little bit of additional uh information about how the schema is laid out, an agent can go and ask any or answer arbitrary questions about our business.
Đó thực sự là một khoảnh khắc kỳ diệu khi tôi lần đầu thấy điều đó.
- That was a magic moment for sure when I first saw that.
- Đó là một khoảnh khắc kỳ diệu khi tôi lần đầu thấy điều đó.
- Yeah.
- Ừ.
- The cool thing for me is that it didn't just make it easier to answer questions.
- Điều thú vị với tôi là nó không chỉ làm cho việc trả lời câu hỏi dễ dàng hơn.
It dramatically increased the number of questions that we would ask and dramatically increased the scale and complexity of the questions that we would dare to ask where like you know in the in the old days back when we were using like BI tools to ask to ask a question like that you know like what investors have invested like in space related companies that would be like
Nó làm tăng đáng kể số lượng câu hỏi chúng tôi sẽ đặt ra và làm tăng đáng kể quy mô và độ phức tạp của những câu hỏi chúng tôi dám hỏi, nơi mà ngày xưa khi chúng tôi sử dụng các công cụ BI để hỏi một câu hỏi như, bạn biết đấy, nhà đầu tư nào đã đầu tư vào các công ty liên quan đến không gian, thì sẽ mất vài giờ để viết SQL, và vì vậy trừ khi nó thực sự quan trọng, bạn sẽ không thèm làm.
several hours of writing SQL and so like unless it was really important you just wouldn't bother.
Đó chỉ là một ví dụ khác về nghịch lý Gvon, khi bạn loại bỏ sự qua lại giữa các nhóm khác nhau để hoàn thành một việc, nếu để trả lời một câu hỏi phức tạp về YC, tôi phải đến gõ cửa đội khoa học dữ liệu và chờ họ xử lý trong backlog của họ, thì tôi sẽ đặt ít câu hỏi hơn nhiều.
It's just another example of the you know this instance of Gvon's paradox that you get when you remove the amount of back and forth uh between different teams in order to get a thing done right if in order to answer ask some kind of complex question about YC I have to go and knock on
Đó chỉ là một ví dụ khác về nghịch lý Gvon, khi bạn loại bỏ sự qua lại giữa các nhóm khác nhau để hoàn thành một việc, nếu để trả lời một câu hỏi phức tạp về YC, tôi phải đến gõ cửa đội khoa học dữ liệu và chờ họ xử lý trong backlog của họ, thì tôi sẽ đặt ít câu hỏi hơn nhiều.
you know the data science team's door and wait for them to get it through you know their backlog uh I'm just going to ask far fewer questions.
Bạn biết đấy, đội khoa học dữ liệu và chờ họ xử lý trong backlog của họ, thì tôi sẽ đặt ít câu hỏi hơn nhiều.
I mean, there are people out there watching this who work in places that still use it.
Ý tôi là, có những người ngoài kia đang xem chương trình này, những người làm việc ở những nơi vẫn sử dụng nó.
The majority of people live in that world still, and it's 2026, which is a little unfathomable, actually.
Phần lớn mọi người vẫn sống trong thế giới đó, và đó là năm 2026, điều này thực sự khó tin.
- There's a long way to go, - I think, which is which is really exciting.
- Còn một chặng đường dài phía trước, tôi nghĩ vậy, điều này thực sự thú vị.
- I guess one question is how do companies that live in that old world could get sort of wings to move so quickly?
- Tôi đoán một câu hỏi là làm thế nào các công ty sống trong thế giới cũ đó có thể có được đôi cánh để di chuyển nhanh như vậy?
Because our the magic for us was as you said, everything was the context was in one place that made it easy.
Bởi vì điều kỳ diệu đối với chúng tôi là như bạn đã nói, mọi thứ, ngữ cảnh đều nằm ở một nơi, điều đó làm cho nó dễ dàng.
You know, if you think about um data science historically, one of the first things that the Googlers had to figure out was a big table, right?
Bạn biết đấy, nếu bạn nghĩ về khoa học dữ liệu trong lịch sử, một trong những điều đầu tiên mà các Googler phải tìm ra là big table, phải không?
And big table was, you know, instead of schema you and joins, you have one big table that um can be map produced.
Và big table, thay vì schema và joins, bạn có một bảng lớn duy nhất có thể được map reduce.
- Yes.
- Vâng.
- And so I think that's happening again.
- Và tôi nghĩ điều đó đang xảy ra một lần nữa.
And I would argue that's happening now with um Karpathy style knowledge LLM wikis uh with Gbrain.
Và tôi cho rằng điều đó đang xảy ra bây giờ với các wiki LLM kiểu Karpathy, với Gbrain.
I mean, that's what I'm seeing anyway.
Ý tôi là, đó là những gì tôi thấy.
Like, you know, obviously I have I have an open claw.
Như bạn biết, rõ ràng tôi có một OpenClaw.
It has access to lots of lots of systems and then I'm normalizing it to my own schema that's relevant to me and the things that I care about.
Nó có quyền truy cập vào nhiều hệ thống và tôi đang chuẩn hóa nó theo schema của riêng tôi, phù hợp với tôi và những thứ tôi quan tâm.
And it is like denormalization.
Và nó giống như phi chuẩn hóa.
It's you're taking data and you're putting it into a format that uh is more or less optimized for openclaw or Hermes agent like that
Bạn đang lấy dữ liệu và đặt nó vào định dạng được tối ưu hóa cho OpenClaw hoặc Hermes agent.
particular type of harness to be able to ask questions.
Một loại harness cụ thể để có thể đặt câu hỏi.
It needs retrieval, it needs rag, it needs graph rag, it needs uh you know hybrid RRF like there's re-ranking in there like you know all the things that everyone has learned about retrieval uh is now inside Gbrain.
Nó cần retrieval, rag, graph rag, hybrid RRF, re-ranking, tất cả những thứ mọi người đã học về retrieval giờ đều có trong Gbrain.
And then when you give the agents a soul and it and you give it uh the data and it knows you and what you care about like suddenly these things have insane wings.
Và khi bạn cho agent một linh hồn và cung cấp dữ liệu, nó biết bạn và những gì bạn quan tâm, đột nhiên những thứ này có sức mạnh khủng khiếp.
like I just kind of can't believe how it sees around corners and you might ask a question and it'll even you sort of interpret what your question was about and like give you a thing that frankly like it would take a human who
Tôi không thể tin được nó thấy trước mọi thứ, bạn có thể hỏi một câu và nó sẽ diễn giải câu hỏi của bạn và đưa ra thứ mà một người thực sự hiểu rõ bạn mới có thể trả lời.
really knows you well - to answer um all that's possible now and so you know your question is like all the data is everywhere my answer from like the openclaw Hermes experience with Gbrain is like yeah you basically have to take that you're going to denormalize it and you're going to put it in a format that is optimized for agent retrieval and understanding.
- Tất cả điều đó đều có thể bây giờ, và câu hỏi của bạn là dữ liệu ở khắp mọi nơi, câu trả lời từ trải nghiệm OpenClaw Hermes với Gbrain là bạn phải phi chuẩn hóa và đặt nó vào định dạng tối ưu cho agent retrieval và hiểu biết.
You could
Bạn có thể
wrap it in an MCP, but for whatever reason, I just like intuitively I'd be worried like it's still sort, you know, these things are really good at working with MCP and C like they're a little even better with CLI.
Bọc nó trong MCP, nhưng vì lý do nào đó, tôi trực giác lo lắng rằng nó vẫn còn hạn chế, những thứ này rất giỏi làm việc với MCP và C, nhưng thậm chí còn tốt hơn với CLI.
It seems like you have to denormalize and do the big table thing, but you know, specifically for the agent.
Có vẻ như bạn phải phi chuẩn hóa và làm bảng lớn, nhưng cụ thể cho agent.
Looking back over the last year and a half, uh it feels like we're
Nhìn lại năm rưỡi qua, có vẻ như chúng ta vẫn
still kind of in the single player era of agents where the harnesses that have gotten really popular, right?
Đang ở kỷ nguyên đơn người chơi của agent, nơi các harness phổ biến, phải không?
Uh Claude Code, Codeex, Pi, OpenClaw, Hermes, they're all designed to be used by a single human running on a single machine.
Claude Code, Codeex, Pi, OpenClaw, Hermes, tất cả đều được thiết kế cho một người dùng trên một máy.
And it makes a lot of sense, right?
Và điều đó rất hợp lý, phải không?
Because in that environment, these agents can do just about anything, right?
Bởi vì trong môi trường đó, các agent có thể làm hầu hết mọi thứ.
And they make you
Và chúng khiến bạn
incredibly powerful.
Trở nên cực kỳ mạnh mẽ.
It's it's they're a lot of fun to use.
Chúng rất thú vị để sử dụng.
I think one of the big problems uh that I don't think has been solved well yet by anybody is the multiplayer - harness, right?
Tôi nghĩ một trong những vấn đề lớn chưa được giải quyết tốt bởi ai là harness nhiều người chơi, phải không?
It's it's enabling that kind of superpower, but on a team or an organizational level, right?
Đó là kích hoạt siêu năng lực đó, nhưng ở cấp độ nhóm hoặc tổ chức.
And and that's I think been the interesting thing to explore with the infrastructure
Và đó là điều thú vị để khám phá với cơ sở hạ tầng
that we've built at YC is watching which primitives that we've created that have enabled individuals and teams to use agents.
Mà chúng tôi đã xây dựng tại YC là xem các nguyên thủy nào chúng tôi tạo ra đã kích hoạt cá nhân và nhóm sử dụng agent.
you asked the question about if you're working inside of a kind of a legacy organization which is like anyone who's more than two years old uh what are the things that you can focus on uh in order to help enable everybody at your org to use AI to do more uh and
Bạn hỏi về việc làm việc trong tổ chức cũ, những thứ bạn có thể tập trung để giúp mọi người trong tổ chức sử dụng AI hiệu quả hơn.
we talked about kind of this common context layer right and so a data warehouse where just as much of your internal important context lives it just turns out is extremely useful there are many tools for connecting individual agent harnesses to uh you know other MCP tools, other sources of truth.
Chúng tôi đã nói về lớp ngữ cảnh chung, một kho dữ liệu nơi nhiều ngữ cảnh nội bộ quan trọng sống, cực kỳ hữu ích. Có nhiều công cụ kết nối các harness agent riêng lẻ với các công cụ MCP khác, nguồn sự thật khác.
But just like a coding agent inside a monor repo just tends to be much more efficient, watching our
Nhưng giống như một coding agent trong monorepo thường hiệu quả hơn nhiều, quan sát các agent của chúng tôi
agents operating on our single database that has everything in one schema tells me that there's a lot of value at least in getting all of the context into one place.
Hoạt động trên cơ sở dữ liệu duy nhất có mọi thứ trong một schema cho thấy có nhiều giá trị trong việc đưa tất cả ngữ cảnh vào một nơi.
Having an internal tool registry.
Có một registry công cụ nội bộ.
This is I think the other really important thing that we've built.
Đây là điều quan trọng khác chúng tôi đã xây dựng.
So in the beginning like we were talking about it was just the whole system was really simple.
Ban đầu, toàn bộ hệ thống rất đơn giản.
It was like an agent loop and a simple tool registry and you know a few other pieces right like a model router underneath.
Nó là một vòng lặp agent và một registry công cụ đơn giản, và một vài phần khác như model router bên dưới.
The tool registry is where most of the like YC specific stuff lives right.
Registry công cụ là nơi chứa hầu hết các thứ đặc thù của YC.
The tool registry is what turns
Registry công cụ biến
these agents into something that's useful at work.
Các agent này thành thứ hữu ích trong công việc.
and we had like 20 tools at the beginning, including this magical ability to query our SQL database.
Và chúng tôi có khoảng 20 công cụ ban đầu, bao gồm khả năng truy vấn cơ sở dữ liệu SQL.
But over time, teams have added more and more tools.
Nhưng theo thời gian, các nhóm đã thêm ngày càng nhiều công cụ.
Every time we kind of come upon some piece of work at YC uh that we think could be improved with an agent, we can just add tools.
Mỗi khi chúng tôi gặp một công việc tại YC mà chúng tôi nghĩ có thể cải thiện bằng agent, chúng tôi chỉ cần thêm công cụ.
And there's more than 350 today.
Và hiện có hơn 350 công cụ.
I just checked, right?
Tôi vừa kiểm tra.
Every team is adding their own tools.
Mỗi nhóm đang thêm công cụ riêng của họ.