Экосистема gstack: как Гарри Тан превращает Claude Code в команду из 23 специалистов

Что общего между Y Combinator, OpenClaw и самой популярной Claude Code-настройкой на GitHub? Один человек — Garry Tan. Его gstack и gbrain задают новый стандарт персональной AI-фабрики: локально, структурировано и под полным контролем.

В марте 2026 года Гарри Тан, президент и CEO Y Combinator, выложил в открытый доступ garrytan/gstack — набор из 23 «slash-навыков» для Claude Code. Спустя месяц появился garrytan/gbrain, слой долгосрочной памяти для OpenClaw и Hermes. Вместе они образуют экосистему, которую удобно назвать gstack: не продукт, а способ организации персональных AI-инструментов.

Сейчас gstack — это ~128 000 звёзд на GitHub, gbrain — ещё ~28 000. За этими цифрами не только хайп, но и чёткая методология: разделение знаний и поведения, slash-команды как роли, и процесс, который заставляет агента думать, прежде чем писать код.

Кто такой Гарри Тан и почему это важно

Гарри Тан — не очередной инфлюенсер в AI. Один из первых инженеров Palantir, сооснователь Posterous (продан Twitter), создатель внутренней социальной сети YC Bookface и человек, который видел Coinbase, Instacart и Rippling ещё на стадии гаража. В 2026 году он запустил gstack, потому что сам заметил, как AI-агенты меняют его собственную продуктивность.

В README gstack приводится сравнение: в 2013 году он делал 14 «логических» строк изменений в день, в 2026 — около 11 417. С поправкой на инфляцию кода от AI это, по его методологии, примерно в 810 раз больше. Цифры спорные и стали поводом для дискуссий о том, как вообще измерять продуктивность с AI, но сам факт не вызывает сомнений: один человек с правильными инструментами может двигаться со скоростью небольшой команды.

Ключевая идея Тана: AI написал большую часть кода, но решения — человека. gstack не заменяет инженера, а добавляет ему виртуальных специалистов, каждый из которых отвечает за узкий этап работы.

Что внутри gstack

gstack — это не фреймворк в привычном смысле. Это папка с Markdown-инструкциями, которые Claude Code читает как промпты. Каждая инструкция — это роль. Вот как они группируются.

Планирование и продукт

• /office-hours — шесть форсирующих вопросов, которые переформулируют задачу, прежде чем писать код.
• /plan-ceo-review — стратегический пересмотр: расширить, сузить или оставить scope.
• /plan-eng-review — архитектура, data-flow, диаграммы, edge-кейсы, тестовая матрица.
• /plan-design-review — оценка дизайна по шкале 0–10 и поиск «AI-slop».
• /autoplan — CEO + дизайн + eng + DX-ревью в одной команде.

Дизайн

• /design-consultation — собрать дизайн-систему с нуля.
• /design-shotgun — 4–6 вариантов мокапов, доски сравнения, итерации.
• /design-html — превратить мокап в production-ready HTML без зависимостей.
• /design-review — аудит + правки, атомарные коммиты, скриншоты до/после.

Код, ревью и безопасность

• /review — staff engineer, который находит баги, проходящие CI.
• /codex — второе мнение от OpenAI Codex CLI.
• /cso — Chief Security Officer: OWASP Top 10 + STRIDE.
• /investigate — системный отладчик с запретом чинить без расследования.

QA и поставка

• /qa — открывает настоящий браузер, кликает, находит баги, фиксит, пишет регрессионные тесты.
• /ship — синхронизация, тесты, coverage, PR.
• /land-and-deploy — merge, CI, deploy, проверка в проде.
• /canary — постдеплойный мониторинг.

Память и документация

• /learn — управление тем, что gstack запомнил о проекте.
• /sync-gbrain — переиндексация репозитория в gbrain.
• /document-release — обновление документации после релиза.
• /document-generate — генерация недостающих docs по Diataxis.

Полный список растёт: к моменту публикации в gstack уже более 23 навыков, включая /spec, /careful, /freeze, /guard, /diagram, /make-pdf и специализированные iOS-инструменты.

Процесс, а не набор тулов

Главная ошибка при взгляде на gstack — думать, что это просто крутая коллекция промптов. Тан подчёркивает: навыки работают в цепочке.

/office-hours пишет design-doc, который читает /plan-ceo-review. Eng-ревью готовит тест-план для /qa. /review ловит баги, которые /ship проверяет исправленными. Каждый шаг знает, что было до него.

Этот процесс можно описать семью этапами:

1. Think — /office-hours, /investigate, /learn.
2. Plan — /plan-ceo-review, /plan-eng-review, /plan-design-review, /autoplan, /spec.
3. Build — непосредственно код в Claude Code.
4. Review — /review, /codex, /design-review, /cso.
5. Test — /qa, /qa-only, /devex-review.
6. Ship — /ship, /land-and-deploy, /canary, /benchmark.
7. Reflect — /retro, /document-release, /learn.

Такая конвейеризация позволяет человеку оставаться на уровне решений, а агенту — на уровне исполнения. Это и есть вайб-кодинг нового уровня: не «напиши мне функцию», а «проведи этот фичер через мою фабрику».

gbrain: память за пределами одного чата

Если gstack отвечает за процесс, то gbrain отвечает за память. Это opinionated brain layer, который Тан использует для своих OpenClaw- и Hermes-агентов. По его словам, gbrain уже индексирует 155 795 страниц, 24 589 человек, 5 340 компаний и 66 cron-задач.

В отличие от простого поиска по заметкам, gbrain делает три вещи одновременно:

• Синтез. Не выдаёт список страниц, а пишет связный ответ с цитатами и явно отмечает, чего не знает.
• Граф знаний. Автоматически выделяет сущности и типизированные связи: attended, works_at, invested_in, founded, advises.
• Gap analysis. Показывает пробелы в данных, чтобы пользователь не принимал решения на устаревших фактах.

Графовая часть позволяет отвечать на вопросы, которые векторный поиск не тянет: «кто работает в Acme AI?», «во что вложился Боб в этом квартале?». Согласно собственным бенчмаркам gbrain, P@5 на синтетическом корпусе — 49,1%, а с отключённым графом падает на 31,4 пункта.

Two-repo architecture: раздели поведение и знания

Одна из ключевых идей gbrain — two-repo architecture. Поведение агента и мировые знания хранятся отдельно. Это позволяет менять одно без потери другого.

Например, можно переписать стиль ревью в агенте, не затрагивая 150 тысяч страниц памяти. Или обновить факты о клиенте, не рискуя сломать логику взаимодействия. Разделение соответствует принципу behavior vs world knowledge: поведение — replaceable, знания — permanent.

Эта архитектура особенно важна для local-first и markdown-first подходов: каждый репозиторий — это просто папка с файлами, которую можно версионировать через Git, читать в Obsidian и бэкапить как обычный код.

Как gstack связан с OpenClaw

OpenClaw — открытая платформа для персональных агентов, созданная Петером Штайнбергером (Peter Steinberger) в ноябре 2025 года. Сейчас у неё более 386 000 звёзд на GitHub. OpenClaw порождает Claude Code-сессии через ACP, поэтому gstack-навыки работают почти без дополнительной настройки.

Тан описывает интеграцию так: установи gstack для Claude Code, затем добавь в AGENTS.md раздел «Coding Tasks», где указано, что для кодовых задач нужно загружать gstack-навыки. После этого OpenClaw-агент сам решает, когда вызвать /cso, /review, /qa или /autoplan.

Также существуют четыре OpenClaw-навыка, которые работают без Claude Code: gstack-openclaw-office-hours, gstack-openclaw-ceo-review, gstack-openclaw-investigate, gstack-openclaw-retro. Их можно установить из ClawHub и запускать прямо в разговоре с агентом.

Важно: gstack — это методология и набор промптов, не портированный код. OpenClaw и gstack развиваются независимо, но у них общая философия: агент должен быть локальным, прозрачным и управляемым человеком.

Споры вокруг LOC и что они значат

Когда Тан анонсировал gstack вместе со статистикой о 810-кратном росте продуктивности, часть аудитории восприняла это как хвастовство количеством строк. Ответ Тана — отдельный документ On the LOC Controversy. Его тезис: raw LOC в эпоху AI действительно инфлируется, но если нормализовать изменения по логическим смысловым блокам, прирост остаётся огромным.

Этот спор полезен не сам по себе, а как напоминание: с AI важно измерять не «сколько написано», а «что дошло до продакшена». Именно поэтому gstack так сильно фокусируется на /ship, /qa и /land-and-deploy: инструменты должны быть нацелены на результат, а не на процесс.

Зачем это обычному разработчику

Не нужно быть CEO Y Combinator, чтобы извлечь пользу из gstack. Достаточно трёх вещей:

1. Claude Code и базовое понимание Git.
2. Готовность делегировать узкие задачи агенту. Ревью, QA, документация, планирование — всё это можно поручить ролям.
3. Дисциплина останавливаться на нужном этапе. Тан советует: установи gstack, запусти /office-hours, /plan-ceo-review, /review и /qa — и уже поймёшь, подходит ли тебе подход.

Для пользователей OpenClaw gstack — это самый зрелый пример того, как персональный агент может выглядеть как команда. Для тех, кто только начинает, — это учебник по организации AI-работы, а не очередной набор «волшебных промптов».

Ближайшее будущее

gstack и gbrain развиваются быстро. Уже есть поддержка не только Claude Code, но и Codex CLI, Cursor, OpenCode, Factory Droid, Slate, Kiro, Hermes. gbrain умеет работать как личный мозг, как командный мозг и как мозг для coding-агента. Вместе они формируют экосистему gstack — не коммерческий продукт, а культура использования AI.

Если OpenClaw идёт к тому, чтобы встроить память прямо в рантайм агента (Active Memory recall, multi-slot memory roles, cognitive scaffolding), то gstack показывает, как можно строить поверх этого слой процессов и ролей уже сегодня. Эти два направления скорее дополняют, чем конкурируют.

Ссылки и источники

• garrytan/gstack — основной репозиторий и README.
• garrytan/gbrain — brain layer и документация.
• docs/OPENCLAW.md — интеграция с OpenClaw.
• gbrain: Two-Repo Architecture.
• gbrain: What Schemas Unlock.
• gbrain: Entity Detection.
• TechCrunch — о реакции на gstack и LOC-споры.
• MarkTechPost — анонс релиза.