在过去的一年里，我们见证了 AI 编程工具的井喷。从 Copilot 到 Cursor，从 Windsurf 到 Claude Code、Gemini CLI 和 Codex，每个人都在寻找那个能真正提升效率的“完美开发助手”。
最近，爆火的个人 AI 助理开源项目 ClawdBot 和 PSPDFKit 的创始人 Peter Steinberger 发布了一系列关于其 AI 开发工作流 的深度博文。他以一种近乎“未来主义”的视角，描述了一个令传统程序员既兴奋又恐惧的景象：
“I stopped reading code and started watching it stream by.”
（我不再读代码了，我只是看着它流过。）
这句话并非一句狂言，而是基于新一代大语言模型能力和配套工具链，所形成的一种全新且现实可行的 工程范式。当 AI 的可靠性达到临界点，软件交付的速度不再受限于人类的打字速度，而是受限于模型的 推理速度（Inference Speed）。
今天，我们结合 Peter 的最新实践，为你拆解这套 “以人为核心、AI 为手脚” 的顶级开发工作流。
质变时刻：学会了“深思熟虑”的模型+工具链的“极简回归”
根据 Peter 的观察，真正的质变发生在 GPT-5.2 这一代模型发布之后。早期的模型（如 Claude 3.5 Sonnet），虽然聪明但急躁，往往“顾头不顾腚”。而新一代的 Codex 模型学会了 “沉默”。
在面对一个复杂的重构任务时，模型可能会静默阅读代码长达 10 到 15 分钟，一言不发。这种“Think before Act”的特性，让它能够构建出极其完整的上下文图谱。结果就是：它能 一次性（One-shot） 搞定跨越数十个文件的大型重构，且几乎零 Bug。
这也宣告了 Plan Mode（规划模式）的消亡。以前我们需要强制 AI 先写计划再写代码，是为了给旧模型的智商打补丁。现在，开发者可以直接与 AI 对话，像与一位资深架构师协作一样流畅。
此外，在尝试了市面上几乎所有工具（VS Code, Zed, Cursor, Gemini）之后，Peter 最终回归了一套极简的组合：Ghostty + Claude Code + Minimal Tooling。
为什么？因为 “Less is More”。
- 终端的复兴：他抛弃了不稳定的 VS Code 终端，全面回归 Ghostty。因为在 AI 时代，终端才是最纯粹的交互界面。
- 屏幕即战场：他使用 Dell 40寸带鱼屏（3840x1620），同时平铺 4 个 Claude 实例 + Chrome。他不需要切换窗口，像监控仪表盘一样监控着 4 个并发任务的进展。
- 摒弃复杂 MCP：他甚至反主流地删除了大部分 MCP（Model Context Protocol）。因为 AI 有时候会自作聪明地启动 Playwright 去抓取网页，而直接读取代码反而更快、更准、更省 Token。
Peter 的这些实践告诉我们：不要被花哨的工具迷了眼。一个稳定、高性能的终端，加上一个聪明的 CLI Agent，就是最强大的武器。
像工厂一样生产：并行工程学
当“写代码”不再占用人类的脑力带宽时，Peter 的工作方式从“工匠”变成了 “工厂厂长”。
并行处理 (Parallel Processing)
他通常同时推进 3 到 8 个项目。
- 窗口 1：重构后端架构；
- 窗口 2：优化前端交互；
- 窗口 3：跑全链路测试。
开发者只需要在这些 Session 之间切换，确认结果，给出下一个指令。
线性推进，绝不回滚 (Never Revert)
“软件开发就像登山，走错路了就绕回来，而不是读档重来。”
他几乎不再使用 git reset。如果 AI 写歪了，直接告诉它“换个思路”，它会在现有基础上自我修正。甚至连 Plan Mode（规划模式） 都变得不再必要，就像前面提到的，新一代模型（GPT-5.2 等）学会了“深思熟虑”，能一次性搞定复杂重构。
跨项目“抄作业” (Cross-Referencing)
代码复用从未如此简单。他不再写 Prompt 描述需求，而是直接说：
“Look at ../vibetunnel project, and implement the same logging system here.”
AI 会自动跨目录读取代码，提炼模式，并完美适配到当前项目。这种跨项目代码复用能力，使得 开源实战 的经验能被迅速应用到新项目中。
基础设施的重构：CLI First
为了配合这种极速开发，Peter 彻底重构了他的技术栈选择逻辑。
拥抱 CLI (Command Line Interface)
“Whatever you build, start with a CLI.”
无论做什么 App，先做 CLI 版本。因为 Agent 调用 CLI 最方便，测试 CLI 最容易。GUI 只是 CLI 的一层皮。只要内核跑通了，让 AI 套个 React 壳只是分分钟的事。
Oracle（预言机）
当 Agent 遇到知识盲区（比如最新的 API 变动）时，它会自动调用 Oracle （https://github.com/steipete/oracle）——一个 Peter 开源实现的、联网的、专门负责爬取文档并总结答案的“元智能体”。知识获取的闭环，就此彻底自动化了。
文档驱动 (Docs-Driven)
他不再维护复杂的 Prompt 库，而是维护项目的 docs/ 目录。
想规范 AI 的行为？写一个 docs/architecture.md。
想让 AI 学会用 Vercel？在 CLAUDE.md 里加一行：logs: axiom or vercel cli。
文档，就是 AI 的“长期记忆”和“员工手册”。 这种 文档驱动 的开发方式，使得知识的沉淀和复用变得极其高效。
给开发者的启示：核心竞争力迁移
在 Peter 的工作流中，我们看到了程序员核心竞争力的转移：
- 系统设计 (System Design) 是王道：当前的 AI 搞不定分布式系统设计，搞不定数据库 Schema 的前瞻性规划。这些 “硬骨头” ，才是人类的领地。
- 选择 AI 友好的生态：TypeScript (Web)，Go (CLI)，Swift (App)，这三者是 AI 掌握得最好的。Peter 特别提到了 Go——以前他并不感冒，但后来发现 AI 写 Go 写得极好。为什么？因为 Go 简单的类型系统让 Lint 检查极快，AI 能迅速修正错误。相比之下，那些类型系统过于复杂或编译检查极其严格的语言，可能会增加 AI“一次做对”的难度，拖慢你的推理速度。
- 自动化一切 (Automate Everything)：不要手动注册域名，写个 Skill 让 AI 去做。不要手动发推特，写个 CLI 让 AI 去发。为你自己，也为你的 AI 员工，构建大量的 自定义基建。
小结：享受创造
有人担心 AI 会让程序员失业，但 Peter 的实录告诉我们：这可能是程序员最好的时代。
在这个时代，限制你产出的不再是你的手速，也不再是你对某个库的熟悉程度，而仅仅是你的 想象力。
当你可以以 推理速度 交付软件，当你看着代码像瀑布一样流过屏幕时，编程就不再是枯燥的搬砖，而是一场纯粹的、创造性的 游戏。
这种将 AI 深度融入核心开发流程的实践，正在重新定义“开发”的含义。在云栈社区，我们持续关注并分享此类前沿的技术工作流与最佳实践。
发表于 14 小时前
|
查看: 1|
回复: 0
