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“完美的开发助手”。
最近，爆火的个人AI助理开源项目 ClawdBot 和 PSPDFKit 的创始人 Peter Steinberger 发布了一系列关于他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。）
这可真不是一句狂言，而是一种全新的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，这些关于 人工智能 的实践或许能给你新的启发。
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，那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，他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。这种高效复用正是优秀开源实战项目的精髓之一。
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，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”。 这种方法论与构建系统化技术文档的思路不谋而合。
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。
这些前沿的 AI 工作流探讨，也欢迎你到 云栈社区 与更多开发者交流碰撞。
资料链接：
发表于 昨天 08:43
|
查看: 0|
回复: 0
