从Peter一天627次提交看AI编程工作流：Token消耗如何驱动效率？

早上看到刘小排老师分享的《啊啊啊？1天提交了627次代码？》一文时，确实挺震撼。

火爆全球的 OpenClaw 作者 Peter Steinberger 在2月22日当天提交了惊人的 627次 代码，算下来平均每2.3分钟就提交一次。他是怎么做到的？读完整篇文章，核心答案可以用一句话概括：全程依赖AI完成。

这背后并非魔法，而是一套精心设计的工作流。我研究了一下，其核心思路主要包括以下几点：

1. 多Agent并行跑

Peter 之前提到他使用 tmux（一个终端多窗口管理工具）来并行运行多个 AI Agent 实例。现在 Claude 也推出了 Agent Teams/Swarm 功能，这意味着多Agent并行协作的门槛正在变得越来越低。

2. 任务颗粒度要极低

这是实现高频次提交的关键。Peter 自己编写了一个名为 committer 的自定义脚本，并配合一份 800 行的 AGENTS.MD 指令文件来约束 AI 的行为。

这份 AGENTS.MD 文件明确了 AI 在 Git 操作上的规则：

1. 使用 Conventional Commits 格式（如 feat、fix、refactor...）提交。
2. 只允许使用 committer 工具提交——这个脚本会强制 AI 仅 stage（暂存）它自己修改过的文件。
3. 禁止执行 push 操作（除非得到明确指令）。
4. 禁止执行 reset、clean 等具有破坏性的 Git 操作。
5. 当多个 Agent 并行工作时，提交前必须先执行 git status 确认状态。

通过这套“脚本 + 明确指令”的组合拳，每个 AI 只专注于提交自己那一小部分、颗粒度极细的变更。他的 AGENTS.MD 文件已经开源在：github.com/steipete/agent-scripts。

3. 自动化测试是基础设施

对于这种高频率的、由 AI 驱动的开发模式，全面的自动化测试不再是可选项，而是必须由 AI 维护和验证的基础设施。这一点目前还需要投入更多研究，但它无疑是保证整个工作流可靠性的基石。

这个案例强烈印证了最近听到的一个观点：

AI时代，Token 就是第一生产力；谁能消耗更多的 Tokens，谁就能处于领先地位。

如果现在还有人坚持认为 AI 辅助写代码不靠谱，那或许真的需要重新审视一下这个正在快速迭代的技术领域了。高效的 AI 工作流，本质上是将复杂任务拆解、分配并利用大量计算资源（Token）来加速完成的过程。

对于开发者而言，如何高效地管理和“消耗” Token，正成为提升工作效率的新课题。欢迎在 云栈社区 的 开发者广场 分享你的看法和实践。