Clawd 创造者的 AI 原生开发方式

摘要

文章讲述了 Peter Steinberger 如何将 AI 代理置于开发工作流的核心，实现单人团队超越传统团队的产出效率。他创造了 Moltbot 项目，该项目的增长速度超过 Tailwind CSS。他的核心理念是关闭代码、测试和反馈之间的循环，让 AI 代理能够自我验证工作成果。这种 AI 原生的开发方式彻底改变了软件工程的传统实践。

内容框架与概述

Peter Steinberger 是 PSPDFKit 的创始人，他在休息三年后重返编程领域，这次将 LLM 和 AI 代理作为工作流的核心。他的 Moltbot 项目展示了他如何通过 AI 工具实现惊人的开发效率，一月份完成了超过 6600 次提交。这个项目在 GitHub 上的增长速度前所未有，甚至超过了 Tailwind CSS。

文章总结了 Peter 的十个重要学习心得。他认为管理开发团队的经验教会了他放弃完美主义，这种技能在与 AI 代理合作时至关重要。他设计系统时让代理能够自己编译、检查和验证输出，形成了完整的反馈循环。他现在将 Pull Requests 视为 Prompt Requests，更关心生成代码的提示词而非代码本身。

Peter 运行 5-10 个代理并保持在心流状态，他会花费大量时间与代理来回沟通以制定坚实的计划。他偏好使用 Codex 而非 Claude Code，因为 Codex 可以执行长时间任务而不需要频繁确认。他还故意给出模糊的提示词，以发现意想不到的解决方案。他认为大多数代码只是无聊的数据转换，应该将精力集中在系统设计上。

核心概念及解读

Prompt Requests：Peter 将传统的 Pull Requests 重新定义为 Prompt Requests，更关注生成代码的提示词而非代码本身，这反映了 AI 原生开发的核心理念。

Close the Loop：AI 代理必须能够自我验证工作成果，包括编译、检查、执行和验证输出，形成完整的反馈循环。

Architecture over Code：在 AI 代理驱动的开发中，代码评审被架构讨论取代，团队只讨论架构和重大决策而非具体代码实现。

Local CI：在本地运行测试而非等待远程 CI 流水线，提高开发效率，适合 AI 代理快速迭代的工作方式。

Outcome-focused Engineering：在 AI 时代，成功的工程师更关注结果而非实现细节，那些喜欢解决算法难题的工程师反而难以适应 AI 原生开发。

原文信息

此摘要卡片由 AI 自动生成