19
1
开发者通常被视为“代码工匠”，其尊严锚定在对每一行逻辑的精雕细琢中。我们推崇逐行审查，对空格、命名和逻辑分层有着近乎偏执的执着。然而，曾开发过覆盖 10 亿台设备 PDF 框架（PSPDF kit）的顶级架构师 Peter Steinberger，在结束三年技术隐退期回归后，带回了一种令传统视角感到“窒息”的全新范式。
在他最新的 AI 原生项目 ClaudeBot 中，他声称自己单日可以处理并合并多达 600 个提交（Commits），而其中绝大部分代码他甚至从未阅读过。这并非对质量的妥协，而是一种深刻的软件工程范式革命：当低级实现细节被彻底抽象化，开发者的角色正在从“生产者”转向“决策者”，从单纯的“写代码”转向更高维度的“意图工程”。
2. PR 已死，欢迎来到“编织意图”的时代
Peter 提出了一个极具挑衅性的观点：传统的 Pull Request（拉取请求）应当演变为 "Prompt Request"（提示请求）。
在 AI 辅助开发的语境下，审查 AI 生成的数千行“搬砖逻辑”（Plumbing）是极度低效的。Peter 认为，开发者应当通过审查“提示词逻辑”和“设计意图”来控制系统方向。更具颠覆性的是，他不再简单地“合并（Merging）”代码，而是进行“编织（Weaving）”。
“我不再关注 PR 里的具体代码实现。我更倾向于将 PR 作为一个知识库，让 AI 理解其中的功能意图，然后由 AI 将其‘编织’进现有的架构中。如果你能准确定义意图并建立验证闭环，逐行阅读代码就成了某种工业时代的冗余。” Peter Steinberger
这种“声明式意向工程”的核心在于：沟通意图的成本远低于维护实现的成本。
3. “闭环原则”：可验证性是 AI 开发的基石
为什么 AI 在编程上展现出的能力远超其在创意写作上的表现？Peter 指出，这源于软件工程天然具备的**“闭环验证”（Closing the Loop）**特性。代码是客观可验证的，而小说不是。
为了将这一原则推向极致，Peter 的工程实践不仅仅停留在 Lint 检查或自动化测试，而是构建了更深层的验证机制：
• 调试专用 CLI： 他会要求 AI 专门编写用于调试的命令行工具，让 AI 能够在 Docker 容器中自主运行这些工具来复现并修复 Race Condition 等复杂问题。
• “Gate” 机制： 他采用了模型话语体系中的 "Full Gate" 概念一个集成了 Lint、构建、单元测试与集成测试的自动化关口。只有通过了 Full Gate 的代码，才具备进入系统的资格。
在这种模式下，架构师的职责从“编写可运行的代码”转变为“设计能够自动验证代码的循环”。
4. 代理并行性：像国际象棋大师一样思考
Peter 的工作流展现了一种高度的代理并行性（Agentic Parallelism）。他不再专注于单一任务，而是像国际象棋大师同时应对多场对弈一样，同时驱动 5 到 10 个 AI 代理（Agents）处理不同的子系统。
在这种高并发工作流中，他针对不同任务选择了不同的模型策略：
• Claude (快速反馈)： 用于处理 UI 调整、简单逻辑等需要高频交互的任务。
• Codex/OpenAI 推理模型 (深度思考)： 对于复杂的架构重构，他更偏好“沉默且缓慢”的模型。这些模型可能会静默阅读文件 10 分钟，进行深度的跨文件逻辑推理，虽然耗时，但其输出的架构健壮性远超即时生成的模型。
这种工作方式产生了一个反直觉的结论：虽然 AI 替代了敲击键盘，但由于极高频率的上下文切换（Context Switching），它对开发者大脑的消耗反而达到了巅峰。
5. 系统架构：AI 时代的“品味”与“边界”
有一种普遍的误区认为“AI 能写代码，架构师就失业了”。事实上，系统架构的重要性不降反升。
当 AI 承担了所有的“低级实现细节抽象”（如按摩数据格式、Tailwind 样式、API 对接），人类唯一且最坚固的护城河就是“系统理解”与“品味”。为了让 AI 高效工作，开发者必须设计出更加解耦、模块化且易于验证的架构。
“我完全不关心一个按钮的样式代码，但我极其关心插件架构（Plugin Architecture）的逻辑。如果架构本身不够整洁，AI 很快就会在复杂的依赖纠缠中迷失。”
架构师现在是边界的定义者。一个优秀的 AI 原生架构应当让 AI 在受控的沙盒内发挥最大效能，同时确保核心逻辑的“织入”不会触发系统级的坍塌。
6. 为什么 CLI 优于 MCP：上下文窗口的选择逻辑
在工具链选择上，Peter 表现出对 CLI（命令行界面） 的强烈偏好，而非目前备受瞩目的 MCP（模型上下文协议）。这一选择背后的逻辑充满架构洞见：
• 上下文窗口效率： MCP 往往需要预加载大量的工具说明和元数据，这会迅速挤占宝贵的上下文空间。
• 原子化与可组合性： 通过 CLI，AI 可以利用 grep、jq 等传统工具对数据进行原子化处理。AI 不需要解析数万行的 JSON 原始数据，而是可以编写脚本只提取它关心的核心信息。
• 无缝迁移： CLI 使得工具集是“Agent 友好”的，AI 可以像调用原生指令一样调用系统功能，而无需繁琐的协议握手。
7. 结论：当代码隐入尘烟，只剩下纯粹的自主性
从 PSPDF kit 时代对 Objective-C 的精准掌控，到如今 ClaudeBot 的意图驱动，Peter Steinberger 揭示了一个不可逆转的趋势：代码正在变得廉价且不再需要被人类阅读。
在 ClaudeBot 的最后阶段，Peter 展示了一个极具启发性的细节：他让 Bot 自主维护 soul.md（核心价值观文件）和 user.md（用户偏好文件）。这种让 AI 管理自身配置与“灵魂”的做法，标志着开发者已经从“代码编写者”彻底进化为“系统牧羊人”。
未来的软件公司可能只需要 30% 的成员，但这些成员必须具备极高的 Agency（自主性）。当技术的硝烟散去，真正支撑起工程价值的将不再是代码量，而是你对系统的终极理解，以及在多重代理协作间展现出的架构品味。
