Peter Steinberger 用 AI 实现了单人超 70 人团队的惊人效率。这揭示了编程领域的深刻变革：代码本身的价值正在稀释，而驾驭 AI、构建系统架构的思维能力，正成为决定程序员未来的核心竞争力。本文将剖析这场效率革命的细节与启示。
智能速览
前 PSPDFKit 创始人利用 AI 实现 1 人超 70 人团队的代码产出。
AI Agent 将程序员从繁琐编码中解放，转向系统思维。
业界主流 MCP 协议被指过于笨重，CLI 模式更高效。
Pull Request 工作流或将过时，Prompt Request 强调架构与安全。
大公司传统分工模式面临挑战，全能型产品工程师更受青睐。
精华内容
编程世界正经历一场静默的革命。当 AI 能以惊人的速度生成和修复代码时，程序员的核心价值究竟是什么？答案或许就藏在一个人的“幽灵军团”与 70 人团队的效率对决中。
幽灵军团
一个名为 OpenClaw 的项目展示了 AI 的恐怖效率。它不是云服务，而是一个运行在本地、拥有用户权限的“幽灵实体”。项目负责人同时调度 5 到 10 个 Agent 并行工作，有的在写代码，有的在跑测试，有的则在重构。
其产出量令人瞠目结舌：每天发布的实质性代码，比他以前 70 人的全职团队一个月发布的还要多。这不是简单的辅助，而是一种降维打击，未来的竞争将是会使用“幽灵军团”的人与“肉体凡胎”之间的效率较量。
工具之争
在工具调用技术上，业界主流的 MCP 协议遭到尖锐批评，被认为是“愚蠢的概念”。其弊端在于笨重，比如查询天气需要将 500 个城市列表全部加载给模型。
更优的方案是回归到熟悉的 CLI（命令行界面）。AI Agent 理解 Unix 命令，可以直接调用电脑上无数现成的小程序，如 ls、grep、curl。使用 jq 精确过滤数据，比传输庞大的 JSON 对象效率高出数万倍。能扩展的才是好技术，而非听起来高大上的协议。
模型红黑榜
与 AI 高强度协作后，对各模型的评价也变得真实而具体。红榜冠军是 Anthropic Opus，被认为是唯一“像人”的模型，懂幽默且有个性。OpenAI Codex 则是最强的“打工人”，能读懂大型代码库，其代码有 95% 的概率可以直接推送到主分支。
性价比之王是 MiniMax M2.1，能用 10 美金干 Anthropic 100 美金的活。而 Google Gemini 则被列入黑榜，直言其工具调用表现糟糕，甚至算不上一个合格的 Agent 模型。
PR已死
一个挑战传统技术管理的观点是：Pull Request（代码审查）已经过时。取而代之的是“Prompt Request”。工作重点不再是关注按钮对齐等具体实现，而是只关心两件事：安全性关键代码和系统架构的合理性。
具体的实现细节交给 AI。如果代码跑不通，不应是人工修改，而是命令 Agent 自己去写测试、修复 bug，形成“写-测-改”的闭环。只有这样，人才能从繁琐的语法中解脱，专注于真正的系统设计。
AI 的崛起不是程序员的终结，而是从业者的进化。未来的竞争，不再是代码量的比拼，而是系统设计能力和问题定义能力的较量。是选择继续做昂贵的打字员，还是成为驾驭 AI 军团的指挥官？这个决定，将塑造下一个十年的技术格局。
关键评论
工具和方法论在变化，未来发现和定义问题的人将掌握市场主动权。
对于初级程序员而言，如何从执行者蜕变为能定义问题、指挥AI的架构师？
