OpenClaw作者Peter Steinberger的AI编程实战
在GPT Codex 5.3尚未发布的背景下,OpenClaw作者Peter Steinberger分享了一套基于AI编程的实战策略。该策略涵盖从开发工具链的选择、模型性能的精准匹配,到反直觉的工程实践,旨在通过为Agent量身定制开发环境与代码库,实现人机协作的最高效率。其核心理念在于将开发流程重塑为适合AI自动化的闭环,而非单纯复刻传统人类编程习惯。
01核心理念:为Agent设计的开发环境
提升AI编程效率的首要原则是改变代码库的设计视角。开发者不应仅为自己写代码,而应为Agent的高效工作构建代码库。这要求在代码结构中建立明确的拓扑关系与文档规范,使AI能够像理解地图一样理解项目架构,从而减少上下文切换与理解偏差。
- 全局拓扑文档
通过维护全局AGENTS.MD文件,清晰定义网络拓扑结构(如“去Mac Studio上更新xxx”),让模型自主决定调用路径与资源位置。 - 跨项目引用机制
建立跨项目的知识复用机制(如“看../vibetunnel做同样的”),实现99%正确率的代码复制与适配。 - 文档与脚本驱动
依赖docs/文件夹中的文档与脚本强制模型读取,而非依赖历史Session,确保信息传递的准确性与实时性。 - 自动化模式升级
当发现新的代码模式时,通过指令“find所有Go项目都改一遍”,实现跨项目的批量自动升级。
02开发策略:CLI-first与并行节奏
在具体开发流程上,Peter Steinberger主张“CLI-first”策略与多项目并行开发。CLI工具不仅是产品原型,更是Agent验证逻辑、形成闭环的最佳接口。同时,通过充分利用模型的异步处理能力,开发者可以突破单线程工作的限制,实现多项目并行推进。
- CLI优先原则
任何产品先开发命令行版本。Agent能直接调用CLI并验证输出,形成“跑→看结果→改”的闭环。例如,YouTube摘要工具先通过本地转写、本地模型和本地daemon跑通核心,随后仅用一天即完成Chrome扩展开发。 - 多项目并行管理
同时运行3-8个项目,采用“1+ N”模式:1个核心项目集中精力,多个卫星项目投Prompt等待结果。利用Codex的queue功能随时添加新想法,无需复杂的Agent编排或自动任务管理。
03模型选择:GPT 5.2 Codex与Opus的效能博弈
针对不同类型的任务,选择合适的模型至关重要。实战数据显示,GPT 5.2 Codex与Opus在编码与辅助任务上表现出截然不同的特性。Codex通过“慢思考”减少返工,而Opus则因“某种特别的东西”更适合作为人格化助手。
| 特性 | GPT 5.2 Codex | Opus |
|---|---|---|
| 工作模式 | 开工前静默读代码10-15分钟 | 急切响应,快速迭代 |
| 编码效率 | 耗时慢4倍,但几乎不返工 | 耗时短,但大重构易漏读文件,需反复“fix the fix” |
| 综合结论 | 4倍时间 × 0次返工 > 1倍时间 × 多次返工 | 适合作为AI助手人格(如龙虾管家Clawdis) |
GPT 5.2 Codex与Opus模型特性对比
04反直觉操作与配置极简主义
在工程实践层面,Peter Steinberger提出了6个反直觉的操作建议,旨在降低认知负担并适应AI的思维方式。同时,工具配置上奉行极简主义,避免过度参数调整带来的复杂性。
工程实践中的反直觉策略
流程与版本管理
打破传统软件工程的规范束缚
- 直接commit main:不开分支,认为认知负担大于理论优雅。
- 不revert:让模型直接修改,类比“像爬山,不走直线,偶尔走错退一点”。
- 不用Plan Mode:直接对话→探索→说“build”,认为Plan Mode是旧模型时代的hack。
上下文与任务管理
优化AI上下文加载与任务响应
- 不看历史Session:在docs/文件夹维护文档,通过脚本强制模型读取。
- 不用Issue Tracker:发现bug立刻prompt,比写下来再切换上下文更快。
- 不复用Session:GPT 5.2上下文满载后反而更快,因文件已加载跳过读取。
在工具配置方面,Peter坚持极简主义。仅使用一个模型(gpt-5.2-codex)和一个档位(high),不进行额外折腾。通过将tool_output_token_limit设置为25000,使模型能够一次性读取更多代码。针对Agent卡住的情况,设计了Oracle工具思路,即在全局AGENTS.MD中定义自动调用更强模型(GPT Pro)的规则。然而,随着GPT 5.2的进步,这种中间工具层的调用频率已从每天多次降至每周几次,证明模型本身的进化正在淘汰复杂的工具链。
当前文章无评论,是时候发表评论了