這個細(xì)節(jié)極具穿透力。AI已經(jīng)跨越了“你讓我寫一段代碼”的階段,進(jìn)化到了“你給我一個問題,我自主調(diào)用系統(tǒng)工具鏈去尋找答案”。
在過去一年里,Peter一個人在GitHub上完成了超過9萬次代碼提交,橫跨120多個項(xiàng)目。這種效率在人類軟件工程史上是不可想象的?!耙荒昵?,這也是絕對不可能的。沒有任何模型能讓一個人建構(gòu)出這種規(guī)模的東西?!盤eter直言。
他的工作流極其簡單粗暴:把一個高達(dá)1.5MB、包含所有代碼文件的Markdown文檔拖進(jìn)AI模型(如Gemini、Codex),直接寫下“給我寫個技術(shù)規(guī)格說明書”,然后輸入“構(gòu)建”。在這個過程中,AI甚至?xí)约壕帉憸y試工具(如Playwright)去走通登錄流程并沿途檢查錯誤。
“當(dāng)我開始接觸這項(xiàng)新技術(shù)時,每次都讓我多巴胺飆升。我突然意識到,現(xiàn)在我簡直可以構(gòu)建任何東西?!盤eter表示。這直接觸及了當(dāng)前軟件行業(yè)的核心痛點(diǎn):研發(fā)成本。以往需要一個架構(gòu)師、前端、后端、測試組成的完整團(tuán)隊(duì)才能跑通的MVP(最小可行性產(chǎn)品),現(xiàn)在一個人在幾個小時內(nèi)就能完成。
當(dāng)代碼可以被輕易生成,“寫代碼”本身就失去了壁壘。目前,OpenClaw面臨著超2000個開源代碼合并請求(PR)。但Peter審視這些代碼的方式已經(jīng)完全變了。他不再逐行閱讀代碼,而是讓AI去審查。
“大部分代碼都很無聊。它只是將一種數(shù)據(jù)形狀轉(zhuǎn)換為另一種數(shù)據(jù)形狀。我實(shí)際上并不關(guān)心代碼,我關(guān)心的是這個人到底想解決什么問題?!彼麑F(xiàn)在的開源貢獻(xiàn)戲稱為“提示詞請求(Prompt Request)”。拿到別人的代碼后,第一句話是問AI:“你理解這個PR的意圖嗎?”隨后,他會通過語音與AI討論這是不是最優(yōu)解、是否存在架構(gòu)問題,討論成熟后,再由AI一鍵生成并合并代碼。