我交付的代码我自己都不读！Clawdbot冲上10万星，作者揭秘开发内幕

智东西1月30日报道，最近，开源个人AI助手Moltbot（原名Clawdbot）俨然成为AI圈内热度最高的项目之一。作为一个来自个人开发者的独立项目，Moltbot的搜索热度甚至要超过Cowork这样来自头部AI玩家的类似产品。其GitHub星标数更是已经突破10万大关，直奔Next.js这样的传奇开源项目。

▲Moltbot GitHub星标数量变化（图源：X平台）

Moltbot背后的开发者Peter Steinberger在项目爆火后也频繁接受采访，就在昨天，他在一场时长近2小时的深度播客中，深入剖析了他对AI时代软件开发的思考。

Steinberger的技术生涯始于十四岁那年，一台偶然出现的电脑开启了他的编程自学之路。在第一份工作中，他在公司里“先斩后奏”地重构整个技术栈，也是在这一阶段他开始形成一个关键判断：使用感觉胜过行业标准。

后来，Steinberger开启创业，最后以超1亿欧元的价格出售了他在PDF技术公司PSPDFKit的股份。财富自由后，这位曾经的技术狂热爱好者选择彻底切断与代码的联系，进入了漫长的“减压期”。这种状态，直到他重新坐回电脑前，遇到新一代AI编程工具时才被彻底打破。

重归战场的Steinberger发现，编程世界已经发生了代际跃迁。他敏锐地察觉到，软件构建的逻辑已经从逐行敲击代码转向了编织式的系统构建。

在开发新项目Clawdbot时，他同时调度5-10个AI Agent协作。在他看来，AI编程是“能力的放大器”。过去，编程工作和“管道工”的工作一样枯燥，但AI编程的新范式让他不再纠结于具体细节，而是将精力倾注在模块化设计、自动化测试和系统架构的取舍上。他坦言：“我交付的代码我自己都不读的。”

面对许多资深工程师对AI的抵触，Steinberger认为，真正的秘诀在于建立反馈循环，也就是让Agent能够自动编译、测试并自行修正错误，而不是期待它一次性写对。

他类比道，那些认为AI无法处理复杂逻辑的人，往往是“仍在使用弹吉他的方式去尝试钢琴”。在AI的加持下，代码质量不仅没有下降，反而因为模型对“自证正确”的需求，逼出了更优质、更模块化的架构设计。

以下是对Steinberger最新访谈精华内容的梳理：

一、软件的价值，取决于“使用感觉”

Steinberger出生在奥地利的乡下。真正让他与技术产生联系的是一次偶然经历。十四岁那年，一群游客来到乡下，其中一位游客带来了一台电脑。

这是Steinberger第一次接触到这种可以被命令和逻辑控制的机器，很快被吸引。他说服母亲为他买下一台电脑，从此开始了持续多年的自学与实践。

这一阶段并不存在系统训练，Steinberger说自己更像是在“瞎捣鼓”。他写脚本、做网站、玩游戏，也修改游戏。他记得自己最早做过的一件事，是从学校偷走一个旧的DOS游戏，为软盘编写拷贝保护程序，再将其转卖。

在大学阶段，由于家庭条件有限，Steinberger必须自行承担学费。假期并不意味着休息，而是全职工作。与同龄人相比，他更早进入了长期、高强度的工作节奏。

他的第一份正式工作在维也纳，原本只是服兵役与大学之间的短暂过渡，却持续了近五年。入职第一天，公司给了他一本厚重的《微软基础类库》，但他却抛弃了这一技术栈，转而使用.NET。

这也成为了他早期最鲜明的工作方式：表面遵循组织安排，实际按自己的判断执行。在这家公司，他在未告知的情况下，将部分系统迁移到.NET技术栈。几个月后，他才向管理层说明“做了一些现代化改造”，但那时已经太晚了。

虽然在.NET 2.0时代，应用启动缓慢、编译冗长、硬盘频繁读写，他仍然对底层机制保持兴趣，并愿意投入时间打磨细节。这种对细节的关注，在之后的一次项目中被进一步放大。

2010年前后，iPad发布，杂志类应用成为创业热点。有团队请他修复一款频繁崩溃的杂志阅读器。检查代码后，他发现问题并非局部缺陷，而是整体结构失控：代码高度集中、耦合严重，几乎不存在可维护性。

在放弃修补方案后，他选择重写应用，用时两个月完成原本预计半年的工作。他没有使用苹果的PDF渲染器转而自研，系统性地处理PDF渲染问题。最后，这一应用可在内存极其有限的情况下上加载大体积文档。

项目结束后，他将PDF相关代码模块独立出来，最初只是供朋友复用，随后尝试以组件形式出售，收入已超过其全职工作的薪水。几个月后，原本的公司要求他在工作与个人项目之间做出选择。

Steinberger选择全职投入该项目。他认为，PDF是一个“无趣但极难”的领域，正因如此，才具备长期价值。这一判断，最终成为他的创业项目PSPDFKit的起点。同时，他也意识到，软件的价值，更多体现在最终的“使用感觉”上，而非由规范、标准或权威决定。

二、长期亲自参与技术支持，厌倦成为“垃圾桶”后出售股份

公司成立之初，Steinberger就意识到，在自己的老家奥地利很难找到他所需要的工程人才。因此，PSPDFKit从一开始就是一家远程优先的公司，后来逐渐演变为混合模式。随着团队规模从三十人增长到六七十人，再到接近两百人，组织复杂度也随之上升。

Steinberger并非典型意义上的CEO。他从未主动追求管理职位，始终把主要精力放在写代码、解决技术问题和产品决策上。销售、商务和运营，则交由其他合伙人和高管负责。

PDF是一个较为复杂的技术领域。Steinberger举了一个例子：PDF文档中的链接。最初的设计假设是，一个文档可能包含上百个链接。但某次，一位重要客户提交的PDF文件达到五万页，每页超过一百个链接，总量超过五十万个。原有的数据模型在这种规模下彻底失效。

这类问题，恰恰是Steinberger最享受的部分。他长期亲自参与技术支持，并有意倒序处理工单，优先回复最新提交的问题。

他的逻辑很简单：5分钟内得到CEO的回复，会对开发者产生极强的信任感。这种“创始人直接支持”的方式，也在无形中限制了公司的扩张速度，但增强了产品与用户之间的黏性。

然而，随着公司进入成长期，工作内容逐渐从“解决难题”转向“维护系统”，人员规模扩大带来的组织摩擦开始显现。Steinberger发现自己越来越多地消耗在协调冲突、承接风险和维持情绪稳定上。

他形容，CEO像一个“垃圾桶”：所有别人无法处理的事情，最终都会落到这里。长期高强度工作、周末无休，加上对公司方向和管理方式的内在冲突，最终导致了明显的精疲力竭。

在以大约1亿欧元的价格出售PSPDFKit股份后，他几乎完全离开了技术世界。一段时间里，他不再写博客，也很少打开电脑。那是一个漫长的减压过程。他补偿式地参加聚会、社交，甚至有几个月没有任何“我接下来要做什么”的念头。

对他而言，真正困难的不是退出，而是在成功之后重新找到驱动力。

三、“我交付的代码我自己不读”，判断力与品味更有价值

几年后，Steinberger重新坐回电脑前。在这个过程中，他第一次系统性地接触到新一代AI编程工具Claude Code。由于错过了早期阶段，他直接体验到能力跃迁后的版本。这种体验对他产生了强烈冲击。

他逐渐意识到，软件构建的阻力正在急剧降低，真正重要的不再是写代码，而是系统层面的判断力与品味。判断结构是否合理、方向是否正确，本身就是一项核心技能。

Steinberger认为，AI编程真正的转折点出现在今年夏天。AI已经强大到，开发者可以不再亲手写代码，就能构建完整软件系统。而让他彻底信服的，是他眼中被严重低估的GPT‑5.2和Codex。

他直言，相比仍被大量使用的Claude Code，OpenAI当前的产品体验很好，几乎每一个提示，都能直接得到可用结果。在复杂工程中，他认为Codex明显优于 Claude Code，两者的区别主要在工作方式上。

Claude Code速度快，但往往在只读少量文件后就开始生成代码，需要人不断纠偏。Codex会“安静地读代码10分钟”，再动手，一次成功率更高，这使得Codex更适合复杂系统、深度重构和长期维护型项目。

其最新项目Clawdbot中，他并行运行5～10个编程Agent，整个开发流程从写代码转向了与模型对话、共同规划。

目前，Clawdbot使用了CLI方案，而非MCP。Steinberger直言，在他看来MCP就是一根拐杖。

MCP需要预加载所有工具功能和说明，导致上下文冗余，数据传输依赖固定JSON格式，缺乏灵活性，也无法进行数据筛选和链式调用，限制了复杂任务的处理能力。

而CLI的天然优势在于，模型天生擅长使用Bash命令，也可通过编写脚本实现自动化链式操作。

Steinberger称：“我交付的代码我自己是不读的。”但这并不代表他不重视代码质量。恰恰相反，他投入大量精力进行重构和架构设计。

绝大多数应用的本质是枯燥的数据流转与格式转换，从API到解析，再到存储与呈现，如同管道工的工作。Steinberger认为，真正的复杂问题往往已被底层技术解决，因此，工程师更应关注系统整体的结构与设计，而非纠结于每一行具体的实现细节。

在这种新范式下，Steinberger判断人的角色不再是逐行实现逻辑，而更像是一个系统建造者（Builder）。人负责系统结构、产品形态、架构取舍，模型负责具体实现、代码生成与调试，责任仍然完全在人，Agent只是“能力放大器”。

由于AI的借入，Steinberger的工作方式，已经完全颠覆了传统开发流程。他不再沉迷于pull request和代码审查，而是“编织式”地将功能融入现有系统，有时候甚至需要改动架构来让新功能契合。

不过，Steinberger并不喜欢“Vibe Coding”这一说法，他更愿意将自己的工作描述为智能体工程。他也刻意回避“架构师”这个词，而强调自己仍是最终责任人。与传统企业中“脱离代码的架构师”不同，智能体工程的前提是：代码是你自己的，事故也由你负责。

Steinberger认为，AI编程真正的秘诀在于实现反馈循环，Agent必须能够验证自己的工作，自动编译、自动测试、命令行替代图形界面、可复现的执行路径，一旦验证闭环建立，就能自行发现竞态条件、配置错误、工具调用顺序问题，甚至在数小时内完成原本需要数周的人类调试工作。

更有意思的是，AI反而逼出了更好的架构。为了让模型能够自证正确，系统设计必须更加模块化、更加可测试。测试和文档成为了设计流程的一部分，架构决策的重要性被前置并放大。

Steinberger坦言，他从未喜欢写测试或文档，但在AI时代，这些工作可以完全交给模型完成，而代码质量却达到了职业生涯的新高度。智能体编程正在让经验丰富的开发者写出“更优质的代码”，即便他们不再亲自敲每一行。

那么，为什么大量资深工程师仍然抗拒AI？在Steinberger看来，反对者常犯三个错误：把AI当作“一次性写对的程序员”、只发一个提示而不建立持续对话与反馈循环、不了解模型的知识分布与默认假设。

结语：代码贬值，品味升值？

从十四岁自学编程的少年，到功成名就的创业者，再到如今在AI浪潮中“重归战场”的独立开发者，Steinberger的经历揭示了一个真相：在AI时代，代码正在变得廉价，而对系统的判断力、对产品逻辑的品味正变得更具价值。

从这个维度来看，这场变革与其说是工具的更迭，不如说是思维的洗礼。Steinberger形象地类比，如今拒绝AI编程的人，就像会弹吉他的人，试了两下钢琴就说乐器不行。”

延续这一类比，那些愿意放下“吉他”去尝试“钢琴”的人，或许能在与AI协作过程中，探索出一种新的构建方式与思维方式。