夜雨聆风一个叫Peter Steinberger的开发者，做了一个叫Moltbot（现改名为OpenClaw）的开源项目。
这个项目曾经一周内GitHub星标从100涨到8万。截至2026年3月20日，OpenClaw的GitHub star数量已超过30.2万，登顶星标榜，这使它成为GitHub有史以来最受欢迎的开源项目。
他说了一句话，让很多人震惊："我发布我不读的代码。"
这个人是谁？
Peter Steinberger不是无名之辈。2011年他在维也纳创办了PSPDFKit，一个PDF处理框架，服务了近10亿用户，客户包括Dropbox、DocuSign、SAP、IBM、大众汽车。
2021年，Insight Partners以1.16亿美元投资这家公司，他退出日常管理，然后消失了三年。
他说："我需要很长时间来减压，有几个月我甚至没有打开电脑。"
2024年4月，他回来了。但这一次，他的工作方式完全变了。
他到底是怎么工作的？
Steinberger现在的工作流程，和传统软件开发几乎没有任何交集。
他不写代码。或者说，他几乎不看代码。他用AI agent帮他写。
他同时开5到10个AI agent并行工作。
一个agent在写新功能，一个在修bug，一个在重构架构，一个在写测试。他在它们之间不断切换，像玩星际争霸一样管理多个"分矿"。
他用OpenAI的Codex，而不是Claude Code。原因是Codex虽然慢——一个任务可能要跑40分钟到一小时——但它会安静地读大量文件，理解整个代码库的上下文，输出几乎总能直接工作。
Claude Code快，但输出经常第一次跑不通，还会回来问澄清问题，打断心流。
如果你只开一个终端，等待确实难以忍受。但他同时开5到10个，这个在煮、那个在煮、另一个也在煮。
他的典型工作流程是：设计一个新功能或子系统，和agent对话，讨论方案——这个功能有哪些实现方式？考虑过这个边缘情况吗？这样设计和那样设计各有什么取舍？
他挑战它、调整它、推回去。等满意了，他说"build"，agent去执行，他立刻切换到下一个任务。
他甚至故意写模糊的提示，让agent去探索他没想到的方向。80%的时候出来的东西不行，但有时候会有两个点让他眼前一亮——原来还可以这样做。
这听起来很疯狂，但他有他的道理
Steinberger反复强调一个核心原则：闭环。
让AI能够自己验证自己的工作。
"这就是为什么这些模型在编程上这么强，但在创意写作上往往一般——代码可以编译、可以lint、可以执行、可以验证输出。写作没有简单的验证方式。"
做Mac应用时调试很麻烦，要编译、启动、手动操作、观察结果。他的解决方案是让agent先写一个CLI，调用同样的代码路径，然后agent自己跑CLI、自己调试、自己修复。
"我告诉它：你去造一个调试用的CLI，调用所有相同的代码路径，然后你自己迭代修复。它就去煮了一个小时，最后告诉我——这里有个竞态条件，那里有个配置错误。我不需要看那些代码。"
用agent写代码反而逼着你写出更好的代码，因为你必须更认真地思考架构，让系统更容易被验证。
可验证性本身就会导向更好的架构。
他对Pull Request的态度也变了
现在他看Pull Request的方式完全不同。
"我对提示词比对代码更感兴趣。提示词告诉我的信息量更大——你是怎么想到这个解决方案的？你问了什么问题？做了多少引导？代码只是输出，提示词才是思考过程。"
他让贡献者把提示词附在PR里。如果有人提交的只是几行小修复，他会说：不用了，我自己打"fix"让Codex跑几分钟更快。
真正帮他省时间的方式，是把功能需求写得非常清楚，他直接把issue指给agent去实现。
他收到PR后的典型流程是：和agent一起从PR出发，然后按照他自己的设计思路重新实现。agent很少直接复用PR里的代码，但PR帮助agent理解目标。
"即使在Discord上，我们也不讨论代码。我们只讨论架构和重大决策。"
这件事给我的教育启示
读完Steinberger的故事，我一直在想一个问题：我们教孩子编程，到底在教什么？
以前我们认为，学编程就是学语法、学算法、学怎么写代码。但Steinberger的工作方式完全颠覆了这一点。
他不写代码，但他设计架构、把握方向、做决策。代码只是输出，思考才是工作本身。
这让我意识到，未来最重要的能力可能不是"写代码"，而是：
第一，清晰表达需求的能力。 你能不能把想要实现的功能描述清楚？能不能把模糊的想法拆解成可执行的步骤？
Steinberger说："一切都只是一个正确问题的距离。但你必须知道要问什么问题。"
第二，系统设计的能力。 你不需要亲手写每一行代码，但你要理解整个系统的结构，知道哪里该模块化、哪里该闭环验证。
"我不需要读每一行代码。我只需要理解结构。"
第三，判断和决策的能力。 当AI给出多个方案时，你能不能做取舍？当AI跑不通时，你能不能找到问题所在？
代码门槛降低了，但方向感门槛还在。
那还要不要学编程？
Steinberger自己说："我不认为你需要写很多代码，但你需要构建系统、理解系统。"
他还是关心架构、技术债、可扩展性、模块化。OpenClaw成功的原因之一是它非常容易扩展——他花了大量精力让添加新功能变得简单。
所以重点不是"写不写代码"，而是"懂不懂系统"。
如果你完全不懂代码，你就不知道AI写得对不对，不知道问题出在哪里，不知道该怎么问问题。
但如果你只懂写代码，不懂设计系统，不懂产品思维，不懂用户体验，那AI确实可以替代你。
未来的程序员，可能更像是"系统架构师"+"产品经理"+"项目经理"的结合体。
他对新人的建议，让我印象很深
播客中，主持人问他给新人什么建议。
他说："你需要无限的好奇心。学习的方式变了——你可以问一个无限耐心的机器任何问题。你可以checkout一个复杂的开源项目，问它为什么这样设计，它会解释给你听。但你必须真的想知道。"
"大学目前还没设置好来教这些。"
他还说："通过痛苦来学习这种好奇心——这通常不是被教出来的。"
但新人也有优势：他们不会被经验污染，会用老人想不到的方式使用agent——因为他们不知道"这样不行"，而到那时候可能真的行了。
作为家长，我们能做什么？
Steinberger的故事让我想到，我们对孩子的培养，可能需要调整方向。
第一，不要只关注"技能"，要关注"能力"。
技能会变，能力不会。写代码是技能，拆解问题、设计系统、验证思路是能力。
第二，培养孩子的"提问能力"。
不是问"这道题怎么做"，而是问"这个问题可以怎么拆解""这个方案有什么优缺点""还有什么我没考虑到的"。
"一切都只是一个正确问题的距离。"
第三，让孩子多动手，多试错。
Steinberger说："我一直有这种感觉，你不可能在构建之前就知道你想要构建什么。你在构建过程中学到太多东西，这些会反馈到你对系统最终形态的思考中。这是一个螺旋上升的过程。"
不要害怕孩子做错，不要害怕他们走弯路。试错本身就是学习。
第四，保护孩子的好奇心。
Steinberger强调"无限的好奇心"。但我们的教育体系往往在磨灭好奇心——标准答案、固定流程、不要出错。
也许我们应该多给孩子一些自由探索的空间，让他们问"愚蠢"的问题，尝试"不可能"的想法。
最后说几句
Steinberger说他不喜欢"vibe coding"这个词。他称自己做的事为"agentic engineering"（agent工程）。
他说他仍然在心流状态中，和以前写代码时完全一样的感觉。但精神上更累，因为他不是管理一个员工，而是同时管理5到10个，在不同部分之间切换。
他用来描述写代码的词语都变了。"weaving code into existing structure"——把代码织入现有结构。有时候你得改变结构让代码能织进去。
他说："我比以前写出更好的代码了——当时我自己写的也是真的好——但现在我有更好的文档、更好的测试覆盖。"
他从来不喜欢写测试，写文档也是。对他来说从来不是创造性表达。但现在每次设计一个功能，他都会问：这个怎么测试？我们怎么闭环？
这自动把他推向更好的架构。
也许这就是AI时代给我们最大的启示：技术门槛降低了，但思考门槛提高了。
我们能做的，是帮孩子准备好面对这个新世界——不是教他们具体的技能，而是培养他们思考、提问、设计、判断的能力。
你怎么看这件事？你觉得未来的孩子还需要学编程吗？ 欢迎在评论区聊聊。
