本文永久链接 – https://tonybai.com/2026/mm/dd/clawdbot-author-peter-steinberger-full-interview

大家好，我是Tony Bai。

在硅谷，每天都有无数个 AI 项目诞生，它们大多有着精美的 Landing Page，有着宏大的融资计划，PPT 里写满了“颠覆行业”。

但最近，一个名为 Clawdbot（现已因商标原因更名为 Moltbot）的项目，却以一种完全不同的姿态闯入了大众视野。没有融资，没有团队，甚至没有商业计划书。它仅仅是一个“退休(财务自由)”的软件大佬，为了给自己“找乐子”而写的一堆代码。

然而，就是这样一个项目，在 GitHub 上一夜之间狂揽 3.2w+ Star，甚至让很多非技术圈的人都跑去 Apple Store 抢购 Mac Mini 来运行它。

它的作者是 Peter Steinberger，著名的 PDF SDK 提供商 PSPDFKit 的创始人。在卖掉公司退休四年后，他因为 AI 找回了当年的热血。

在最近的一次深度访谈中，Peter 毫无保留地分享了他开发 Moltbot 的全过程。这不仅是一个关于工具的故事，更是一份关于“在 AI 时代，个人开发者如何打破大厂垄断，重塑人机交互”的珍贵启示录。

从 Burnout 到 Addiction：找回失去的 Mojo

故事的开始并不美好。

四年前，Peter 卖掉了自己经营了 13 年的公司。长期的创业压力让他彻底 Burnout（职业倦怠）。

“那感觉就像有人把我的 Mojo（魔力/精力）吸干了一样。” 他回忆道。在那之后的三年里，他对编程完全提不起兴趣，哪怕只是坐在电脑前都觉得是一种折磨。

直到 2025 年 4 月，一切改变了。

Peter 开始接触早期的 AI 工具，特别是 Claude Code 的 Beta 版。那一刻，他感到了久违的兴奋。

“如果你错过了前几年 AI 比较‘智障’的阶段，直接上手现在的工具，你会觉得——这简直太棒了（Pretty Awesome）！”

这种兴奋迅速转化为了一种“成瘾（Addiction）”。

但这是一种积极的成瘾。他开始熬夜写代码，甚至会在凌晨 4 点给朋友发消息讨论 AI 的新发现。为了给自己找点乐子，他甚至搞了一些极其荒谬的实验：

比如，他做了一个“全球最贵的闹钟”。

他让运行在伦敦服务器上的 AI Agent，通过 SSH 远程登录到他家里的 MacBook，然后自动调大音量来叫醒他。

“这听起来很疯狂，甚至有点杀鸡用牛刀，但这就是我的初衷——Have Fun（玩得开心）。”

Peter 认为，学习新技术的最好方式，就是把它当成玩具。当你不再为了 KPI 或融资而写代码，而是为了让 AI 帮你订一份外卖、回一条消息而折腾时，创造力才会真正涌现。

技术哲学：CLI 是 Agent 的母语

Moltbot 之所以能打败众多商业化的 AI 助理，核心在于 Peter 对软件架构有着极其深刻的第一性原理认知：

“Don’t build for humans, build for models.”（别为人构建，为模型构建。）

如果你仔细观察现在的软件世界，你会发现所有的 GUI（图形界面）、按钮、下拉菜单，本质上都是为了适应人类极其有限的带宽（Bandwidth）和注意力而设计的。我们需要视觉引导，因为我们记不住命令。

但 AI 不需要这些。

AI 读得懂 Unix 手册，AI 记得住所有参数。

因此，Moltbot 采用了极其激进的 CLI-First（命令行优先） 策略。

Peter 解释道：“你知道什么东西最能 Scale（扩展）吗？是 CLI。你可以写 1000 个小工具，只要它们都有 –help 文档，Agent 就能瞬间学会如何使用它们。”

在 Moltbot 的架构里，所有的能力都被封装成了原子化的 CLI 工具：

• 想控制 Sonos 音箱？写个 CLI。
• 想看家里的摄像头？写个 CLI。
• 想查 Google 地图？写个 CLI。

Agent 就像一个万能的系统管理员，它通过组合这些 CLI，获得了在数字世界和物理世界中“行动”的能力。这比那些试图用鼠标点击模拟人类操作的 RPA（自动化流程）要高效、稳定一万倍。

打破围墙：数据的解放运动

Moltbot 最让极客们热血沸腾的，是它对 Big Tech Walled Gardens（大厂围墙花园） 的宣战。

现在的互联网巨头，都希望把你锁在他们的 App 里。WhatsApp 不开放 API，Spotify 不让你导出数据，外卖软件不让你自动化下单。

但在 Peter 看来，AI 是打破这些围墙的终极武器。

以 WhatsApp 为例。官方没有给个人开发者提供 API，如果你用商业 API 发太多消息，还会被封号。

Peter 的做法是：Hack Everything。

他直接通过 Hack 桌面端协议，让 Moltbot 能够接管他的 WhatsApp。当他在旅途中收到朋友的语音消息（比如推荐餐厅）时，Moltbot 会自动：

1. 下载语音文件（哪怕它是 Opus 格式）。
2. 调用 ffmpeg 转码。
3. 调用 Whisper 识别文字。
4. 调用 OpenAI 提取餐厅名字和地址。
5. 自动添加到他的 Google Maps 待去清单中。

这一切都在后台静默发生。当 Peter 打开地图时，餐厅已经在那了。

“App 终将消亡（Melt away）。” Peter 在访谈中抛出了这个震聋发聩的观点。

“为什么我还需要一个专门的 Fitness Pal 来记录卡路里？我只需要拍一张汉堡的照片发给我的 Agent。它知道我在麦当劳，它知道汉堡的热量，它会自动更新我的健康数据库，并建议我晚上多跑 2 公里。”

在 Agentic Commerce 时代，用户不再需要在一个个孤立的 App 之间跳来跳去。所有的 App 都将退化为 Agent 可调用的 API（或被 Hack 成 API）。

本地优先：隐私与红利的博弈

Moltbot 的另一个标签是 Local-first（本地优先）。

虽然 Peter 自己也用 OpenAI 和 Anthropic 的模型（因为它们目前确实最聪明），但他花了大量精力去适配本地模型（如 MiniMax 2.1）。

为此，他甚至给自己的 Mac Studio 拉满了 512GB 的内存。

为什么要这么折腾？

除了“好玩”，还有一个现实的考量：Red Tape（繁文缛节）。

“如果你是一个公司，你想让 AI 访问你的 Gmail，你需要经过极其漫长的合规审核，甚至需要收购一家有牌照的公司。这太荒谬了。”

但如果你在本地运行 Agent，这一切都不复存在。

• 数据在你的硬盘里。
• 模型在你的显卡里。
• 操作在你的系统里。

没有人能阻止你读取自己的邮件，没有人能禁止你分析自己的聊天记录。

Peter 甚至预言，AI Agent 的普及将直接带动高性能硬件（如 Mac Mini）的销量。“This is the liberation of data.（这是数据的解放。）”

商业与开源：为爱发电，拒绝收编

随着 Moltbot 的爆火，无数 VC 挥舞着支票找上门，甚至有大厂想直接收购整个项目（或者招安 Peter）。

对此，Peter 的态度非常潇洒：“I built this for me.（我是为我自己造的。）”

他已经财务自由，不需要再为了融资去写 PPT，不需要为了增长去牺牲用户体验。

“代码本身已经不值钱了（Code is not worth that much anymore）。在这个 AI 时代，你完全可以把我的代码删了，让 AI 几个月再写一个新的。”

真正值钱的，是Idea（想法），是Community（社区），是Brand（品牌）。

他更倾向于将 Moltbot 运作成为一个非营利基金会（Foundation）。他希望这成为一个属于所有人的、开放的、可 hack 的游乐场，而不是某个大厂封闭生态的一部分。

小结：去构建你的 Loop

在访谈的最后，Peter 对所有开发者发出了呼吁：

“Don’t just watch. Build your own agentic loop.”
（别只是看，去构建你自己的智能体闭环。）

Moltbot 只是一个开始。它证明了，一个拥有长期记忆（Memory）、工具使用能力（Tools）和自主性（Autonomy）的个人 Agent，能爆发多么惊人的能量。

在这个时代，限制你的不再是技术门槛，而是你的想象力。

去写几个 CLI，去 Hack 几个 API，去给你的 AI 装上“手脚”和“记忆”。

未来，属于那些敢于用 AI 重塑生活的人！

资料链接：https://www.youtube.com/watch?v=qyjTpzIAEkA

你的“好玩”项目

Peter 的故事告诉我们，技术最原本的动力是乐趣。如果给你无限的时间和算力，你最想用 AI 为自己做一个什么“好玩”的工具？是全自动点餐助
手，还是你的专属游戏陪练？

欢迎在评论区分享你的脑洞！别管它有没有商业价值，有趣就够了。

如果这篇文章点燃了你久违的代码热血，别忘了点个【赞】和【在看】，并转发给你的极客朋友，一起搞点事情！

还在为“复制粘贴喂AI”而烦恼？我的新专栏 《AI原生开发工作流实战》 将带你：

• 告别低效，重塑开发范式
• 驾驭AI Agent(Claude Code)，实现工作流自动化
• 从“AI使用者”进化为规范驱动开发的“工作流指挥家”

扫描下方二维码，开启你的AI原生开发之旅。

你的Go技能，是否也卡在了“熟练”到“精通”的瓶颈期？

• 想写出更地道、更健壮的Go代码，却总在细节上踩坑？
• 渴望提升软件设计能力，驾驭复杂Go项目却缺乏章法？
• 想打造生产级的Go服务，却在工程化实践中屡屡受挫？

继《Go语言第一课》后，我的《Go语言进阶课》终于在极客时间与大家见面了！

我的全新极客时间专栏 《Tony Bai·Go语言进阶课》就是为这样的你量身打造！30+讲硬核内容，带你夯实语法认知，提升设计思维，锻造工程实践能力，更有实战项目串讲。

目标只有一个：助你完成从“Go熟练工”到“Go专家”的蜕变！ 现在就加入，让你的Go技能再上一个新台阶！

商务合作方式：撰稿、出书、培训、在线课程、合伙创业、咨询、广告合作。如有需求，请扫描下方公众号二维码，与我私信联系。

本文永久链接 – https://tonybai.com/2026/01/29/write-a-good-claude-md

大家好，我是Tony Bai。

在使用 Claude Code、Cursor 或 Gemini Cli 等 AI 编程工具时，你是否遇到过这样的情况：

明明在项目根目录写了 CLAUDE.md（或 AGENTS.md），洋洋洒洒列了几十条项目规范：“使用 TypeScript”、“不要用 any”、“单元测试覆盖率要达标”……

但 AI 就像个叛逆的实习生，经常对这些指令视而不见，反复犯同样的低级错误。

是你写的 Prompt 不够严厉吗？还是模型不够聪明？

最近，HumanLayer 团队发布的一篇深度分析文章揭示了真相：

问题恰恰在于你写得太多了。

Claude Code 的内部机制会给模型注入一条系统级提醒：

“IMPORTANT: this context may or may not be relevant to your tasks. You should not respond to this context unless it is highly relevant.”
（重要：此上下文可能与您的任务无关。除非高度相关，否则请忽略。）

这意味着，你的 CLAUDE.md 越臃肿，包含的无关信息越多，它被系统判定为“噪音”并整体忽略的概率就越大。

今天，我们来聊聊如何用工程化的思维，重构你的 AI 上下文管理。

第一性原理：AI 是无状态的“新员工”

要写好 CLAUDE.md，首先要理解 LLM 的本质：它是无状态的（Stateless）。

每次你开启一个新的 Session，对于 AI 来说，都是入职第一天。它对你的代码库一无所知。CLAUDE.md 是它唯一的“入职手册”和“长期记忆”。

但这并不意味着你要把公司历史全塞给它。一个优秀的入职手册应该包含什么？

HumanLayer 的文章中 总结了 “The Trinity”（三要素）：

1. WHAT（地图）： 技术栈是什么？项目结构是怎样的？（特别是 Monorepo，告诉它哪里是 App，哪里是 Lib）。
2. WHY（目标）： 这个项目的核心价值是什么？核心模块的职责边界在哪里？
3. HOW（工具）： 怎么构建？怎么跑测试？用 npm 还是 bun？

除此之外的任何废话，都是在消耗 AI 宝贵的注意力。

最佳实践一：少即是多 (Less is More)

研究表明，即便是最前沿的推理模型（Thinking Models），能稳定遵循的指令上限也就在 150-200 条左右。而小模型（如 Haiku 或 GPT-4o-mini）的遵循能力随着指令数量增加呈指数级下降。

更糟糕的是 “位置偏见（Position Bias）”。LLM 高度关注开头（System Prompt）和结尾（最新对话），夹在中间的 CLAUDE.md 如果过长，极易沦为“被遗忘的中间层”。

因此，请遵循以下黄金法则：

• 不要试图涵盖所有边缘情况。
• 将根目录的 CLAUDE.md 控制在 300 行以内，HumanLayer 的生产环境甚至控制在 60 行以内。
• 每一行都要问自己：“如果没有这句话，AI 真的干不了活吗？”

最佳实践二：渐进式披露 (Progressive Disclosure)

如果你确实有很多规范要交代，怎么办？

答案是：不要把所有鸡蛋放在一个篮子里。

想象一下，HR 会在入职第一天把 500 页的《数据库运维手册》扔给一个前端开发吗？不会。

你需要构建一套“渐进式”的文档体系：

1. 建立文档库：

在项目中创建一个 .ai/docs/ 目录，存放特定领域的指南：

• testing.md：详细的测试编写与运行指南。
• database.md：Schema 定义与迁移规范。
• architecture.md：核心架构图与数据流。

2. 建立索引：

在主 CLAUDE.md 中，只保留“触发器”：

• “编写或运行测试前，请务必阅读 .ai/docs/testing.md。”
• “涉及数据库变更时，请参考 .ai/docs/database.md。”

这样，当 AI 只是在写一个前端组件时，它的上下文窗口就不会被无关的后端 Schema 污染。保持注意力的纯净，是提升 AI 智商的关键。

最佳实践三：别把 AI 当 Linter 用

这是最常见的资源浪费：在 CLAUDE.md 里写了 50 行关于代码风格的规定——“缩进用 2 个空格”、“花括号不换行”、“变量名用驼峰”……

请记住：LLM 是昂贵的推理引擎，不是廉价的格式化工具。

让 AI 去关注缩进，就像让法拉利去送外卖，既贵又慢。而且，AI 即使知道规则，也经常因为概率性生成而“手滑”。

正确的解法是：Tooling > Prompting。

1. 配置工具： 使用 Prettier, Biome, ESLint, govet 等确定性工具来处理格式。
2. 设置 Hook： 配置 Claude Code 的 Stop Hook。如果 AI 生成的代码格式不对，让 Linter 报错，把错误信息喂回给 AI。
   • AI: (生成代码)
   • System: “Lint Error: Missing semicolon.”
   • AI: “Ah, fixing it.”

AI 极其擅长修复报错，但并不擅长凭空遵守“隐形的规则”。

小结：杠杆的层级

在 AI 原生开发中，CLAUDE.md 处于“杠杆层级”的顶端。

• 写错一行代码 = 1 个 Bug。
• 写错一行 CLAUDE.md = 成百上千次错误的规划、错误的检索、错误的代码。

不要盲目依赖 /init 自动生成的文件，那只是个起点。你需要像维护核心代码一样，精心雕琢你的 CLAUDE.md。

现在，打开你的项目，检查一下那个文件。

删掉那些废话，把长文档拆分，把格式化交给工具。

给你的数字员工减负，它才能跑得更快。

资料链接：https://www.humanlayer.dev/blog/writing-a-good-claude-md

你的 CLAUDE.md 有几行？

读完这篇文章，不妨现在就去检查一下你项目里的 CLAUDE.md。它是清爽的“入职手册”，还是臃肿的“裹脚布”？你目前的行数是多少？

欢迎在评论区晒出你的“瘦身”成果！让我们一起给 AI 减负。

如果这篇文章帮你解决了 AI “不听话”的难题，别忘了点个【赞】和【在看】，并转发给你的团队，规范大家的 Prompt 工程！

构建工程化的 AI 工作流

CLAUDE.md 只是构建 AI 原生工作流的起点。

• 如何配置 Hooks 来实现自动化代码审查？
• 如何编写 Sub-Agents 来处理隔离的脏活累活？
• 如何设计 Slash Commands 来固化团队的 SOP？

如果你想深入掌握 Claude Code 的高阶玩法，不仅仅是写 Prompt，而是构建一套“自动纠错、按需加载”的工程化体系。

欢迎关注我的极客时间专栏《AI 原生开发工作流实战》。

我们不聊虚的，只讲能在生产环境中落地的 AI 工程实践。

扫描下方二维码，开启你的AI原生开发之旅。

你的Go技能，是否也卡在了“熟练”到“精通”的瓶颈期？

• 想写出更地道、更健壮的Go代码，却总在细节上踩坑？
• 渴望提升软件设计能力，驾驭复杂Go项目却缺乏章法？
• 想打造生产级的Go服务，却在工程化实践中屡屡受挫？

继《Go语言第一课》后，我的《Go语言进阶课》终于在极客时间与大家见面了！

我的全新极客时间专栏 《Tony Bai·Go语言进阶课》就是为这样的你量身打造！30+讲硬核内容，带你夯实语法认知，提升设计思维，锻造工程实践能力，更有实战项目串讲。

目标只有一个：助你完成从“Go熟练工”到“Go专家”的蜕变！ 现在就加入，让你的Go技能再上一个新台阶！

商务合作方式：撰稿、出书、培训、在线课程、合伙创业、咨询、广告合作。如有需求，请扫描下方公众号二维码，与我私信联系。