【当所有人都在搭建复杂框架时，真正出活的人只开了几个终端窗口】

OpenClaw 作者 Peter 的 AI 编程工作流最近引发热议，因为他的做法几乎和主流“最佳实践”完全相反。

不用计划模式。他认为计划模式本质上是早期模型能力不足时的权宜之计，现在只需要写一句“我们来讨论一下”，然后像正常人一样对话就行。

不用 MCP。在他看来，大多数 MCP 应该直接做成命令行工具，智能体会自己尝试运行、读取帮助菜单，然后就知道怎么用了。

不用编排器或子智能体。他的替代方案朴素到令人发指：多开几个终端窗口。

他的原话是：“别在 RAG、子智能体、Agents 2.0 这些花活上浪费时间，大部分都是表演。直接跟它说话就行。”

这番言论在开发者社区引发了两极反应。

支持者的体验高度一致。有人说自己花了好几周搭建自定义命令和多智能体链，最后发现“看看这几个文件然后做这件事”在九成情况下效果更好。还有人分享说，当他不再要求模型做计划、而是直接对话时，模型会犯错、发现错误、自己调整，这种感觉比一份完美计划真实得多。

但质疑的声音同样值得重视。有人指出，这套方法的前提是你必须高度专注地盯着智能体工作，想象一下屏幕上铺满十二个窗口、在它们之间疯狂切换的场景。这确实能出成果，但需要巨大的时间投入。适当的脚手架能让人腾出手做别的事。也有人提到，在团队协作场景下，一旦涉及共享工具、权限管理和审计需求，一个轻量的 MCP 层比每个人各自手搓临时命令行要靠谱得多。

我觉得这场争论的本质不是“简单好还是复杂好”，而是关于工具演进的一个更深层规律：当底层能力快速迭代时，上层的最佳实践往往会变成历史包袱。

有人说得很到位：很多智能体开发的“最佳实践”，本质上是对模型不成熟的变通方案。就像当年的设计模式，很多其实是在弥补编程语言本身的缺陷。这意味着那些为了实现最佳实践而生的工具，生命周期可能会很短。但反过来想，现在造这些工具的成本已经低到可以忽略，所以该造还是要造，只是别指望靠它们建立长期壁垒。

最让我有感触的是一条评论：过度工程化是每个人的必经之路。

这话听起来像是自嘲，但其实道出了学习的真相。你得先把复杂的东西搭一遍，才能真正理解为什么简单的方案更好。那些从未折腾过的人，往往也无法欣赏极简的价值。

x.com/petergyang/status/2018036657484894386