«کدی منتشر می‌کنم که حتی نمی‌خوانمش!»

چگونه خالق OpenClaw یک‌تنه به اندازه یک شرکت نرم‌افزاری خروجی می‌دهد؟

پتر استاینبرگر در ماه ژانویه به تنهایی بیش از ۶,۶۰۰ کامیت (Commit) ثبت کرده است! عددی که حتی برای تیم‌های ۱۰ نفره هم دور از دسترس به نظر می‌رسد. او خالق OpenClaw (که قبلاً با نام Clawd شناخته می‌شد) است؛ یک ایجنت هوش مصنوعی که نشان می‌دهد آینده دستیارهایی مثل Siri واقعاً باید چگونه باشد.

این پروژه در حال حاضر سریع‌ترین رشد ستاره (Star) در تاریخ گیت‌هاب را داشته و حتی از پروژه‌های محبوبی مثل Tailwind CSS در زمان اوجشان جلو زده است. جالب‌تر اینکه آمار جستجوی گوگل برای “OpenClaw” در هفته گذشته از مجموع جستجوهای “Claude Code” و “Codex” بیشتر بوده است.

اما راز پتر چیست؟ او می‌گوید:

«از روی تعداد کامیت‌ها شاید فکر کنید این کار یک شرکت بزرگ است. اما نه، این فقط منم؛ یک نفر که در خانه نشسته و دارد تفریح می‌کند.»

در ادامه، ۱۰ درس مهم از روش کار عجیب و انقلابی او را بررسی می‌کنیم.

۱. خداحافظی با کمال‌گرایی کد (Code Perfectionism)

پتر قبلاً بنیان‌گذار شرکت PSPDFKit با بیش از ۷۰ کارمند بود. او می‌گوید مدیریت آن تیم به او یاد داد که “بی‌خیال” شود. وقتی تیمی دارید، باید بپذیرید که کدها دقیقاً با سلیقه شما نوشته نمی‌شوند. او حالا با ایجنت‌های هوش مصنوعی (AI Agents) دقیقا مثل کارمندانش رفتار می‌کند. او انتظار ندارد کد کامل باشد، فقط می‌خواهد کار انجام شود.

۲. حلقه را ببندید (Close the Loop)

ایجنت‌های هوش مصنوعی باید بتوانند کار خودشان را تأیید کنند. سیستم پتر طوری طراحی شده که ایجنت کد را می‌نویسد، کامپایل می‌کند، لینت (Lint) می‌کند، اجرا می‌کند و اگر خطایی بود، خودش آن را اصلاح می‌کند. بدون دخالت انسان.

۳. مرگ “Pull Request” و تولد “Prompt Request”

این شاید رادیکال‌ترین بخش ماجرا باشد. پتر معتقد است در عصر هوش مصنوعی، بررسی خط به خط کد (Code Review) بی‌معنی است.

• او دیگر Pull Requestها را بررسی نمی‌کند.

• او Prompt Requestها را می‌بیند! یعنی برایش مهم است که چه دستوری (Prompt) باعث تولید این کد شده است، نه خودِ کد.

نکته: برادر گرگلی اوروس هم در شرکت خودشان (Craft Agents) اکثر PRهای خارجی را رد می‌کنند، اما ایده اصلی را برمی‌دارند و به عنوان پرامپت به هوش مصنوعی می‌دهند تا کد را با استانداردهای خودشان تولید کند.

۴. بحث روی معماری، نه سینتکس

کد ریویو (Code Review) برای پتر مرده است. او با تیم کوچک خود در دیسکورد فقط درباره معماری سیستم و تصمیمات کلان صحبت می‌کند. جزئیات پیاده‌سازی به عهده هوش مصنوعی است.

۵. حالت “Flow” با ۵ تا ۱۰ ایجنت همزمان

پتر همزمان ۵ تا ۱۰ ایجنت مختلف را روی ویژگی‌های متفاوت پروژه فعال می‌کند. در حالی که یکی روی دیتابیس کار می‌کند، دیگری رابط کاربری را می‌سازد. او مثل رهبر ارکستر این جریان را مدیریت می‌کند.

۶. برنامه‌ریزی طولانی، کدنویسی سریع

پتر زمان زیادی را صرف “چانه زدن” با ایجنت می‌کند تا یک برنامه (Plan) دقیق بریزد. او ایجنت را به چالش می‌کشد و طرح را اصلاح می‌کند. وقتی از برنامه راضی شد، دکمه اجرا را می‌زند و سراغ کار بعدی می‌رود.

• ابزار محبوب: او Codex را ترجیح می‌دهد چون وقتی دستوری می‌گیرد، می‌رود و کار را انجام می‌دهد. برخلاف مدل‌های دیگر که مدام سوال می‌پرسند و تمرکز را به هم می‌زنند.

۷. استفاده از CI لوکال (Local CI)

پتر منتظر پایپ‌لاین‌های کند CI/CD روی سرور نمی‌ماند. ایجنت‌های او تست‌ها را به صورت لوکال (Local) اجرا می‌کنند. چرا ۱۰ دقیقه برای گیت‌هاب اکشن صبر کند وقتی ایجنت می‌تواند در ۳۰ ثانیه نتیجه را روی سیستم خودش بگیرد؟

۸. کدنویسی فقط “ماساژ داده” است!

پتر معتقد است بخش بزرگی از کدهای اپلیکیشن فقط “تغییر شکل داده‌ها” (Data Transformation) است و ارزش وسواس به خرج دادن ندارد. انرژی اصلی باید روی طراحی سیستم باشد.

۹. مهندسانِ “عاشق محصول” برنده هستند

مهندسانی که عاشق حل معماهای الگوریتمی پیچیده هستند، در این عصر جدید به مشکل می‌خورند. اما کسانی که عاشق “شیپ کردن محصول” و حل مشکل کاربر هستند (Product-minded engineers)، با این ابزارها تبدیل به ابرقدرت می‌شوند.

۱۰. مهندسی نرم‌افزار نمرده، “معمار” شده است

برخلاف تصور، نقش پتر در OpenClaw نشان می‌دهد مهندسی نرم‌افزار نمرده است. او حالا یک سوپر-آرشیتکت است. او ساختار کلان را در ذهن دارد، نگران بدهی فنی (Tech Debt) و ماژولار بودن سیستم است و به عنوان “دیکتاتور مهربان” پروژه، جهت‌گیری کلی را تعیین می‌کند.

نتیجه‌گیری: آیا آماده تغییر هستید؟

پتر استاینبرگر با OpenClaw ثابت کرد که یک نفر با ابزارهای درست می‌تواند جایگزین یک تیم شود، به شرطی که: ۱. وسواس روی کد را کنار بگذارد. ۲. روی معماری و خروجی تمرکز کند. ۳. یاد بگیرد چگونه ایجنت‌ها را “مدیریت” کند.

آیا شما حاضرید کدی را که ایجنت هوش مصنوعی نوشته، بدون خواندن دقیق “شیپ” کنید؟ یا هنوز هم اعتماد به ماشین برایتان سخت است؟