引言：AI 时代的“硬骨头”
2026 年，AI 编程工具已经不再是新鲜事物。然而，Conductor CEO 兼联合创始人 Charlie Holtz 在 Y Combinator 的 Full Stack 视频系列中展示了他的 AI 编码工作流，揭示了一个反直觉的现实：AI 并没有让编程变得更简单，它只是把“容易的 80%”吃掉了，剩下的“艰难的 20%”成了工作的全部。
这 20% 包括：架构决策、工程权衡、边界 case 的调试——这些需要持续、深度专注的工作，如今成了开发者日常的主战场。而过去编写样板代码、配置环境所带来的“大脑休息时间”，已经消失了。
在这样的背景下，Holtz 作为 Conductor（一个让开发者同时运行多个编码代理的 Mac 应用）的创始人，其个人工作流本身就是他产品哲学的缩影。
核心工具与工作流
1. 语音交互：让协作更自然
Holtz 工作流中最引人注目的元素是语音命令。他使用一个鹅颈麦克风，通过语音来编排复杂的编码任务。这使得编码从一项孤独的工作，变成更像与 AI 协作的对话。在开放式办公室中，这种方式尤其有效——开发者可以低声与编码代理“交谈”，而不会打扰他人。
2. 双模型策略：Claude Code + Codex
Holtz 并非只依赖单一 AI 模型，而是根据任务特点策略性地选择：
- Claude Code：作为日常编码和提示词交互的默认选项。它是一个代理式编码环境，不仅能聊天，还能读取文件、运行命令、自主推进问题解决。
- Codex：在需要更 intensive 的编码或调试场景时优先使用。
这种“工具箱”思维让团队能够充分利用不同模型的独特优势，在统一的工作流中灵活切换。
3. Conductor：AI 代理的“指挥家”
Conductor 是 Holtz 工作流的中枢。它提供了一个图形化界面，让用户可以像指挥一个团队一样，同时启动多个编码代理（Claude Code、Codex 等），每个代理在代码库的独立分支上并行工作。
用户的工作是：审查代理的产出、合并有效的部分、让需要继续迭代的代理重新定向。Holtz 提到，他如今尽量减少传统 IDE 的使用，转而将编码任务无缝集成在 Conductor 中完成。
关键原则：让 AI 为你工作，而非替你思考
1. “Slot-Free Zones”：人类始终在环
Holtz 强调了一个核心概念——“Slot-Free Zones”（无槽区） 。这指的是在流程中刻意设计边界，让 AI 代理在明确定义的范围内运行，而人类开发者始终保持对代码的最终控制和理解。
不要让 AI 做你的架构师。
关键决策和代码审查必须有人类参与，防止 AI 在复杂或新颖的问题上陷入低效甚至错误的循环。
2. AI 是伙伴，不是替代品
Holtz 将 AI 视为“既是苦力，也是协作者”。AI 处理细节任务，他提供监督，在编码方向和设计上做出关键决策。这种伙伴关系要求开发者保持清晰的边界意识——明确哪些代码区域不应该被 AI 触碰。
3. 迭代与反馈是核心
构建有效的 AI 代理工作流是一个迭代过程。团队会根据输出和表现持续优化提示词和模型选择。这个持续的反馈循环对于适应 AI 能力的快速演进至关重要。
从本地到云端：突破硬件天花板
Conductor 早期版本的所有代理都运行在开发者本地机器上。但随着用户（包括 Notion、Linear、Ramp 等公司的工程团队）希望同时运行更多、更长时间的代理，本地硬件成了瓶颈——风扇狂转、CPU 过热，一合上笔记本所有代理就停止工作。
Conductor 的解决方案是 Cloud Workspaces，基于 Vercel Sandbox 构建的远程执行层。现在，开发者可以随时启动多个代理，合上笔记本也不影响工作。对用户来说，云端版本和本地版本的体验几乎没有差别——因为 Vercel Sandbox 足够快。
Conductor 本身是模型无关（model agnostic） 的，已经支持 Claude Code、Codex 等多种编码代理。这意味着无论底层模型如何更新，Conductor 的云端执行层都能保持稳定。
AI 工作流的演变：从终端到 GUI
Holtz 指出，AI 交互界面正在从命令行（终端）向图形化界面（GUI）演进。终端固然强大，但 Conductor 代表的 GUI 方式让“指挥多个代理并行工作”变得像“指挥一个代理”一样直观。
回顾过去 6 个月，Holtz 的工作流发生了巨大变化。他提到一个生动的比喻：“代码正在变成木屑” ——在 AI 时代，代码本身正在成为一种副产品，真正有价值的是背后的架构决策和产品思维。
总结
Charlie Holtz 的 AI 编码工作流给我们带来了几个重要启示：
- AI 不是银弹——它解决了执行层面的重复劳动，但把更高阶的思考推到了前台。
- 工具要组合使用——没有单一模型能解决所有问题，策略性地选择 Claude Code、Codex 等工具是关键。
- 人类必须始终在环——架构决策、边界定义、代码审查这些“硬骨头”，目前依然需要人类的判断力。
- 基础设施决定上限——从本地到云端，Conductor 的演进表明，AI 编程的下一个瓶颈可能不在模型，而在执行环境。
正如 Holtz 所说，速度没有结构，只会让你更快地产生 bug。在 AI 时代，开发者的核心竞争力不再是“写代码的速度”，而是“做正确决策的能力”。
