一文吃透 Pi：10w stars 的极简 Agent harness

Hi，我是松柏。

今年 AI 编程 Agent 领域卷得不行，Claude Code、Cursor、OpenCode、Codex CLI 都在疯狂堆功能，宠物、sub-agents、plan mode、MCP、扩展市场，恨不得把能想到的东西全塞进去。

不过有个项目却反其道而行之，它就是 Pi，一个主打极简的 Agent Harness：

它默认只给模型提供了 4 个工具：read、write、edit、bash，系统提示词加工具定义一共不到 1000 tokens。

就这么个极简到离谱的东西，GitHub 10 万+ stars，npm 周下载量 120 万+，3 个月从 54k 涨到 98k。不少人已经拿它当日常主力了：

这篇文章我会先带大家快速上手 Pi，然后深入拆解它的核心设计理念和分层架构。看完之后你会对 Agent 框架的设计思路有一个新的认识。

废话不多说，点赞关注，我们直接开始！

快速上手

安装

一行命令搞定：

▼
bash
复制代码
# 推荐方式
curl -fsSL https://pi.dev/install.sh | sh

# 或者用 npm
npm install -g --ignore-scripts @earendil-works/pi-coding-agent

装完之后终端里直接敲 pi 就能进入交互界面。

配置模型

Pi 支持 15+ 模型提供商，Anthropic、OpenAI、Google、DeepSeek、xAI、Groq、Ollama 这些基本都有。配置方式也简单：

有订阅的话（Claude Pro/Max、ChatGPT Plus 等），直接 /login 走 OAuth
用 API Key 的话，设好环境变量就行，比如 ANTHROPIC_API_KEY

进去之后 /model 切模型，Ctrl+P 快速循环你的常用模型列表。而且它支持会话中途换模型，上下文会自动做跨提供商的转换，这个后面架构部分会细说。

基本使用

跟其他产品类似，打开终端，输入你的需求，Pi 就会帮你完成：

▼
bash
复制代码
# 交互模式
pi

# 一行式调用，适合脚本或 CI
pi -p "给这个函数加单元测试"

Pi 默认只给模型 4 个工具：

read：读文件（支持图片）
write：写文件，自动建目录
edit：精确文本替换
bash：执行任意命令

你可能会觉得 4 个也太少了。不过仔细想想，有了 bash，需要搜文件就跑 rg，需要看 git 日志就跑 git log，需要装依赖就 npm install。所以大部分需求其实不用专门做 tool，一个 bash 就能实现了，这也是 Pi 的核心设计思路之一。

会话管理

Pi 的会话不是普通的线性记录，而是一棵树。每次对话都会存成树形结构，你可以在任意节点分支出去：

▼
bash
复制代码
pi -c              # 继续上次的会话
pi -r              # 浏览历史会话列表
pi --fork <id>     # 从某个历史节点分出新分支

会话里用 /tree 可以看到完整的对话树，想跳回哪个节点就跳回哪个节点。

四种运行模式

除了终端里直接交互，Pi 还有三种无头模式，方便把它集成到其他地方：

模式	命令	适合场景
Interactive	`pi`	日常开发，完整终端体验
Print/JSON	`pi -p "query"`	脚本调用、CI 流水线
RPC	`--mode rpc`	stdin/stdout JSON 协议，给非 Node 项目用
SDK	TypeScript API	嵌入你自己的应用

这四种模式共享同一套 session 格式和事件流，所以不管从终端、Web 还是 CI 调用，看到的都是同一个 Agent。比如 OpenClaw 就是拿 Pi 的 SDK 模式做的一个完整产品。

OK，到这里基本上手流程就走完了。

接下来聊聊更有意思的部分，Pi 为什么要这么设计。

极简的设计哲学

Pi 的作者 Mario Zechner 说过一句话："if I don't need it, it won't be built"，翻译成大白话就是：没用的东西我不做。整个 Pi 的设计都是围绕这条原则展开的。

极简系统 Prompt

先看 Pi 的完整系统提示词：

▼
markdown
复制代码
You are an expert coding assistant. You help users with coding tasks
by reading files, executing commands, editing code, and writing new files.

Available tools:
- read: Read file contents
- bash: Execute bash commands
- edit: Make surgical edits to files
- write: Create or overwrite files

Guidelines:
- Use bash for file operations like ls, grep, find
- Use read to examine files before editing
- Use edit for precise changes (old text must match exactly)
- Use write only for new files or complete rewrites
- Be concise in your responses
- Show file paths clearly when working with files

就这？就这！加上工具定义一共不到 1000 tokens。

为什么系统提示词要这么短呢？因为现在的前沿模型经过大量 RL 训练，其实已经天生就知道怎么当一个 coding agent。我们不需要在 system prompt 里手把手教它该怎么做，它自己就会选工具、读文件、跑命令。Pi 在 Terminal-Bench 2.0 上的跑分也验证了这一点，极简 prompt 的效果并不比上万 token 的 prompt 差：

而且 prompt 越短越稳定，提供商那边的 cache 就越容易命中，每次请求的成本也更低。

4 个工具

前面提到 Pi 只有 read、write、edit、bash 四个工具，这确实和其他 Agent 动辄十几个 tool 的做法很不一样。

Pi 的思路是与其给每个功能都做一个专门的 tool（搜索 tool、git tool、测试 tool……），不如只留一个 bash，让模型自己写命令。

另外工具少还有一个好处，就是模型做决策更快。工具越多，模型越容易纠结用哪个，甚至选错，4 个工具就那么几种排列组合，选择成本几乎为零。

全权限运行

Pi 默认不弹任何权限确认，没有“是否允许写入文件”，没有“是否允许执行命令”，模型拿到工具就直接用。

这听起来挺激进的，不过也不是没道理，因为只要 Agent 能写代码、能执行代码、能联网，那所谓的权限弹窗本质上只是在给你一种安全感，实际拦不住什么。毕竟就算让我们自己审批，不也是一路确认允许嘛。

当然，如果你的场景确实需要隔离，Pi 也提供了三种容器化方案，Gondolin（本地微虚拟机）、Docker、OpenShell（策略沙箱），按需选用就行。

那些故意不做的功能

这部分我觉得是 Pi 最有意思的地方。很多 Agent 产品当成卖点的功能，Pi 一个都不做，但每个都给了更简单的替代思路：

1）Plan Mode → 写文件

不需要内置计划模式，直接写个 PLAN.md：

▼
markdown
复制代码
## Goal
重构认证系统支持 OAuth

## Approach
1. 调研 OAuth 2.0 流程
2. 设计 token 存储 schema
3. 实现认证端点
4. 更新前端登录流

## Current Step
正在做第 3 步

Agent 能读能改，你也能手动编辑，还能用 git 管版本。比藏在 Agent 内部的 Plan Mode 透明多了。

2）Sub-agents → bash 自调用

Pi 可以通过 bash 启动另一个自己：

▼
bash
复制代码
pi -p "review this PR" --provider anthropic --model claude-sonnet-4-5

还能丢进 tmux 跑，全程都能看到子 Agent 在干什么。相比之下，Claude Code 的 sub-agent 就是个黑盒，你只能看到最后的结果，中间过程完全不透明。

3）MCP → CLI 工具 + README

MCP 的问题在于上下文开销。像 Playwright MCP 一注册就是 21 个 tool、13.7k tokens，不管你这次用不用都占着窗口。Pi 的做法是做成普通的 CLI 工具，配一个 README，Agent 需要的时候用 bash 调，顺便读下 README 看用法，只在真正用到时才付 token 成本。

4）后台进程 → tmux

需要在后台跑 dev server？用 tmux 起一个：

▼
bash
复制代码
tmux new-session -d -s dev "npm run dev"

Agent 随时可以 tmux capture-pane 看日志输出，比内置的后台 bash 功能更灵活，可观测性也更好。

分层架构拆解

聊完设计理念，我们来看看 Pi 的代码是怎么组织的。

Pi 是一个 TypeScript monorepo，核心分成四层，从底到顶依次是：

pi-ai：统一多模型 API

最底层的包，把各家 LLM 提供商的 API 抽象成一套统一接口。底层其实只需要对接四种协议，OpenAI Completions、OpenAI Responses、Anthropic Messages、Google Generative AI，各家提供商基本都是这四种 API 的某个变体。

这一层有几个值得学习的设计点：

首先是跨提供商上下文接力。你可以在会话中途从 Claude 切到 GPT，pi-ai 会把 Claude 的思维链转成 <thinking> 标签塞进消息里，尽量让新模型能理解之前的上下文。代码上大概是这样：

▼
typescript
复制代码
// 用 Claude 开始对话
const claude = getModel('anthropic', 'claude-sonnet-4-5');
context.messages.push({ role: 'user', content: '25 * 18 = ?' });
const claudeResponse = await complete(claude, context);

// 中途切到 GPT，上下文自动转换
const gpt = getModel('openai', 'gpt-5.1-codex');
context.messages.push({ role: 'user', content: '对吗？' });
const gptResponse = await complete(gpt, context);

然后是全链路的 Abort 支持。很多 LLM 封装库根本没处理请求中断的情况。pi-ai 从一开始就支持 AbortController，而且中断之后还能拿到已经生成的部分结果，不会因为中断就全丢了。

还有工具结果分离。一个工具执行完，可以分别返回“给 LLM 看的文本”和“给 UI 展示的结构化数据”，不用再从一堆文本输出里费劲去解析了。

pi-agent-core：Agent 循环

中间层，实现 Agent 的核心运行循环：收到用户消息 → 调 LLM → LLM 要用工具 → 执行 → 结果喂回去 → 再调 LLM → 直到不再需要工具为止。

这层的关键类是 Agent，它除了管状态（消息历史、工具列表、当前模型），还提供了两种消息队列：

Steering：Agent 干活的时候你插一句话进去，当前工具跑完就会处理
Follow-up：排队等着，Agent 这轮忙完了再处理

整个循环是事件驱动的，所有生命周期节点都通过 AgentEvent 暴露出来，上层拿到事件就能构建各种 UI。

pi-coding-agent：编码 Agent CLI

应用层，也就是你实际敲的那个 pi 命令，核心是 AgentSession，在 Agent 循环之上加了这些东西：

会话持久化：JSONL 格式的树形存储，每条消息带 id 和 parentId，分支操作不需要新建文件
自动压缩：上下文快满的时候自动 compaction 旧消息，压缩策略可以通过扩展自定义
工具注册：内置 read/write/edit/bash，另外还有 grep/find/ls 三个只读工具可选
扩展加载：用 jiti 动态加载 TypeScript，写完不用编译直接跑

前面提到的四种运行模式就是在这一层实现的，它们共享同一套 session 和事件流。

pi-tui：差分渲染的终端 UI

Pi 的终端 UI 没有像 Amp、OpenCode 那样接管整个终端画面，采用的是像普通 CLI 一样往下写内容，保留终端自带的滚动和搜索。

渲染方式是保留模式（Retained Mode）：每个组件有一个 render(width) 方法，返回带 ANSI 样式的文本行。已经流式输出完的消息会缓存渲染结果，下次直接复用。

更新的时候用差分渲染，新旧两帧逐行对比，只重绘变化的部分，再配合终端的同步输出转义序列（CSI ?2026h / CSI ?2026l），把一帧的所有输出攒起来原子性地刷到屏幕上，在 Ghostty 和 iTerm2 上基本做到了零闪烁。

扩展系统

Pi 整套扩展机制分三层：

Extensions（代码级）

就是 TypeScript 模块，可以注册工具、添加命令、绑快捷键、拦截工具调用、自定义 UI 组件。示例代码：

▼
typescript
复制代码
// ~/.pi/agent/extensions/my-tool.ts
import type { ExtensionAPI } from '@earendil-works/pi-coding-agent';
import { Type } from 'typebox';

export default function(pi: ExtensionAPI) {
  pi.registerTool({
    name: 'search_docs',
    description: '搜索项目文档',
    parameters: Type.Object({
      query: Type.String()
    }),
    async execute(id, params, ctx) {
      const result = await searchIndex(params.query);
      return { content: [{ type: 'text', text: result }] };
    }
  });
}

保存后 /reload 热加载，不用重启。官方仓库有 50+ 示例，从权限确认、Git 检查点到 Snake 小游戏都有。

Skills（提示词级）

Skills 是 Markdown 文件，定义特定任务的指令和工作流。和 Extensions 的关键区别在于它是按需加载的，平时只在上下文里保留一行描述（几十个 token），等真正被触发时才加载完整内容。

这样即使你装了几十个 Skill，也不会撑爆上下文窗口，也就是我们常说的“渐进式上下文披露”。

Packages（生态打包）

Extensions、Skills、Prompt Templates、Themes 都可以打包成一个 Package，通过 npm 或 git 安装：

▼
bash
复制代码
pi install npm:pi-autoresearch
pi install git:github.com/badlogic/pi-doom

Shopify 的 pi-autoresearch

说到 Package，就不得不提目前最出圈的一个，Shopify 工程师 David Cortés 做的 pi-autoresearch。

它是一个自动化性能优化循环：你设定一个要优化的指标（比如构建时间），Agent 就会自动尝试改代码、跑 benchmark、比基线快就保留、慢了就回滚，然后继续下一轮，直到你打断。

最有意思的是，这个扩展本身就是让 Pi 写出来的。

后来 Shopify CEO Tobi Lütke 看到这个东西，直接上手贡献了 32 个 commit。目前 pi-autoresearch 在 GitHub 上有 7900+ star，Shopify 内部用它把单测速度提升了 300 倍，React 组件挂载快了 20%。

结语

我觉得 Pi 这个框架里最值得学习的一点就是不是功能越多越好，把核心的东西做到位就行，你们觉得呢？

这篇文章就到这里了，如果有帮助的话麻烦点个关注吧~

下期再见，拜拜👋🏻