Pi Agent不知道怎么就火了，我其实很早就在用了，总结下里几个优点：
Pi Agent不知道怎么就火了，我其实很早就在用了，总结下里几个优点：
1、几乎没有系统提示词，干净整洁，上下文小
2、节约token，因为几乎没有什么外置的组件
3、几乎任何地方的扩展性，哪里不舒服就可以安装扩展或者自己写插件完善
但是不建议初学者使用，因为没有内置的权限控制相关的组件，如果AI能力不强或者语义有问题可能会导致一些不可逆的后果。
个人学习记录 · STAGE 01
从好奇开始认识 Pi
这一阶段要解决的问题 先理解 Pi 是什么、为什么保持简洁，以及 Agent Harness 会怎样影响实际体验。
这一阶段不急着安装很多插件。先从 Pi 的定位、作者、设计取向和我的学习起点读起。文章按发布时间从早到晚排列，你会看到我怎样从“它为什么这么小”逐渐走到“我要整理自己的学习过程”。
本页收录 27 篇原文。正文来自个人 Google Drive 原文库，已移除 x.com 地址和 t.co 媒体短链。原文涉及的版本与产品状态以发布日期为准。
Pi Agent 已经够小够简洁了，还有比更小的Agent？
Pi Agent 已经够小够简洁了，还有比更小的Agent？
这款Agent 跑起来是需要15mb，简直是agent里面的泥石流。
采用rust语言写的，轻量便捷低消耗，主要还要增加了许多特殊的功能可以结合Claude Code、Codex等第三方Agent，真的很推荐大家去玩一下
完整内容看下面的文章👇
原帖包含图片或视频，媒体素材待后续整理。
Pi 这次锐评挺准的。
Pi 这次锐评挺准的。
现在大家还在比谁模型更强、谁 Tool 更多。
真正容易出问题的是 Agent 连续跑几小时之后：context 被裁掉，工具结果找不回来，进程死在半路，它自己都不清楚刚才干没干完。
这事我用 Hermes 的时候经常碰到。重复任务一多，token 全耗在工具日志上；中间那段一旦被 prune 掉，后面模型再聪明也只能猜。
所以我现在不太会先想着换更强的模型，更实际的还是这三件事：
低复杂度、高消耗的任务，丢给本地小模型
工具输出先落盘，别把 context 当成唯一记忆
权限和恢复按「会挂」来设计，别按 demo 能跑完来设计
模型以后只会更便宜。Harness 这边要是不跟上，跑得越久越难受。
Pi Agent 的口号是：There are many agent harnesses, but this one is yours.
Pi Agent 的口号是：There are many agent harnesses, but this one is yours.
翻译过来就是：Agent 很多，但这个是你的。
这也是我喜欢它的原因。
别的 Agent 一上来就帮你配好一切，省事，但你很难按照自己的想法去修改。
Pi Agent反过来干，给了你一个很干净的房子，模型、工具、Skill、工作流这些都可以自己搭配选择。
我总结下来有以下几个优点： 1、几乎没有什么内置系统提示词，模型上下文非常干净，测试模型能力很准
2、特别省 Token，外置组件少，同样做完一件事，省下来的都是真金白银
3、哪里不舒服就补 Skill 或者写插件，扩展性很强
4、不绑死一家模型，DeepSeek、本地小模型、GPT 都可以随便接入
5、它更像角色编辑器，不是开箱即用的满级号
推荐新手学习使用，但不建议纯新手上来就当作第一个Agent使用，因为默认权限比较松，得自己有点边界意识。
但你要是已经在用 Claude Code、Codex、Hermes，真的值得把 Pi 加进日常工作当中，体验Diy Agent的乐趣
还是那句话，先用起来比什么都重要
很多人用 Pi，但未必知道背后这个人。
很多人用 Pi，但未必知道背后这个人。
Pi Agent 的作者叫 Mario Zechner，X 上是 @badlogicgames。奥地利人，以前不是做 AI 的，是做游戏框架的。libGDX 就是他搞出来的，Ingress、杀戮尖塔这些都用过。
后来还做过 RoboVM，公司卖了又被微软关掉，社区反噬那一套他经历过，所以现在特别不愿意自己去融一堆钱当 CEO。
2025 年底他自己折腾了一个极简 coding agent，两晚写出来，本来只给自己用。默认就四个工具：read、write、edit、bash，系统提示词压得很短，其他全靠你自己加。口号也写得很直：There are many agent harnesses, but this one is yours。
后来 Flask 作者 Armin Ronacher 的公司 Earendil 把 Pi 收了，Mario 入股并加入团队。他自己发文标题就叫 I've sold out，写得很坦率：不想再走一遍创业那套高压，家里有小孩，但又希望 Pi 能有人养着别停更。技术方向还是他拍板，核心继续开源。
这人说话冲，bio 写的是 Old man yelling at Claudes。讨厌 Agent 越做越重、提示词越写越长。他自己还专门测过 MCP 和 CLI，结论也和很多人实际感受一样：CLI 往往更省、更稳。 所以 Pi 长成现在这样，不是产品经理堆出来的功能清单，是一个老开源作者按自己脾气做的壳。你喜欢它干净、可改、不绑死模型，基本都能从他这个人身上对上号。
感兴趣的话可以去看他博客 @badlogicgames。产品号是 @pidotdev。
原帖包含图片或视频，媒体素材待后续整理。
很多人用 Pi，但未必知道背后这个人。
很多人用 Pi，但未必知道背后这个人。
Pi Agent 的作者叫 Mario Zechner，X 上是 @badlogicgames。奥地利人，以前不是做 AI 的，是做游戏框架的。libGDX 就是他搞出来的，Ingress、杀戮尖塔这些都用过。
后来还做过 RoboVM，公司卖了又被微软关掉，社区反噬那一套他经历过，所以现在特别不愿意自己去融一堆钱当 CEO。
2025 年底他自己折腾了一个极简 coding agent，两晚写出来，本来只给自己用。默认就四个工具：read、write、edit、bash，系统提示词压得很短，其他全靠你自己加。口号也写得很直：There are many agent harnesses, but this one is yours。
后来 Flask 作者 Armin Ronacher 的公司 Earendil 把 Pi 收了，Mario 入股并加入团队。他自己发文标题就叫 I've sold out，写得很坦率：不想再走一遍创业那套高压，家里有小孩，但又希望 Pi 能有人养着别停更。技术方向还是他拍板，核心继续开源。
这人说话冲，bio 写的是 Old man yelling at Claudes。讨厌 Agent 越做越重、提示词越写越长。他自己还专门测过 MCP 和 CLI，结论也和很多人实际感受一样：CLI 往往更省、更稳。 所以 Pi 长成现在这样，不是产品经理堆出来的功能清单，是一个老开源作者按自己脾气做的壳。你喜欢它干净、可改、不绑死模型，基本都能从他这个人身上对上号。
感兴趣的话可以去看他博客 @badlogicgames。产品号是 @pidotdev。
原帖包含图片或视频，媒体素材待后续整理。
很多人把Pi 和 Pi coding agent 搞混在了一起，傻傻的分不清，我用一分钟给你讲清楚😄
很多人把Pi 和 Pi coding agent 搞混在了一起，傻傻的分不清，我用一分钟给你讲清楚😄
先说结论： Pi 是一整套底层框架（harness）， Pi coding agent 是用这套框架做出来的、专门给你写代码用的那个成品。
打个比方，Pi框架就是发动机、轮子、车架，这些配件。Pi coding agent更像是基于这些配件已经组装好的整车。
再拆细一点：
1、层级不一样 Pi 本身包含好几层东西：统一对接各种模型的接口、agent 运行的核心循环、终端界面、扩展系统。 你平时安装后敲的那个 pi 命令，其实只是其中最上层、最常用的那个coding 版本，也就是 Pi coding agent。
2、默认给你的东西不一样 纯 Pi 更干净，几乎什么都不预装，完全靠你自己加。 Pi coding agent 已经默认给你配好了最基础的四件套：读文件、写文件、改文件、跑命令（read / write / edit / bash）。所以很多人一装就能直接干活。
3、扩展方式是一样的，但使用场景不同 不管你用的是哪个，加 Skill、写插件、装扩展，底层机制都是同一套。 区别在于：一个是我自己从零搭一个 Agent，一个是：我先用已经搭好的 coding 版本，不够再往上加。
4、为什么大家会搞混 因为官网、文档、群里聊天，大家口头说的Pi，十有八九指的就是那个能直接敲命令写代码的 Pi coding agent。 只有真正想改底层、做自己的 Agent、或者嵌进别的产品里的人，才会去碰完整的 Pi harness。
5、实际怎么选 只是想快速用 AI 写代码、改项目 → 直接装 Pi coding agent 就够了。 想自己定义 Agent 行为、改工具、改工作流、甚至做成别的形态 → 你真正在玩的是 Pi 这套底层。
如果用一句话总结： Pi 是一个壳子，包含的是作者自己的Agent哲学，Pi coding agent 是已经给你配好的那个写代码版本。 大部分人用的是后者，却以为自己在玩整个 Pi。
我想你看完这个内容，下次就不会再搞不清楚这两个区别了，这也是我自己深化内容出来的结果，一般人可能还真不会注意到这两者之间的差别。
Pi 创作者 Mario Zechner 的 X bio 为什么会有这么一句话？
Pi 创作者 Mario Zechner 的 X bio 为什么会有这么一句话？
Old man yelling at Claudes。
其实很多人和我一样也很奇怪，其实你看过他的心路历程，你也就能明白了。
Mario 最早其实是 Claude Code 的重度用户，甚至会自己 Patch 客户端、抓 system prompt、研究每次更新到底改了什么。
但用得越深，他越受不了一件事：
Claude Code 一直在变。
system prompt 在变，工具在变，隐藏规则也在变。你辛苦调好的 Prompt、Skill 和 Workflow，可能一次更新之后效果就完全不一样。
后来他也试了 Codex、OpenCode 和其他 Agent，最后发现问题都差不多：
Harness 管得太多了，给的自由太少，慢慢的他开始厌倦了。
于是 2025 年底，他干脆花了两个晚上自己写了 Pi。
默认只有 read、write、edit、bash 四个工具，系统提示词尽可能短，模型不绑死，其他能力全部交给用户自己扩展。
这也是为什么 Pi 会有一句非常有代表性的口号：
There are many agent harnesses, but this one is yours.
Mario 想做的从来不是一个功能最多的 Agent。
而是一个足够干净、透明、稳定，最后控制权还在你手里的 Harness。
如果你用了 Pi，却一直没理解它为什么这么“简陋”，为什么很多东西明明能内置却偏偏不做。
Mario 自己讲 Pi 诞生过程的这个视频，可能会给你答案。
如果你也想开始学习 Pi，可以看看我的学习分享🔥
如果你也想开始学习 Pi，可以看看我的学习分享🔥
其实Pi没有想象的那么难，只是大多数人一开始学习的方向就错了，一上来研究 Harness、Agent Loop、Extension 这些东西。
如果让我推荐，我会建议按照这 5 个步骤进行学习：
1、先搞懂 Pi 到底是什么
先把 Pi、Pi Coding Agent、Claude Code、Codex 这些东西的关系弄明白，你只需要知道 Pi 最大的特点就是足够轻，而且很多能力都可以自己往上加。
2、先把最基础的功能用熟
安装、登录模型、新建 Session、继续之前的任务，再把几个常用命令摸熟，先让 Pi 真正进入你的日常工作，而不是装完以后就开始研究源码。
3、然后开始给 Pi 加能力
学会安装 Extension 和 Skill，再试试 SSH、安全插件、上下文工具这些真正能改善体验的东西，这一步基本也是 Pi 最好玩的阶段。
4、再去理解 Context 和 Token
等真正用过一段时间，再去理解为什么 Pi 的 System Prompt 很短、工具很少、缓存容易命中，以及上下文满了以后 Compaction 到底在干什么，会比一开始硬啃概念容易很多。
5、最后再玩 Pi 真正有意思的进阶玩法
手机远程、多设备协同、Sub-agent、多模型分工，甚至慢慢组合出一套属于自己的 Pi，这时候你才会真正理解为什么很多人把 Pi 当成 Harness，而不只是另一个 Coding Agent。
按照这五个点去学习，我相信你也一定可以体会到使用Pi 的快乐，就是那种自由自在的感觉，想要什么都可以动手自己去创造。
学习网站，我只推荐一个：
原帖包含图片或视频，媒体素材待后续整理。
回看Pi 的版本迭代记录，就像再看一部Agent发展史！
回看Pi 的版本迭代记录，就像再看一部Agent发展史！
看作者从最开始只有一个简单的构思，再到一个具体的产品，其实里面每一个点都是作者对自己想要的Agent的不妥协。
从众多版本里面，我选择了这五个最具有代表性的版本。
1、开始解决上下文问题（0.12）
这一版加入了 Context Compaction，上下文快满的时候会自动总结旧内容、保留最近的消息，Session 也开始支持 Branch，可以说 Pi 从这里开始真正具备了长时间工作的基础。
2、Extension 正式成为核心玩法（0.35）
以前分散的 Hooks、Custom Tools 被统一成了 Extension，从这里开始，你可以给 Pi 加工具、命令、UI、状态、权限控制，今天我们看到的大量 Pi 插件基本都是沿着这套机制发展出来的。
3、Pi 开始有自己的生态（0.50）
Extension、Skill、Prompt、Theme 可以打包成 Pi Package，一键安装和分享，也意味着 Pi 从“自己折腾自己的 Agent”，开始慢慢变成大家可以互相分享能力的生态。
4、开始关注安全和使用成本（0.79）
加入 Project Trust，项目里的配置、Extension 不再默认直接加载，同时 Pi 甚至把 Prompt Cache Hit Rate 直接显示在界面底部，能看出来官方已经开始认真关注安全、Token 和缓存效率。
5、开始越来越像一个 Agent Harness（0.84）
AGENTS.override.md、默认工具控制、Remote Session 相关能力陆续出现，你可以更细地控制 Context、工具和 Session，Pi 也开始慢慢从一个极简 Coding Agent，往一个可以自己组合的 Agent Harness 发展。
我中间也花了时间去研究作者的历史，再结合他的一些发言和过去开源的经历，我能慢慢的读懂。他为什么会自己写一个属于自己的Agent。
很多人会说这个Pi Agent这个工具偏极客，但是真正懂的人才会知道，想要有一个属于自己的工具有多难，而且是可以随意组装和优化的。
只有深度的去理解了，你也会跟我一样， 读懂了里面的设计哲学。
可能这就是 Pi 最让我上头的地方。
Pi 真正的用法，其实是构建属于自Agent🔥
Pi 真正的用法，其实是构建属于自Agent🔥
最近我都在深度研究Pi，今天脑子突然冒出来一个想法：
既然 Pi 本身已经把 Agent 最麻烦的东西都做好了，我是不是可以基于他简单的架构，完成我自己的Agent
我分析了一下相关的内容，总结了以下几个方面：
1、Pi 先把 Agent 的基本骨架给你了
模型怎么接、Session 怎么保存、Tool 怎么调用、Context 怎么压缩，这些 Pi 本身已经处理好了。
你不需要重新实现一个 Agent Loop，更多时候是在现成底座上继续加东西。
2、真正属于自己的部分，其实是能力组合
比如我想做一个研究 Agent，可以加搜索、浏览器、YouTube、Memory。
想做服务器 Agent，就加 SSH、Docker、日志分析。
甚至想做一个长期个人 Agent，也可以继续往上加记忆、消息渠道、定时任务。
这时候 Pi 更像是一个可以不断组装的底座，而不是一个固定形态的 Coding Agent。
3、连客户端都不一定要用 Pi 原来的终端
Pi 已经提供 SDK、RPC 这些接口，所以你完全可以在外面重新做 Web、桌面端、移动端，底下继续跑同一个 Pi。
这也是我最近研究 Pi 桌面端和移动端之后最大的一个感受：
你不一定是在改 Pi，而是在用 Pi 做自己的产品。
4、最后真正形成差异的，可能不是模型
大家都可以用 GPT、Claude、Qwen，但是你给 Agent 配了什么 Skill、什么 Extension、什么 Memory、什么工具和工作规则，最后才会慢慢变成完全不同的东西。
所以现在我越来越觉得，Pi 最好玩的地方可能不是拿它和 Claude Code、Codex 比谁更强。
而是你可以把它当成一个已经做好的 Agent 底座，然后一点点把自己的习惯和能力往上叠。
最后得到的可能已经不是 Pi。
而是一个真正属于自己的 Agent。
Pi 不是难，是很多人把学习顺序搞反了。
Pi 不是难，是很多人把学习顺序搞反了。
很多人都是先研究架构，再回头装软件，收藏夹放的满满当当，电脑里面却空空如也。
其实没那么多复杂的事情，只要跟着下面五个步骤一起做，一天就能干完。
- 当天只做开通 去 按官方方式装，不要先搜第三方教程。
装完先配一个你有额度的模型，新建Session，丢一件真事进去：改一个函数、写个脚本、排查一段报错。能跑通、能打断、能续上，这一步才算过。
- 把基本操作摸成肌肉记忆 记这几个就够：新建 / 切 Session、继续上次任务、/scoped-models 把常用模型收成短名单、Ctrl+P 切换。先固定一个主力模型，别一天换五个。
任务没结束别新开一堆窗口，上下文会散。
- 加能力只加你会重复用的 先写或装 Skill：把「每回都要交代一遍」的流程写进 SKILL.md。
再装 Extension：SSH、安全拦截、上下文查看。Skill 是说明书，扩展才改运行时。
装包用 pi install，去官方文档和插件市场搜，群里复制的命令先别用。MCP 先放下。
- 等窗口满了再调 Context 连续做一件稍长的事，看 Token、缓存、Compaction 什么时候开始工作。这时再懂为什么 Prompt 短、默认工具少。
爆过一次再决定要不要加压缩、要不要切轻量模型，比先背概念有用。
- 稳定一周后再玩组合 日常已经离不开，再试远程、多设备、Sub-agent、一个模型写一个模型审。先单会话做熟，再并行。
并行以前先想清楚：谁负责写、谁负责看、结果放哪，不然只是多开几个窗口。
一定要记住，学习Pi难的不是理解，而是开始动手，只有你真正的进行操作和学习，你才能真正的掌握它。
马上在你的电脑安全使用吧。🔥
原帖包含图片或视频，媒体素材待后续整理。
学 Pi 别收藏文档了，看完这个视频，比收藏十篇教程都有用。
学 Pi 别收藏文档了，看完这个视频，比收藏十篇教程都有用。
这次我直接制作好视频，那你完整的了解PI Agent 这个系统：
1、模型负责理解和判断 2、上下文告诉它项目背景和规则 3、工具负责读取、修改和运行 4、会话保存整个工作过程 5、Skill 和 Extension 增加新能力 6、RPC、SDK 等方式把它接进其他流程
你提出任务，模型作出决定，工具执行操作，结果再回到模型——这才是 Pi 真正的工作循环。
Pi 的优势不是默认功能有多豪华，而是核心足够轻，大脑、工具和规则都能自己选择。
先理解这套结构，再去装插件、写 Skill、做自动化。否则装得越多，越不知道 Pi 到底强在哪里。
两分钟，把 Pi 的完整构成一次讲清楚。👇
Pi 和 Oh My Pi，正在把 Agent Harness 推向两个极端🔥
Pi 和 Oh My Pi，正在把 Agent Harness 推向两个极端🔥
本质上他们都是一个爹妈生的，甚至 Oh My Pi 本身就是从 Pi Fork 出来的，但是后期发展越往对方的极端方向走。
Pi 的思路很简单：核心能精简的尽量精简，额外的功能都交给插件。
默认工具少、系统提示词短，Extension、Skill、Memory、Subagent 这些东西，尽量不替你做决定。
所以 Pi 更像一个毛坯房，东西不多，但结构干净，每一块能力基本都在你的掌控里。
Oh My Pi 刚好反过来：Harness 能做的事情，我尽量都做到里面。
简单对比几个最明显的地方：
1、Pi 默认工具很克制；Oh My Pi 直接塞进 LSP、Debugger、AST、Browser、Subagent、Memory。
2、Pi 更倾向传统的代码编辑方式；Oh My Pi 连 Edit Protocol 都重新做了，用 Hashline 降低修改代码时的定位和冲突问题。
3、Pi 对 Context 保持简单；Oh My Pi 甚至做了 SnapCompact，把历史上下文渲染成图片，再交给视觉模型继续读。
其实两个方向我不会说哪个对哪个错，因为我很多时候会结合对应的群体去考虑。
不是每个人都是极客或者喜欢简洁自由的Agent，更多的其实是小白，他们需要的就是上手可用的方案。
社区多向发展才是我希望的，做完的东西会越来越多。
原帖包含图片或视频，媒体素材待后续整理。
Pi 0.84.4（2026-08-28）是目前最新版，官方推文里重点提了这 3 条：
Pi 0.84.4（2026-08-28）是目前最新版，官方推文里重点提了这 3 条：
1、大工具结果会立刻压缩 工具输出太大时，现在会在同一次运行里先 compaction，再继续下一条回复，不容易把上下文撑爆。
2、支持 DeepSeek V4 Flash Vision（实验性） 内置 DeepSeek 提供商可以直接用这个带视觉的模型。
3、终端能力可手动覆盖 超链接、图片、真彩色支持不再完全靠自动检测，可以自己强制开/关。
上面那么多浓缩成一句话，就是优化了上下文压缩增加了新模型匹配，还有就是开放更多的终端能力。
更新命令：pi update。
原帖包含图片或视频，媒体素材待后续整理。
以前是我盯着 Pi 改代码，现在有人开始让 Pi 自己死磕优化了😂
以前是我盯着 Pi 改代码，现在有人开始让 Pi 自己死磕优化了😂
最近看到一个很值得玩的项目：pi-autoresearch。
它受 Karpathy Autoresearch 启发，直接把这套思路搬进了 Pi里面。
你不需要一步一步告诉它该怎么优化，只需要给一个明确指标。
剩下的事情，它自己来：
想方案 → 修改 → 测试 → 对比结果 → 有提升就留下 → 变差就回滚 → 继续下一轮。
几个点特别有意思的点：
1、目标非常明确
不是让 Agent 模糊地“把代码优化一下”，而是直接盯一个数字，比如测试时间、构建速度、Bundle Size、Lighthouse 分数。到底有没有变好，一眼就能判断。
2、失败成本很低
Pi 可以大胆去试各种方案。效果不好就直接回滚，不需要我一直盯着每一次修改，真正有提升的结果才留下来。
3、可以连续跑很多轮
普通 Agent 改一次基本就结束了，Autoresearch 更像是在做实验。一个方案不行就换下一个，直到慢慢把指标往上推。
4、实验过程可以持续积累
每一轮尝试、结果和改动都会被记录下来。哪怕 Context 后面重置了，也可以接着之前的实验继续跑，而不是重新从零开始猜。
我觉得它最适合解决一种很有意思的问题： 我不知道下一步该怎么优化，但我知道什么结果才算更好。
以前我也用过类似的框架去重复跑，重复迭代，甚至开多个子向前一起跑，然后确定一个最高分的版本。
他这个插件的思路也其实都是一样的，让ai自己去按照你的目标去进化，每一次都打分，一次一次的向最终目标靠近。
如果你最近也在玩 Pi，pi-autoresearch 我很推荐试一下。
原帖包含图片或视频，媒体素材待后续整理。
Pi 最矛盾的点：追求极简，还是复杂🔥
Pi 最矛盾的点：追求极简，还是复杂🔥
最近看到一个挺有意思的项目：Plannotator。
可能很多人听过甚至都安装过，我自己看下来他就是复杂的代表插件。
Pi 本身其实是很克制的，很多能力都不会往 Core 里塞，但 Plannotator 刚好反过来，专门给 Pi 补了一套可视化 Review。
Agent 写完 Plan，你可以直接在页面里批注、删除、修改；代码写完以后，也能像 Review PR 一样看 Diff、针对具体位置提意见，再让 Pi 重新修改。
优点很明显：
1、Plan 不用在终端里硬看了，哪里有问题直接改哪里。
2、Code Review 更直观，Pi 负责写，人负责关键判断。
3、批注还能沉淀下来，以后甚至可以整理成自己的 Review Skill。
缺点也很直接：
1、它会把 Pi 用重。
原本打开 Terminal 就能干活，现在又多了一层浏览器和 Review 流程。如果你本来就喜欢 Agent 自己做完再汇报，这套东西反而有点多余。
所以 Pi 到底是简单还是复杂？
我现在更倾向于：
Pi 简单的是 Core，不是你的最终工作流。 它只是把复杂不复杂的选择权，留给了你。
原帖包含图片或视频，媒体素材待后续整理。
我去，《杀戮尖塔》居然和 Pi 作者 Mario Zechner 有关系🔥
我去，《杀戮尖塔》居然和 Pi 作者 Mario Zechner 有关系🔥
准确来说，《杀戮尖塔》不是 Mario 做的，但是它使用的游戏开发框架 libGDX，是 Mario 很早以前开源项目。
这件事我之前还真不知道，继续往下翻他的经历，突然感觉 Pi 为什么会长成今天这样，好像又更容易理解了一点。
Mario 在 2009 年左右就开始折腾 libGDX，最初只是因为自己做 Android 游戏的时候开发体验太痛苦，最后慢慢做成了一套跨平台游戏框架。
后来 libGDX 被大量游戏使用，《杀戮尖塔》就是其中非常出名的一个，另外还有 Ingress，Spine 这类项目也建立在它上面。
有意思的不是 Mario 做过一个很成功的游戏框架。
而是十几年以后，他做 Pi 的思路居然还有一点熟悉。
libGDX 没有帮你做一款游戏，它只是把做游戏需要的底层能力交给你。
到了 Pi 这里也是一样。
Pi 没有急着把 Sub-agent、Plan Mode、Memory、各种功能全部塞进 Core，而是把 Agent Loop、Session、Tool、Context、Extension 这些基础能力做好，最后你想把它拼成什么样，交给你自己。
一个最后长出了《杀戮尖塔》。
一个现在正在长出各种各样的 Agent。
我以前更多只是把 Pi 看成 Mario 最近做出来的一个 Coding Agent，现在回过头看 libGDX、RoboVM，再看 Pi，会发现他好像一直很喜欢干同一类事情：
不是替别人把产品做完，而是先造一个足够自由的底座，让别人拿去创造自己的东西。
可能 Pi 今天这种“什么都想留给你自己决定”的性格，从十几年前的 libGDX 就已经能看到一点影子了。
原帖包含图片或视频，媒体素材待后续整理。
我发现了新玩法，拿Grok Bot 来跑Pi Agent🔥
我发现了新玩法，拿Grok Bot 来跑Pi Agent🔥
刚才测试了一下使用Grok Bot运行对应的Agent，在上面完美的运行了，安装本身是没有难度的因为Grok Bot本质都是一台服务器。
但是中间踩的坑还是分享一下：
1、安装的时候要指定是它自己的电脑环境，否则可能检查的是你电脑的环境，这里一定要让AI分清楚。
2、默认带的环境还是比较老的，还是建议升级一下对应的配套环境，加强环境的兼容性。
3、还有就是启动的环境变量需要自己配置一下，不然有可能找不到Pi这个应用。
我还在探索看看有没有低延迟的方案，在Grok Bot打洞或者绑定固定域名的方式，可以让服务器连接到外部网络环境区使用。
现在有两个方案一个是使用Tailscale 最简单，一个是使用CloudFlare Tunnel的方式，各有各的优点。
原帖包含图片或视频，媒体素材待后续整理。
不到一年，Pi 10 万Star了🔥
不到一年，Pi 10 万Star了🔥
2025 年底，Mario Zechner 给自己写了个极简 coding agent。他没想到这么短的时间就冲上了十万Star。
Pi的口号：There are many agent harnesses, but this one is yours.
2026 年 1 月，Flask 作者 Armin Ronacher 公开说这套架构值得花时间和精力去构建完善。
4 月，他的公司 Earendil 把项目收了，Mario 入股但是还是继续指导技术方向，仓库从个人账号迁到 earendil-works/pi，协议还是 MIT。
7 月 7 万星。今天 10 万。
今天是一个里程碑式的阶段，因为官方现在只多说了一句：Pi v2 coming soon.
我很期待Pi v2的到来，你会带给我一个什么样的惊喜？
原帖包含图片或视频，媒体素材待后续整理。
我来分享一下自己对Pi的学习过程
我来分享一下自己对Pi的学习过程
一开始我也只是单纯的好奇去接触了Pi Agent这个产品，发了一些相关的内容，发现挺有流量的。
后面慢慢的我就会往这个方向发的内容越来越多，从最简单的插件分享，到后面的源码阅读都是一步一步走过来的。
有的时候也会去挖掘更深层次的东西。
比如作者为什么会开发出Pi 这个产品，那我又去深挖了作者的博客和他整个的历程。
得到的东西还是挺多的，因为pi不是他第一个开源作品，他已经开源过很多作品了。
就是因为上一个作品给他带来的伤害，所以在这一次开言的作品上，保留了绝对的自主权。
也慢慢的了解到他以前也是Claude code的忠实粉丝，但是因为Claude code官方更新的非常频繁，一直在加码，导致他觉得自己对agent失去了掌控力，决心开发一个可以自由搭配组装的Agent。
这也是整个产品开始的初衷。
说实话，一开始我也不知道自己会研究的这么深了。
从一点一点的细节开始抽时剥茧和整个Pi学习明白，开始，从最基本的好奇变成了真想弄懂他。
整个学习过程下来，我发现了一个道理：
你想好好学习一个东西，必须花时间去使用它。
使用的越多，了解的越多，你才能真正的学习会它。
原帖包含图片或视频，媒体素材待后续整理。
推荐一个很有意思的 Pi 项目，pi-vs-claude-code。
推荐一个很有意思的 Pi 项目，pi-vs-claude-code。
我一开始看名字还以为它只是拿 Pi 和 Claude Code 做对比，后面翻了一下才发现完全不是。
它更像是在做一件事情：
Claude Code 有的功能，看看能不能用 Pi 自己一个一个搭出来。
如果你已经开始折腾 Pi 的 Extension、Subagent 和自定义工作流，我十分推荐去看一下，里面很多东西甚至可以直接拿来抄思路。
主要有这些玩法：
1、自己给 Pi 加 Subagent
可以后台启动多个 Pi 去干不同任务，主 Agent 继续工作，还能看到每个 Agent 的执行进度。
2、自己搭 Agent Team
可以提前定义 Planner、Builder、Reviewer、Scout，不同 Agent 干不同的事情，甚至可以分别挂不同模型。
3、给 Pi 补上安全和权限
危险操作拦截、敏感文件保护、部分命令需要确认，这些 Claude Code 原生有的东西，Pi 也可以靠 Extension 自己补。
4、Pi 和 Pi 之间可以直接通信
不只是主 Agent 调 Subagent，多个 Pi 甚至可以互相发消息，跨机器也能通信，已经有点 Agent Network 的味道了。
5、甚至可以让 Pi 自己造 Pi
项目里面有一个 Pi Pi，会先找多个专家 Agent 研究 Extension、Skill、Tool、TUI，再帮你生成自己的 Pi 功能。
我觉得这个项目最有意思的地方，不是谁比谁强。
而是你会慢慢发现：
Claude Code 给你的很多功能，在 Pi 里面其实都可以自己搭。
如果你已经不满足于装几个插件，而是想真正开始改自己的 Pi，这个项目很值得拿来当参考库。
原帖包含图片或视频，媒体素材待后续整理。
Pi虽然核心简单，但是组合在一起一点也不简单。
Pi虽然核心简单，但是组合在一起一点也不简单。
可以打造成自己的工作台，非常的完美
可以通过 Extension API，很多原本固定的东西都可以自己改，所以完全可以把 Pi 慢慢做成自己的 AI 工作台：
1、做一套常驻状态栏 模型、Thinking、Token、Context、Git 分支这些信息直接放在底部，当前状态一眼就能看到。
2、挂一个 Todo / Task 面板 把当前目标、已完成步骤、下一步任务留在界面里，跑长任务的时候不用反复问 Pi 现在做到哪了。
3、把 Context 做成可视化 System Prompt、Skill、Tool 分别占了多少，上下文还剩多少，什么时候该 Compact，都可以直接看到。
4、再配合 pi-cc-extensions 补阅读体验 Tool Call 折叠、Rich Diff、Markdown、Mermaid、长输出这些一起处理，Pi 默认比较素的阅读体验基本就补齐了。
最有 Pi 味道的是，这些东西不用等官方慢慢加。
你甚至可以直接让 Pi 帮你写 Extension，改完 /reload，马上继续用。
我现在越来越喜欢这种感觉：
不是去找一个功能最全的 Coding Agent，而是拿一个足够简单的 Pi，慢慢改成自己的工作环境。
看懂Pi设计的魅力，可能只需要一分钟。
看懂Pi设计的魅力，可能只需要一分钟。
今天我突然看懂了为什么Pi，要自己设计Session、处理压缩算法、构建自己的上下文体系，都是为了不妥协！
上下文：尽量保持前缀稳定，让Prompt Cache持续命中，少花Token，也少被Harness随意改写。
Session：完整记录掌握在自己手里，不依赖某一家模型厂商保存状态，换模型还能继续跑。
压缩：自己决定什么留下、什么丢掉，压缩后的内容依然可见、可修改、可迁移，而不是变成Provider才能读懂的黑盒。
模型：GPT、Claude、Gemini，甚至本地模型，都只是可以随时替换的一层。
Harness：Pi也不希望你最后只是从厂商锁定，换成另一种Harness锁定。
这些设计看起来都很克制，甚至有点固执，但最后其实只指向一件事：
不妥协。
模型可以换，Provider可以换，Harness也可以换。
但Session、Context和Memory，应该一直属于你自己。
这才是一个真正自由的Agent。
如果不在学习和研究Pi，这几篇必读文章你一定不能错过🔥
如果不在学习和研究Pi，这几篇必读文章你一定不能错过🔥
很多时候只是看源码和简单的概念没有什么体会，光看 README 也很难真正理解作者设计的初衷。
反而是这些文章，可以体现出作者的思想，让你能慢慢知道 Pi 为什么会设计成现在这样。
1、Prompt Caching In Agents
讲 Prompt Cache、前缀稳定和缓存命中，也是我觉得最适合理解 Pi 设计思路的一篇。
2、How Compaction Works in Pi
专门讲 Pi 的压缩机制，什么时候触发、保留什么、压缩以后 Session 怎么继续跑。
3、The Session You Cannot Take With You
这篇我很推荐。
讲 Session 可迁移性、Provider 黑盒，以及一个 Agent 的历史到底是不是真的属于你。
4、AgentHarness v2
想往底层继续看就读这篇。
Session、Lane、持久化、恢复机制，能看到 Pi 对 Agent Runtime 的一些更深设计。
5、Pi Real Sessions
Mario 公开的真实 Pi Session 数据。
可以直接看 Tool Call、Thinking、Compaction、Branch，了解真实 Agent 到底是怎么工作的。
如果只让我推荐三篇，一定要看的就是：
Prompt Caching In Agents How Compaction Works in Pi The Session You Cannot Take With You
这三篇看完，我觉得基本就能开始看懂 Pi 了。
原帖包含图片或视频，媒体素材待后续整理。
如果你也在学习和研究Pi，这几篇必读文章你一定不要错过🔥
如果你也在学习和研究Pi，这几篇必读文章你一定不要错过🔥
很多时候只是看源码和简单的概念没有什么体会，光看 README 也很难真正理解作者设计的初衷。
反而是这些文章，可以体现出作者的思想，让你能慢慢知道 Pi 为什么会设计成现在这样。
1、Prompt Caching In Agents
讲 Prompt Cache、前缀稳定和缓存命中，也是我觉得最适合理解 Pi 设计思路的一篇。
2、How Compaction Works in Pi
专门讲 Pi 的压缩机制，什么时候触发、保留什么、压缩以后 Session 怎么继续跑。
3、The Session You Cannot Take With You
这篇我很推荐。
讲 Session 可迁移性、Provider 黑盒，以及一个 Agent 的历史到底是不是真的属于你。
4、AgentHarness v2
想往底层继续看就读这篇。
Session、Lane、持久化、恢复机制，能看到 Pi 对 Agent Runtime 的一些更深设计。
5、Pi Real Sessions
Mario 公开的真实 Pi Session 数据。
可以直接看 Tool Call、Thinking、Compaction、Branch，了解真实 Agent 到底是怎么工作的。
如果只让我推荐三篇，一定要看的就是：
Prompt Caching In Agents How Compaction Works in Pi The Session You Cannot Take With You
这三篇看完，我觉得基本就能开始看懂 Pi 了。
原帖包含图片或视频，媒体素材待后续整理。
准备把自己的Pi学习过程整理出来
准备把自己的Pi学习过程整理出来
不知道会有多少来看，但是分享本来就是一件有意义的事情，把它整理出来，本身也是一种对学习的回顾
这两个月来，从简单的Pi Agent到研究源码，分析里面的内容怎么一步一步的学习成长到自己开始写插件
开始只是纯好奇，为什么会有一个这么简洁的Agent的出现，为什么Openclaw会选择它当作基座去进行开发，后来我也慢慢懂得了原因
很建议大家在学习之余去翻看一下作者的履历，那不仅仅是简单的历史回顾，更是一种思想的碰撞，也回答了为什么会这样
不说那么多了，开始动手了，然后你也感兴趣，请在评论区告诉我👇
下一步
完成这一阶段后，继续阅读第 2 阶段 先把第一个任务做完。