我测试了一下Pi Agent + Deepseek V4 Flash 终于感受到了什么才是真实的吐字速度
我测试了一下Pi Agent + Deepseek V4 Flash 终于感受到了什么才是真实的吐字速度
简直是原地起飞，基本上没有什么停顿，前面Claude和GPT用多了再用其他就没有感觉慢的模型了，但是今天这个测试的速度，可能才是我真正想要的AI 生成速度
什么时候国产也可以和国外模型能力齐平或者超越，我会毫不犹豫全面切回国产模型
个人学习记录 · STAGE 02
先把第一个任务做完
这一阶段要解决的问题 认识模型选择、入门技巧和基础界面，再回到一个可以独立验收的小任务。
这些记录里既有零基础教程，也有不同模型的使用体感。具体型号和产品状态会过时，挑选模型的方法仍然值得保留。学习时先完成任务，再比较速度与价格。
本页收录 25 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 + 最新的Deepseek V4 Pro会擦除怎么样的火花？
Pi Agent + 最新的Deepseek V4 Pro会擦除怎么样的火花？
今天我就用这两个组合写一个炫酷的粒子特效页面，结果是让我惊喜的。
主要是Pi Agent几乎没有什么系统提示词，所以能最好的测试模型的原生能力，跑分可以作假很多时候都是高分低能，但是把这些外部影响去掉之后，留下来的就是模型最根本的能力。
整体效果很不错，这个提示词我在Qwen和Kimi都跑过，从流畅度和完整性，这次我只能说Deepseek还是牛逼的！
其实Pi 相关网站不用收藏那么多，只要几个就够了。
其实Pi 相关网站不用收藏那么多，只要几个就够了。
官网： 文档、安装、更新都从这进，不要一上来先搜第三方教程。
Skill 文档： 怎么写 SKILL.md、放哪、什么时候加载。重复流程优先写成 Skill，别先上 MCP。
扩展文档： 要加命令、拦危险操作、改状态栏才看这个。Skill 是说明书，扩展是改运行时。
包装安装： pi install 怎么用。扩展带系统权限，装之前先看安全说明。
插件市场： 装包先在这搜，比群里复制命令靠谱。
官方源码 权限拦截、沙箱、subagent 示例都在仓库里。
中文文档： 英文看着费劲就看这个，快速开始够用。
插件合集： 还想找插件再翻这个，当目录用。
建议你一定要先实操起来，结合文档一起看。不然收藏再多，有没有什么实际的提升。
原帖包含图片或视频，媒体素材待后续整理。
很多人问我 Pi Agent 和 Deepseek Harness 有什么区别？
很多人问我 Pi Agent 和 Deepseek Harness 有什么区别？
其实这两条路看起来不一样，本质是一回事：都是给你一个能跑起来的 Agent 壳子，但是模型和工具需要自己往里面对接。具体会长成什么样，只有你自己知道。
这两个我都用了一段时间，比较明显的差异点：
Pi 默认极简，系统提示词很少；DSH 更完整，一上来就给你一套能干活的架子
Pi 哪里不舒服就补 Skill、写扩展；DSH 是万物皆插件，连 Harness 自己都能改，核心都可以直接替换
Context 处理不一样。DSH 工具结果太长会裁中间，裁掉就没了；Pi 走的是先压缩、完整内容落盘，需要再读回来
对插件的态度也在分叉。DSH 越加越开放，主打一个万物皆可换；Pi 最近反而在划边界，哪些是对话、哪些是运行时、哪些能持久化
体感上，Pi 更像角色编辑器，DSH 更像把「怎么造 Agent」整套开源出来 所以别问哪个更强。一个是先给你干净的底盘，一个是先给你能改的全套零件。
虽然两个Agent 有这么多不同，但是本质还是提供了相当高的自由度的Agent，一个是基于插件，一个是最少的干预，各有各的优点
Pi Agent 第一步，肯定是设置好看的状态栏🔥
Pi Agent 第一步，肯定是设置好看的状态栏🔥
我这里给大家推荐 pi-footer 这个项目。
它不是简单换个颜色，而是把 Pi 当前的模型、Provider、Thinking Level、Context 使用率、Token 消耗、Session 费用、运行时间和 Git 状态，全都放到状态栏里。
平时 Pi 跑久了，最容易忽略的就是 Context 还剩多少、用了多少 Token、当前是什么模型。装上 pi-footer 之后，这些信息看一眼就知道，不需要频繁输入命令检查。
它目前内置了 10 套预设模式，比较常用的是：
compact：信息精简，适合屏幕较窄的终端。
powerline：彩色分块效果，最好看，但建议搭配 Nerd Font。
git-heavy：重点显示分支、文件修改、代码增删和同步状态。
pi-footer：接近 Pi 原生状态栏，改动不大，但可以自由编辑。
powerline-bright / blocks / mono：分别是亮色、多行分块和黑白高对比风格。
除了直接使用预设，你还可以自己增删状态组件、调整顺序、修改颜色和图标，甚至做成多行状态栏。喜欢简单就少放几个，想把 Agent 和项目状态都摆出来，也可以自己慢慢组合。
需要注意的是，Powerline 风格最好搭配 Nerd Font，不然部分图标可能显示不完整。
我视频里面就是没有安装Nerd Font，导致显示的图标不全。但是对我来说已经够用了，再做一些细分和优化就完全够了。所以意见大家把它用起来。
Pi的零基础实战，万字长文教程终于来了🔥
Pi的零基础实战，万字长文教程终于来了🔥
终于有时间把Pi 学习内容整理成文章了，没有一上来就讲基础概念，而是直接带你实操。
文章桉顺序划分了五个板块：
1、认识 Pi 先分清它能读写哪些文件、执行哪些操作。本地 Agent 和本地模型不是一回事。
2、安装与界面 从练习目录装起，确认版本和登录，再认输入区、工具事件、状态栏和模型设置。
3、第一个真实任务 用 @ 引用会议记录，把材料、动作、限制和验收写进提示词，生成能打开的行动清单。
4、独立验收 不看它自己的总结。核对校验值、输出文件、负责人和截止日期，再用 AGENTS.md 和会话命令管后面的任务。
5、扩展与安全 分清 Skill、Extension、Package。Project Trust 不是沙箱，「不要访问目录外」只是提示词，不是系统锁。
只要你认真跟着教程实操，我相信你也可以从一个Pi小白蜕变成一个玩转Agent的大佬。
如果还有什么想了解，可以在评论区留言，下次我努力出对应的内容文章😂
Pi Agent 零基础实操，万字长文就怕你们没耐心看🔥
Pi Agent 零基础实操，万字长文就怕你们没耐心看🔥
我专门把这篇万字长文浓缩成了几个关键点，做成了视频给你观看。
文章里面主要的几个章节都有复述，而且还有相关的动画和命令。
最主要也是我想尝试一下用知识小短片的方式，来科普AI相关的知识，如果大家喜欢以后，我会多尝试一些方向。
原帖包含图片或视频，媒体素材待后续整理。
Pi 里模型不用多，三档就够。
Pi 里模型不用多，三档就够。
1、GPT 5.6 Sol 主力。改代码、看结构、排问题、任务稍微绕一点，都先丢给它。它不是最便宜的，但少返工。我现在不会一上来就用免费模型硬刚复杂活，省那点钱，后面改的时间更贵。
2、DeepSeek 日常整理、批量改文件、写清单、重复性活，Flash 就够；要推理、要对齐逻辑，再上 Pro。Pi 的 Context 干净，接 DeepSeek 缓存和账单都更好看。能用这档解决的，就别把 Sol 拉来搬砖。
3、OpenRouter 免费额度和刚出的新模型从这进 Pi。新模型先跑两三个小任务：整理一份纪要、改几个文件名、读一个小仓库。手感对了再进正式项目；不对就换，不心疼。别拿还没验证的模型改你真正在用的代码。
具体建议就一条：先把默认使用好的模型当主力，便宜模型干杂活尤其是重复性高的劳动。
最后保留一个 OpenRouter 来作为兜底和白嫖，防止主力模型不可用不能排查问题，最主要是免费模型量大管饱，测试还是体验都很不错。
本地模型+ Pi Agent，才是本地模型正确打开方式🔥
本地模型+ Pi Agent，才是本地模型正确打开方式🔥
今天看到Pi + 本地 Qwen3.8 模型的测试视频 ，我才发现，对于本地 Agent 来说，上下文的大小可能是成为下一个讨论的热点。
虽然本地模型虽然没有按 Token 收费，但是因为硬件限制，上下文可能只能支持256k，甚至64K。
总结下来：
1、上下文越长，等待时间越久
每次 Agent 调模型，都要先处理前面的上下文。云端可能只是账单变贵，本地模型则很直接，Prompt 越长，Prefill 越慢，你能明显感觉到 Agent 越聊越卡。
2、上下文还会真实占用你的硬件资源
长期 Session、Tool Result、各种插件说明全部塞进去，最后吃的不只是 Token，还有 KV Cache、内存和显存。
尤其本地跑 Qwen3.8-27B 这种模型，本身硬件资源就没有云端那么富裕，Pi 默认 Prompt 短、工具少的优势反而会被放大。
3、插件越多，本地模型反而越容易吃亏
Pi 最开始只有很少的工具，Skill 又是按需加载，这种设计以前看起来只是“极简”。
但是放到本地模型场景，你会发现这些无关的 Tool Schema、日志、网页内容，少一点就意味着模型每一轮少处理一点垃圾数据。
4、省 Token 在本地其实变成了省时间
在本地因为Token免费了，我们更在意的应该是时间的消耗，因为如果运行的太慢，时间消耗就是一种成本了。
以前是：省 Token = 省钱，但是现在本地模型：
省 Token = 更低延迟 + 更少资源占用 + 更大的有效 Context + Agent 可以工作得更久。
所以最近看 Qwen3.8 和 Pi 的时候，我反而越来越理解 Pi 为什么一直在 上下文上做减法。
以前只知道它有极简的设计和高效的缓存，现在回过头来看，这套设计天然就契合本地模型的现实情况。
以后真的到了每家每户都可以自己在家部署自己的大模型，那我们就需要想怎么在有限的算力前提下，越快完成自己的需求越好。
看到GPT推出表情包功能，立马给我心心念念的Pi 安排上了。
看到GPT推出表情包功能，立马给我心心念念的Pi 安排上了。
给它生成了一组表情包，以后别人来问我，我就去看发自己的Pi表情包了😂
原帖包含图片或视频，媒体素材待后续整理。
Pi Agent 跑国产大模型，和我预想的差不多
Pi Agent 跑国产大模型，和我预想的差不多
项目里有个接口会偶发失败，提交以后转圈，刷新又好了。日志不太干净，就让它们自己翻，找出原因，并给出能改的地方。
几个模型的体感差挺多。
GLM 5.3 Flash：跑得比较久，最后能说个大概，但分析偏干，改哪里还是不够明确
DeepSeek V4 Flash：快很多，步骤也完整，给出的方向能直接拿去试
GPT-5.6 Terra：最快，分析最细，这轮质量最高
Kimi K3：跑了一会儿就提示超负荷，这轮等于没跑完
现在整体上国产的模型能力已经是跟上了，但是算力还是跟不上，但是已经在追赶的过程中
或许有空的话，我还会继续测试，看看整体的效果有没有进步或者提升
原帖包含图片或视频，媒体素材待后续整理。
同一个模型，换一个Agent Harness，就像换了一个模型？
同一个模型，换一个Agent Harness，就像换了一个模型？
最近我一直在看 Pi + Qwen3.8 这类本地模型实测，越看越觉得，以前把 Agent 能力都归因到模型本身，可能一开始就想错了。
模型肯定是重要的，但是现在 Harness 在AI的使用当中，起到越来越关键性的作用了。
1、模型每一轮看到的东西，本来就不一样
Pi 默认工具很少，System Prompt 也比较克制，很多能力都是按需加载。
换成另外一个 Harness，可能默认就给模型塞进去十几个 Tool、更多说明、更多状态。
对于云端大模型，这可能只是多一点 Token。
但是对于 Qwen3.8-27B 这种本地模型，额外的 Tool Schema、Context 和选择，本身就有可能改变它的推理方式。
2、工具设计不好，模型再聪明也没用
我看到一个挺有意思的 Qwen 实测，同一个模型，最开始只给 Bash，让它自己用 sed、Python 去改文件，SWE-bench Pro 的 pass@1 只有 28% 左右。
后面只是把编辑工具换成更适合代码修改的 str_replace，再优化测试方式，成绩直接跑到了 50% 左右。
模型权重一行没变。
变的是它手里的工具。
这其实很像你让同一个人干活，一个人手里只有锤子，另一个人有完整工具箱，最后结果当然会完全不一样。
3、Agent 真正拉开差距的，往往是第一次犯错以后
Tool Call 失败以后返回什么、日志截多少、要不要 Retry、什么时候继续、什么时候停，这些事情模型自己其实控制不了。
Harness 每一次把执行结果重新塞回 Context，本质上都在重新告诉模型：
“你刚才做了什么，现在发生了什么。”
所以 Harness 其实一直在影响模型下一步怎么判断。
4、Context 管理也会直接改变 Agent 能坚持多久
同样 100K 上下文，一个 Harness 可能很早就开始 Compaction，另一个还能继续保留大量原始历史。
一边后面看到的是完整 Tool Result、代码和之前的判断，另一边已经只剩 Summary。
到了这里，即使两边用的是同一个模型，其实也已经不是在解决同一个问题了。
我自己也是一个Agent的重度用户，平时像Codex、Claude Code、Pi Agent、Deepseek-Harness、Hermes这些都有使用过。
但是很多时候同一个模型在不同的Agent里面，我是真的感觉不一样，有的能力更强，有的反而更削弱了。
所以这方面以后会越来越重要。
原帖包含图片或视频，媒体素材待后续整理。
分享我最推荐的4个Pi Agent使用技巧🔥
分享我最推荐的4个Pi Agent使用技巧🔥
我玩Pi 时间也不短了，我就分享一些我自己的使用技巧，不是简简单单的命令技巧，是一些从根本上的技巧分享
1、别一上来装一堆 Extension
Pi 本身最大的优势就是轻。
我一般先裸用，真遇到重复需求，再加 Skill 或 Extension。否则工具越来越多，最后反而把 Pi 用重了。
2、Skill 尽量按需加载
项目规则可以常驻，但教程、流程、临时资料没必要全部塞进 Context。
需要的时候再让 Pi 读取，对长任务尤其有用，Context 会干净很多。
3、重复工作直接让 Pi 自己做 Skill
比如固定的 Code Review、资料整理、发布流程，我现在更喜欢直接告诉 Pi：
“把刚才这套流程整理成一个 Skill。”
用久了以后，Pi 会慢慢变成一套更适合自己的工具，而不是一直去找别人的插件。
4、遇到复杂任务先拆，再考虑 Subagent
Subagent 不是越多越好。
我一般只有任务明显可以并行，比如“查资料 + 看源码 + 跑测试”这种，才拆出去。
不然多个 Agent 来回传递 Context，有时候反而比一个 Agent 做到底更乱。
如果总结成一句话就是：
先保持最小配置，用到哪里，再补到哪里。
保持本身的干净简介，只有遇到对应的需求才去安装插件，不要为了所谓的功能就去增加过多的组件
原帖包含图片或视频，媒体素材待后续整理。
Claude Code、Codex、DeepSeek Harness 和 Pi，看起来都在做 Agent，但走的其实是四条完全不同的路。
Claude Code、Codex、DeepSeek Harness 和 Pi，看起来都在做 Agent，但走的其实是四条完全不同的路。
以前我也喜欢比较谁写代码更强，但最近坚持研究 Pi，我越觉得真正应该在意的：它想替用户决定多少东西，又愿意把多少控制权交给你。
1、Claude Code：越来越像一个完整的 Agent 产品
Claude Code 现在已经把 Plan、Sub-agent、Hooks、Skills、MCP、插件这些东西基本都补齐了，甚至已经可以从 CLI、IDE、Web、Mobile 不同入口去使用。
它给我的感觉就是，Anthropic 已经替你把大部分正确答案选好了。
你不需要研究太多 Harness，拿起来就能干活，而且整个 Claude 生态配合得非常顺。
如果只是问我哪个最适合直接工作，我可能还是会优先想到它。
2、Codex：更像一个被严格管起来的工程师
Codex 给我印象最深的反而不是某个功能，而是 Sandbox、Approval、Network Policy 这些东西。
它一直在解决一个很现实的问题：Agent 权限越来越大以后，怎么让它可以大胆干活，但又不至于真的把机器干废。
包括现在的自动 Review，本质上甚至是再安排一个 Agent，专门判断另外一个 Agent 这一步能不能执行。
所以我觉得 Codex 的方向很明显：
不仅要让 Agent 会干活，还要让它在一个可控的边界里面干活。
3、DeepSeek Harness：目前最像一个大型实验场
它现在的口号非常直接：
Everything is a Plugin。
Plan、Sub-agent、模型、Tool、Session，包括很多核心能力都在往插件化方向拆，甚至工具调用本身还分 Native Mode 和 Code Mode。
而且现在已经可以接 DeepSeek、Anthropic、OpenAI、自定义 Provider，并不是只能跑 DeepSeek。
但是它目前仍然处于 Developer Preview，官方自己都明确提醒会有 Breaking Changes。
所以我更愿意把它理解成一个正在快速进化的 Agent 架构实验，而不是一个已经完全稳定的成品。
4、Pi：四个里面最像“什么都不替你决定”的那个
Pi 默认甚至连 Sub-agent、Plan Mode、Sandbox 这些很多人认为 Agent 应该有的东西都不愿意往 Core 里面塞。
需要什么就 Extension，想给 Agent 一套工作流程就 Skill，再复杂一点就直接打成 Package。
这种方式最大的好处就是轻，Context 很干净，而且你几乎可以一直往里面改。
其实这些Agent我一路折腾下来，最开始想得也很简单：哪个 Agent 更强、哪个模型写代码更好，我就用哪个。
但是工具用得越多，我反而越开始关心同一个模型为什么换个 Harness 表现就不一样，Context 怎么组织，Tool 为什么这样设计，哪些能力应该进 Core，哪些应该留给插件。
到这里以后，我研究的已经不只是“哪个工具更好用”，而是在慢慢形成自己对 Agent 的判断。
可能真正有意思的，不是选出最强 Agent，而是慢慢理解一个好 Agent 到底应该怎么被设计出来。
原帖包含图片或视频，媒体素材待后续整理。
DeepSeek Harness 和 Pi，你觉得谁更强？🔥
DeepSeek Harness 和 Pi，你觉得谁更强？🔥
如果只是看表面，两个都很像：都是开源、都 是MIT、都说能力用插件加，给用户足够的自由度。
但是如果拆开来看，其实重心根本不在同一个地方。
1、Pi 护住的是循环，dsh 拆掉的是循环 Pi 默认就 read / write / edit / bash，系统提示词压得很短。 Skill、Extension、Package 都往外挂，Loop 和 Session 还是你能摸到的那一层。
DeepSeek Harness 更狠：模型、工具、沙箱、存储、UI，连 Agent 下一步怎么想，都做成插件。 口号不是营销，是架构——Everything is a Plugin。
一个像毛坯房：墙少，承重清楚。 一个像乐高工作室：每一块都能换，包括怎么玩本身。
2、复杂放的位置不一样 Pi 把选择权留给你。缺什么再补，Context 才干净。 dsh 把选择权做成配置栈。Profile 一层层叠上去，后一层覆盖前一层，换能力很快，出问题也要顺着整叠插件找。
所以会有一种错觉：dsh 功能更多，所以更强。 其实它只是更早把复杂摊开了。Pi 不是没有这些能力，是默认不替你装上。
3、现在别用谁更强来选 有人拿同一套 DeepSeek V4 Pro，在 Claude Code、dsh、Hermes、Pi、OpenCode 上跑过一轮 Agent 任务。 结果挺有意思：Pi 做完的题最多，DeepSeek 自己的 Harness 最省钱。
我不知道未来谁的设计风格才是主角，因为我也不知道哪条路是正确的，但是我只相信一条路，给用户足够的自由度这件事肯定是没错的。
我自己的需求和理解，只有我自己知道，你开放了我才有机会构建自己的Agent！
原帖包含图片或视频，媒体素材待后续整理。
Flash 模型已经能干活了，很多人还不知道上Pi有多爽🔥
Flash 模型已经能干活了，很多人还不知道上Pi有多爽🔥
这事看起来挺别扭。V4 Flash、GLM-5.3 Flash、Qwen 那一档，价格压得很低，但是工作能力一点也不差。
日常的比如：改改文件、跑个脚本、补一下测试用例，应付日常的简单任务基本上没啥问题。
可是一到真正用的时候，大多数人还是把默认思考深度开到最大：工具先挂一串，系统提示词写得很长，Plan、Sub-agent、浏览器、记忆层一起上。
我越来越觉得，Flash 要配的不是更全的产品，是更薄的那一层。Pi 刚好站在这个位置上。
1、Flash 怕的不是能力不够，是指令太吵
便宜模型现在真正的短板，往往不是写不出代码，是上下文一脏就容易空转。工具一多，它更爱反复读同一批文件，参数写飘，同一件事绕三圈。重壳把这些能力全摊在默认环境里，对 Opus 也许是锦上添花，对 Flash 更像噪音。
Pi 默认就四件事：read、write、edit、bash。系统提示词压得很短。Skill、Extension、Package 都在，只是不预先替你打开。这对 Flash 很关键。它每轮能看见的东西变少，注意力才回得来，便宜才有意义。
2、轻壳是在保护它的价格，不是在减功能
Flash 之所以叫 Flash，不只是快，是单价允许你多跑几轮。V4 Flash 这类模型，输入可以低到大约 0.14 美元 / 百万 Token，上下文还拉得很长。可壳一厚，每轮都把长前缀、闲工具描述、额外人格说明送进去，省下来的那截会先被环境吃掉。
有人拿同一颗 DeepSeek V4 Flash，在不同 Harness 里跑过同一组偏真实的任务。换的不是模型，是壳。Pi 做完的题更多，单次成功大概 0.028 美元；更重的那套默认工作流，单次成功可以到 0.195 美元左右。七倍不是模型智商差出来的，是每轮到底塞了多少东西进去。
所以我会把搭配记成一句话：Flash 负责把活做完，Pi 负责别把活做贵。
3、复杂仍然外挂，只是默认不交给 Flash
轻不等于简陋。浏览器、审查、子代理、仓库导航，需要时再挂。Flash 适合扫仓、改测试、跑脚本、按已经写清的文件往下改。定方案、碰架构、最后过目，还是切回更重的模型。
Pi 在这里的好处不是又多了一个 Flash 开关，是同一条 Session 里切模型的成本低。Flash 跑到卡住，再把那一轮交给 Opus 或者 Pro，不必换一家产品，也不必把整套默认插件先背起来。
日常总结下来：
日常循环：V4 Flash 或 GLM-5.3 Flash + Pi 裸配置
备用：同一 Session 里切一颗重模型看方案
先别做：Flash 一上手就叠最全的默认插件
Pi 核心有一句话 不该进核心的东西就不进 Core，这个问题和便宜模型碰到一起，才真正开始省钱。
原帖包含图片或视频，媒体素材待后续整理。
用了两周 Pi，你应该知道的必备技巧🔥
用了两周 Pi，你应该知道的必备技巧🔥
Pi 乍一看像是一个很轻的 Agent，实际是把登录改造、路由重构、顺手问一句文档全堆进同一条 Session。
很多时候其实模型没变笨，而是上下文先被污染了。有时候方向错了，后面进行的任务也就没有意义了，在通过压缩上下文、或者调整方向补救，只能浪费更多的时间。
我看到了现在Pi社区里用得比较好的的人，动作正好相反：
都是先把对话管住，再让模型干活。Pi 默认不给你子代理，分叉是做在 Session 树上的，不是做在又一堆人格里。
1、一件事一条 Session
改登录就只改登录。脏了就新开，起个明天能搜到的名字。
有人会指望压缩把一锅粥熬清。偶尔能救，三件不相关的事缠在一起时，压缩只是把混乱浓缩。与其祈祷它变干净，不如早点另开一条。
2、走歪了回到分叉点，不要用嘴硬拽
同一条里越聊越远的时候，回到那句还没跑偏的话，需要另试一条路就从那里长出去。
这是被提到最多、又最容易被忽略的习惯。Pi 的对话不是一条直线，是一棵树。走错枝，换一条枝继续，不必把整段解释再讲一遍，更不必再拉一个代理传上下文。
再补一个更狠的：模型和你要的方向一开始就分叉，立刻停，改那句提示。别等它先把文件改完再后悔。
3、能自己看的，先别喂给模型
查状态、扫日志、确认文件在不在，很多时候不需要占用模型的眼睛。终端里跑完、确认有用，再决定要不要让它看见。点具体文件，也比让它满仓库猜路径稳。
这些不是炫技。少让便宜模型和贵模型做清洁工，Context 会老实一截，账单也会老实一截。
4、Skill 从自己的重复里长，不要从愿望清单里长
项目规则可以写得很短。教程、流程、临时资料先别全塞进去。
更稳的是过几天翻最近那几条对话，看自己反复在说同一段审查、同一套发布、同一类改测试，再把这套流程收成 Skill。这样留下的是你的工作流，不是插件市场里的收藏夹。
模型也当档位。日常用轻的，卡住再切重的，思考深度按任务加。壳还是那一层，换的是引擎。
如果只记一句：
插件决定你能多干什么，Session 决定你还能不能看清自己在干什么。
先把对话整理干净，干起活来又准又快。
原帖包含图片或视频，媒体素材待后续整理。
Fable 5.1 出来了，进 Pi 就一句话：别当默认引擎🔥
Fable 5.1 出来了，进 Pi 就一句话：别当默认引擎🔥
1、针对任务选模型
整体测试里，科学终端从 24.7% 拉到 52.6%，办公自动化从 17.1% 拉到 31.4%，差不多翻倍。我最关心的 Agent 编程从 42.0% 到 55.8%。只看模型，这波提升不小。
但在 Pi 里我不会把它设成默认模型。毕竟大多数日常改文件、做测试、或者是跑脚本，Flash 模型都能直接干。
虽然能力上去了，也变便宜了，但是该省省该花花，骑自行车去酒吧。
2、上下文优化更省钱
输入输出没变，还是 10 刀和 50 刀。但是缓存的价格降低了，从 1 刀砍到 0.25到。针对长时间、高负载的任务还是很省钱的。
可是Fable 5.1 更爱写长内容，如果思考开到最满，省下来的那点钱可能不够你一次上下文加载的。
所以别把 1M 当福利，可以调整模型默认的上下文大小，272K，其实处理绝大多数任务也够用。
3、安全防护不能少
虽然Fable 5.1模型是一个敏感肌，而且这次官方说安全阈值放宽了，不会像以前一样碰一下就切换回Opus模型，但是还是建议大家给你的Pi 安装上权限相关的插件。
不能只相信模型的能力，如果遇到不安全的中转站，中间人投毒或者提示词污染，很容易造成经济和财产的损失，所以这方面也不能少。
虽然说我相信绝大部分人不会把Fable 5.1搬到Pi来运行，毕竟官方的API价格还是很贵的，但是想真正的测出一个模型的能力，就应该脱离厚重的Harness。
直接使用模型本来的能力，看看它到底是神还是鬼
原帖包含图片或视频，媒体素材待后续整理。
Pi 模型厂商支持的还是不够多🔥
Pi 模型厂商支持的还是不够多🔥
在我使用Pi 的过程中，我有一个感觉越来越明显：
很多时候所谓模型支持，很多时候只代表可以把请求完整的发出去，仅此而已。
但是它不代表Pi 里面，就能和官方 Harness 一样完整工作。
1、DeepSeek 的问题更多出现在 Tool Call 和 Thinking
模型本身能用，但一旦涉及连续工具调用、思考内容回放、消息顺序，兼容问题就容易冒出来。
也就是说，不是模型不能跑，而是 Harness 怎么组织上下文、怎么回放 Thinking，会直接影响稳定性。
2、OpenRouter 最大的问题是接口一样，行为不一定一样
表面上都是兼容 Anthropic 或 OpenAI 的接口，但后面挂的模型一换，Thinking Signature、Reasoning Replay、Prompt Cache 都可能出现差异。
看起来 API 一样，实际内部行为完全不是一回事。
3、Kimi 这类模型还会碰到 OAuth、缓存统计这种细节
模型能力本身可能没问题，但 Token 缓存怎么算、OAuth 什么时候刷新、任务中断以后怎么续，这些外围细节一样会直接影响体验。
很多时候，能不能很好的对接，是一个优良Harness的第一步。
我自己在实际使用中也遇到过相关的问题，虽然说PI是一个非常好的Agent，但是在处理多模型对接这方面还是有待提高
原帖包含图片或视频，媒体素材待后续整理。
Pi+ Gemini 3.8 Flash 真是快到飞起😂
Pi+ Gemini 3.8 Flash 真是快到飞起😂
跑了一下鹈鹕自行车测试，只花了二十几秒就完成了，真的和其他厂商的AI断崖式领先。
但是测试结果页不赖，整体完整的还是可调参数都是非常不错的，尤其是嘴巴的弧度，第一波的时候是一个静态图，后面加上参数就动起来。
大家来看看效果👇🏻
原帖包含图片或视频，媒体素材待后续整理。
这就是Pi速度，模型刚出就更新😂
这就是Pi速度，模型刚出就更新😂
Pi 已经支持最新的GPT-6模型，速度真的太快了
只需要一行命令：“pi update - -models”，就可以更新最新的模型列表直接使用即可
Pi都第一时间跟上了，Hermes啥时候把GPT-6对接上。
原帖包含图片或视频，媒体素材待后续整理。
GPT-6 越贵，Pi 的价值反而越大🔥
GPT-6 越贵，Pi 的价值反而越大🔥
Astra 我感觉最大的问题不是模型强度，而是额度不耐烧普通的plus会员每几轮对话就烧完了。
API 的价格已经涨到输入 $10/M、输出 $50/M，官方还明确提醒，Work / Codex 里 Astra 会比 Sol 更快吃掉额度。
这时候 Pi 的优势就开始被放大了。
有人专门测过 Pi、OpenCode 和 Codex，Pi 默认框架开局只有大约 1.1–1.4K Token。
在一组 MCP 任务里：
1、总 Input Token 少了 81% 2、未缓存 Input 少了 55.5% 3、模型请求次数少了 53%
以前这种极简设计，更多时候只是帮你省 API 钱。
但到了 GPT-6 这种模型上，我觉得意义变得更大了
模型越贵、推理越强，Harness 本身就越不应该臃肿，毕竟能长期使用才是我们真正在意的东西，不然再好的模型用两轮就没了普通人根本用不起。
所以 GPT-6 出来以后，我反而更看好 Pi 这种极简 Agent 了。
原帖包含图片或视频，媒体素材待后续整理。
GPT-6 越来越贵，本地模型越来越重要🔥。
GPT-6 越来越贵，本地模型越来越重要🔥。
最近X上，我发现一个很有意思的组合：
Pi + Qwen3.8 27B。
以前本地模型最大的问题不是跑不起来，而是放进 Agent 以后，感觉只能聊天但是真正的干活搭配Agent，总有一种力不从心的感觉。
但 Qwen3.8 27B 开始有点不一样了。
27B Dense、256K 原生上下文，而且这代明显强化了 Coding 和 Agent 能力。
再配上 Pi 这种极简 Harness：
1、默认只有 4 个核心工具，本地模型不用先啃一大坨 Tool 定义
2、System Prompt 足够轻，对本地模型最昂贵的 Prefill 更友好
3、Ollama、llama.cpp 都能直接接，模型完全跑在自己机器上
4、没有 API 账单，也没有额度焦虑，真正可以让 Agent 在后台慢慢干活
但从规模上来讲，肯定是没办法和GPT-6抗衡的，但是它的优点你也不能忽视。
我日常的活动绝大部分都是改文件、跑脚本、整理项目、简单 Coding Qwen本地模型完全可以胜任。
如果真碰到解决不了的问题，再 /model 切到 GPT-6。
这样一来，GPT-6 不再是 Pi 的默认模型，而更像一个偶尔请出来解决难题的专家。
Pi + 本地 Qwen3.8 负责干活，GPT-6 负责兜底。
我感觉这可能比单纯追求一个最强模型，更接近我想要的 Agent 使用方式。
GPT-6 越来越强，我的Pi Agent反而越来越干净🔥
GPT-6 越来越强，我的Pi Agent反而越来越干净🔥
我日常使用的Pi其实已经很干净了，但是现在能力越来越强，反而越干净，可能说起来有点反直觉。
以前模型能力不够强，我们习惯性的往Agent里面不断加东西：Skill、AGENTS.md、各种 Prompt，还有大家应该都用过的，PowerSkill或者一整套的skill。
但是 GPT-6 Astra 出来以后，OpenAI Codex 的 Eric Provencher 专门提了一件事：
以前帮旧模型少犯错的规则，现在可能已经开始拖新模型后腿了。
OpenAI 官方的 Astra 指南其实也在提醒，GPT-6 对 Skill、AGENTS.md 里的指令比以前更敏感，里面如果有过时、冲突或者写得太死的规则，它反而会老老实实执行。
所以如果你准备换 GPT-6，我觉得可以顺手给自己的 Agent 做一次大扫除：
1、删掉以前为了防模型犯傻写进去的重复规则，比如强制读完整仓库、每次都跑一大堆测试。
2、Skill 描述尽量短一点，只说什么时候该用，真正的流程、文档、脚本等需要的时候再加载。
3、重新翻一遍 AGENTS.md，尤其是那些用了半年一年，自己都已经忘记为什么加进去的规则。
这些东西越用越回归本质，就是把所有的能力都交给AI，以后AI的能力越强，这些束缚越来越不需要，给他一个干干净净的地方，然后让他自己操作即可。
DeepSeek 发布全新系列模型： deepseek-v4.1-flash-expires-on-0910
DeepSeek 发布全新系列模型： deepseek-v4.1-flash-expires-on-0910
号称：采用了新的模型结构，原生多模态支持、能力更强、速度更快、且成本更低。
第一时间我就把他放到了Pi Agent上面跑，感觉300 token/s都说少了，就一个字，快
使用步骤：直接把deepseek-v4-flash 的模型名称换成deepseek-v4.1-flash-expires-on-0910，直接使用就可以了
刚跑的鹈鹕骑自行车的测试👇🏻
下一步
完成这一阶段后，继续阅读第 3 阶段 理解 Session 与上下文。