Pi Agent不知道怎麼就火了，我其實很早就在用了，總結下裡幾個優點：
Pi Agent不知道怎麼就火了，我其實很早就在用了，總結下裡幾個優點：
1、幾乎沒有系統提示詞，乾淨整潔，上下文小
2、節約token，因為幾乎沒有什麼外接的元件
3、幾乎任何地方的擴充性，哪裡不舒服就可以安裝擴充或者自己寫外掛程式完善
但是不建議初學者使用，因為沒有內建的權限控制相關的元件，如果AI能力不強或者語義有問題可能會導致一些不可逆的後果。
個人學習記錄 · STAGE 01
從好奇開始認識 Pi
這一階段要解決的問題 先理解 Pi 是什麼、為什麼保持簡潔，以及代理框架（Agent Harness）會怎樣影響實際體驗。
這一階段不急著安裝很多外掛程式。先從 Pi 的定位、作者、設計取向和我的學習起點讀起。文章按釋出時間從早到晚排列，你會看到我怎樣從“它為什麼這麼小”逐漸走到“我要整理自己的學習過程”。
本頁收錄 27 篇原文。正文來自個人 Google Drive 原文庫，已移除 x.com 地址和 t.co 媒體短鏈。原文涉及的版本與產品狀態以釋出日期為準。
Pi Agent 已經夠小夠簡潔了，還有比更小的Agent？
Pi Agent 已經夠小夠簡潔了，還有比更小的Agent？
這款Agent 跑起來是需要15mb，簡直是agent裡面的泥石流。
採用rust語言寫的，輕量便捷低消耗，主要還要增加了許多特殊的功能可以結合Claude Code、Codex等第三方Agent，真的很推薦大家去玩一下
完整內容看下面的文章👇
原帖包含圖片或影片，媒體素材待後續整理。
Pi 這次銳評挺準的。
Pi 這次銳評挺準的。
現在大家還在比誰模型更強、誰 Tool 更多。
真正容易出問題的是 Agent 連續跑幾小時之後：上下文（Context）被裁掉，工具結果找不回來，程序死在半路，它自己都不清楚剛才乾沒幹完。
這事我用 Hermes 的時候經常碰到。重複任務一多，token 全耗在工具日誌上；中間那段一旦被 prune 掉，後面模型再聰明也只能猜。
所以我現在不太會先想著換更強的模型，更實際的還是這三件事：
低複雜度、高消耗的任務，丟給本地小模型
工具輸出先落盤，別把上下文當成唯一記憶
權限和恢復按「會掛」來設計，別按 demo 能跑完來設計
模型以後只會更便宜。代理框架這邊要是不跟上，跑得越久越難受。
Pi Agent 的口號是：There are many agent harnesses, but this one is yours.
Pi Agent 的口號是：There are many agent harnesses, but this one is yours.
翻譯過來就是：Agent 很多，但這個是你的。
這也是我喜歡它的原因。
別的 Agent 一上來就幫你配好一切，省事，但你很難按照自己的想法去修改。
Pi Agent反過來幹，給了你一個很乾淨的房子，模型、工具、技能（Skill）、工作流這些都可以自己搭配選擇。
我總結下來有以下幾個優點： 1、幾乎沒有什麼內建系統提示詞，模型上下文非常乾淨，測試模型能力很準
2、特別省 Token，外接元件少，同樣做完一件事，省下來的都是真金白銀
3、哪裡不舒服就補技能或者寫外掛程式，擴充性很強
4、不綁死一家模型，DeepSeek、本地小模型、GPT 都可以隨便接入
5、它更像角色編輯器，不是開箱即用的滿級號
推薦新手學習使用，但不建議純新手上來就當作第一個Agent使用，因為預設權限比較松，得自己有點邊界意識。
但你要是已經在用 Claude Code、Codex、Hermes，真的值得把 Pi 加進日常工作當中，體驗Diy Agent的樂趣
還是那句話，先用起來比什麼都重要
很多人用 Pi，但未必知道背後這個人。
很多人用 Pi，但未必知道背後這個人。
Pi Agent 的作者叫 Mario Zechner，X 上是 @badlogicgames。奧地利人，以前不是做 AI 的，是做遊戲框架的。libGDX 就是他搞出來的，Ingress、殺戮尖塔這些都用過。
後來還做過 RoboVM，公司賣了又被微軟關掉，社群反噬那一套他經歷過，所以現在特別不願意自己去融一堆錢當 CEO。
2025 年底他自己折騰了一個極簡 coding agent，兩晚寫出來，本來只給自己用。預設就四個工具：read、write、edit、bash，系統提示詞壓得很短，其他全靠你自己加。口號也寫得很直：There are many agent harnesses, but this one is yours。
後來 Flask 作者 Armin Ronacher 的公司 Earendil 把 Pi 收了，Mario 入股並加入團隊。他自己發文標題就叫 I've sold out，寫得很坦率：不想再走一遍創業那套高壓，家裡有小孩，但又希望 Pi 能有人養著別停更。技術方向還是他拍板，核心繼續開源。
這人說話衝，bio 寫的是 Old man yelling at Claudes。討厭 Agent 越做越重、提示詞越寫越長。他自己還專門測過 MCP 和 CLI，結論也和很多人實際感受一樣：CLI 往往更省、更穩。 所以 Pi 長成現在這樣，不是產品經理堆出來的功能清單，是一個老開源作者按自己脾氣做的殼。你喜歡它乾淨、可改、不綁死模型，基本都能從他這個人身上對上號。
感興趣的話可以去看他部落格 @badlogicgames。產品號是 @pidotdev。
原帖包含圖片或影片，媒體素材待後續整理。
很多人用 Pi，但未必知道背後這個人。
很多人用 Pi，但未必知道背後這個人。
Pi Agent 的作者叫 Mario Zechner，X 上是 @badlogicgames。奧地利人，以前不是做 AI 的，是做遊戲框架的。libGDX 就是他搞出來的，Ingress、殺戮尖塔這些都用過。
後來還做過 RoboVM，公司賣了又被微軟關掉，社群反噬那一套他經歷過，所以現在特別不願意自己去融一堆錢當 CEO。
2025 年底他自己折騰了一個極簡 coding agent，兩晚寫出來，本來只給自己用。預設就四個工具：read、write、edit、bash，系統提示詞壓得很短，其他全靠你自己加。口號也寫得很直：There are many agent harnesses, but this one is yours。
後來 Flask 作者 Armin Ronacher 的公司 Earendil 把 Pi 收了，Mario 入股並加入團隊。他自己發文標題就叫 I've sold out，寫得很坦率：不想再走一遍創業那套高壓，家裡有小孩，但又希望 Pi 能有人養著別停更。技術方向還是他拍板，核心繼續開源。
這人說話衝，bio 寫的是 Old man yelling at Claudes。討厭 Agent 越做越重、提示詞越寫越長。他自己還專門測過 MCP 和 CLI，結論也和很多人實際感受一樣：CLI 往往更省、更穩。 所以 Pi 長成現在這樣，不是產品經理堆出來的功能清單，是一個老開源作者按自己脾氣做的殼。你喜歡它乾淨、可改、不綁死模型，基本都能從他這個人身上對上號。
感興趣的話可以去看他部落格 @badlogicgames。產品號是 @pidotdev。
原帖包含圖片或影片，媒體素材待後續整理。
很多人把Pi 和 Pi coding agent 搞混在了一起，傻傻的分不清，我用一分鐘給你講清楚😄
很多人把Pi 和 Pi coding agent 搞混在了一起，傻傻的分不清，我用一分鐘給你講清楚😄
先說結論： Pi 是一整套底層框架（harness）， Pi coding agent 是用這套框架做出來的、專門給你寫程式碼用的那個成品。
打個比方，Pi框架就是發動機、輪子、車架，這些配件。Pi coding agent更像是基於這些配件已經組裝好的整車。
再拆細一點：
1、層級不一樣 Pi 本身包含好幾層東西：統一對接各種模型的介面、agent 執行的核心迴圈、終端機介面、擴充系統。 你平時安裝後敲的那個 pi 命令，其實只是其中最上層、最常用的那個coding 版本，也就是 Pi coding agent。
2、預設給你的東西不一樣 純 Pi 更乾淨，幾乎什麼都不預裝，完全靠你自己加。 Pi coding agent 已經預設給你配好了最基礎的四件套：讀檔案、寫檔案、改檔案、跑命令（read / write / edit / bash）。所以很多人一裝就能直接幹活。
3、擴充方式是一樣的，但使用場景不同 不管你用的是哪個，加技能、寫外掛程式、裝擴充，底層機制都是同一套。 區別在於：一個是我自己從零搭一個 Agent，一個是：我先用已經搭好的 coding 版本，不夠再往上加。
4、為什麼大家會搞混 因為官網、文件、群裡聊天，大家口頭說的Pi，十有八九指的就是那個能直接敲命令寫程式碼的 Pi coding agent。 只有真正想改底層、做自己的 Agent、或者嵌進別的產品裡的人，才會去碰完整的 Pi 代理框架。
5、實際怎麼選 只是想快速用 AI 寫程式碼、改專案 → 直接裝 Pi coding agent 就夠了。 想自己定義 Agent 行為、改工具、改工作流、甚至做成別的形態 → 你真正在玩的是 Pi 這套底層。
如果用一句話總結： Pi 是一個殼子，包含的是作者自己的Agent哲學，Pi coding agent 是已經給你配好的那個寫程式碼版本。 大部分人用的是後者，卻以為自己在玩整個 Pi。
我想你看完這個內容，下次就不會再搞不清楚這兩個區別了，這也是我自己深化內容出來的結果，一般人可能還真不會注意到這兩者之間的差別。
Pi 創作者 Mario Zechner 的 X bio 為什麼會有這麼一句話？
Pi 創作者 Mario Zechner 的 X bio 為什麼會有這麼一句話？
Old man yelling at Claudes。
其實很多人和我一樣也很奇怪，其實你看過他的心路歷程，你也就能明白了。
Mario 最早其實是 Claude Code 的重度使用者，甚至會自己 Patch 客戶端、抓 system prompt、研究每次更新到底改了什麼。
但用得越深，他越受不了一件事：
Claude Code 一直在變。
system prompt 在變，工具在變，隱藏規則也在變。你辛苦調好的 Prompt、技能和 Workflow，可能一次更新之後效果就完全不一樣。
後來他也試了 Codex、OpenCode 和其他 Agent，最後發現問題都差不多：
代理框架管得太多了，給的自由太少，慢慢的他開始厭倦了。
於是 2025 年底，他乾脆花了兩個晚上自己寫了 Pi。
預設只有 read、write、edit、bash 四個工具，系統提示詞儘可能短，模型不綁死，其他能力全部交給使用者自己擴充。
這也是為什麼 Pi 會有一句非常有代表性的口號：
There are many agent harnesses, but this one is yours.
Mario 想做的從來不是一個功能最多的 Agent。
而是一個足夠乾淨、透明、穩定，最後控制權還在你手裡的代理框架。
如果你用了 Pi，卻一直沒理解它為什麼這麼“簡陋”，為什麼很多東西明明能內建卻偏偏不做。
Mario 自己講 Pi 誕生過程的這個影片，可能會給你答案。
如果你也想開始學習 Pi，可以看看我的學習分享🔥
如果你也想開始學習 Pi，可以看看我的學習分享🔥
其實Pi沒有想象的那麼難，只是大多數人一開始學習的方向就錯了，一上來研究代理框架、Agent Loop、擴充功能（Extension）這些東西。
如果讓我推薦，我會建議按照這 5 個步驟進行學習：
1、先搞懂 Pi 到底是什麼
先把 Pi、Pi Coding Agent、Claude Code、Codex 這些東西的關係弄明白，你只需要知道 Pi 最大的特點就是足夠輕，而且很多能力都可以自己往上加。
2、先把最基礎的功能用熟
安裝、登入模型、新增工作階段（Session）、繼續之前的任務，再把幾個常用命令摸熟，先讓 Pi 真正進入你的日常工作，而不是裝完以後就開始研究原始碼。
3、然後開始給 Pi 加能力
學會安裝擴充功能和技能，再試試 SSH、安全外掛程式、上下文工具這些真正能改善體驗的東西，這一步基本也是 Pi 最好玩的階段。
4、再去理解上下文和 Token
等真正用過一段時間，再去理解為什麼 Pi 的 System Prompt 很短、工具很少、快取容易命中，以及上下文滿了以後壓縮（Compaction）到底在幹什麼，會比一開始硬啃概念容易很多。
5、最後再玩 Pi 真正有意思的進階玩法
手機遠端、多裝置協同、子代理（Subagent）、多模型分工，甚至慢慢組合出一套屬於自己的 Pi，這時候你才會真正理解為什麼很多人把 Pi 當成代理框架，而不只是另一個 Coding Agent。
按照這五個點去學習，我相信你也一定可以體會到使用Pi 的快樂，就是那種自由自在的感覺，想要什麼都可以動手自己去創造。
學習網站，我只推薦一個：
原帖包含圖片或影片，媒體素材待後續整理。
回看Pi 的版本迭代記錄，就像再看一部Agent發展史！
回看Pi 的版本迭代記錄，就像再看一部Agent發展史！
看作者從最開始只有一個簡單的構思，再到一個具體的產品，其實裡面每一個點都是作者對自己想要的Agent的不妥協。
從眾多版本裡面，我選擇了這五個最具有代表性的版本。
1、開始解決上下文問題（0.12）
這一版加入了上下文壓縮，上下文快滿的時候會自動總結舊內容、保留最近的訊息，工作階段也開始支援 Branch，可以說 Pi 從這裡開始真正具備了長時間工作的基礎。
2、擴充功能正式成為核心玩法（0.35）
以前分散的 Hooks、Custom Tools 被統一成了擴充功能，從這裡開始，你可以給 Pi 加工具、命令、UI、狀態、權限控制，今天我們看到的大量 Pi 外掛程式基本都是沿著這套機制發展出來的。
3、Pi 開始有自己的生態（0.50）
擴充功能、技能、Prompt、Theme 可以打包成 Pi 包（Package），一鍵安裝和分享，也意味著 Pi 從“自己折騰自己的 Agent”，開始慢慢變成大家可以互相分享能力的生態。
4、開始關注安全和使用成本（0.79）
加入專案信賴（Project Trust），專案裡的設定、擴充功能不再預設直接載入，同時 Pi 甚至把 Prompt Cache Hit Rate 直接顯示在介面底部，能看出來官方已經開始認真關注安全、Token 和快取效率。
5、開始越來越像一個代理框架（0.84）
AGENTS.override.md、預設工具控制、Remote 工作階段相關能力陸續出現，你可以更細地控制上下文、工具和工作階段，Pi 也開始慢慢從一個極簡 Coding Agent，往一個可以自己組合的代理框架發展。
我中間也花了時間去研究作者的歷史，再結合他的一些發言和過去開源的經歷，我能慢慢的讀懂。他為什麼會自己寫一個屬於自己的Agent。
很多人會說這個Pi Agent這個工具偏極客，但是真正懂的人才會知道，想要有一個屬於自己的工具有多難，而且是可以隨意組裝和最佳化的。
只有深度的去理解了，你也會跟我一樣， 讀懂了裡面的設計哲學。
可能這就是 Pi 最讓我上頭的地方。
Pi 真正的用法，其實是構建屬於自Agent🔥
Pi 真正的用法，其實是構建屬於自Agent🔥
最近我都在深度研究Pi，今天腦子突然冒出來一個想法：
既然 Pi 本身已經把 Agent 最麻煩的東西都做好了，我是不是可以基於他簡單的架構，完成我自己的Agent
我分析了一下相關的內容，總結了以下幾個方面：
1、Pi 先把 Agent 的基本骨架給你了
模型怎麼接、工作階段怎麼儲存、Tool 怎麼呼叫、上下文怎麼壓縮，這些 Pi 本身已經處理好了。
你不需要重新實現一個 Agent Loop，更多時候是在現成底座上繼續加東西。
2、真正屬於自己的部分，其實是能力組合
比如我想做一個研究 Agent，可以加搜尋、瀏覽器、YouTube、Memory。
想做伺服器 Agent，就加 SSH、Docker、日誌分析。
甚至想做一個長期個人 Agent，也可以繼續往上加記憶、訊息渠道、定時任務。
這時候 Pi 更像是一個可以不斷組裝的底座，而不是一個固定形態的 Coding Agent。
3、連客戶端都不一定要用 Pi 原來的終端機
Pi 已經提供 SDK、RPC 這些介面，所以你完全可以在外面重新做 Web、桌面端、移動端，底下繼續跑同一個 Pi。
這也是我最近研究 Pi 桌面端和移動端之後最大的一個感受：
你不一定是在改 Pi，而是在用 Pi 做自己的產品。
4、最後真正形成差異的，可能不是模型
大家都可以用 GPT、Claude、Qwen，但是你給 Agent 配了什麼技能、什麼擴充功能、什麼 Memory、什麼工具和工作規則，最後才會慢慢變成完全不同的東西。
所以現在我越來越覺得，Pi 最好玩的地方可能不是拿它和 Claude Code、Codex 比誰更強。
而是你可以把它當成一個已經做好的 Agent 底座，然後一點點把自己的習慣和能力往上疊。
最後得到的可能已經不是 Pi。
而是一個真正屬於自己的 Agent。
Pi 不是難，是很多人把學習順序搞反了。
Pi 不是難，是很多人把學習順序搞反了。
很多人都是先研究架構，再回頭裝軟體，收藏夾放的滿滿當當，電腦裡面卻空空如也。
其實沒那麼多複雜的事情，只要跟著下面五個步驟一起做，一天就能幹完。
- 當天只做開通 去按官方方式裝，不要先搜第三方教學。
裝完先配一個你有額度的模型，新增Session，丟一件真事進去：改一個函式、寫個指令碼、排查一段報錯。能跑通、能打斷、能續上，這一步才算過。
- 把基本操作摸成肌肉記憶 記這幾個就夠：新增 / 切工作階段、繼續上次任務、/scoped-models 把常用模型收成短名單、Ctrl+P 切換。先固定一個主力模型，別一天換五個。
任務沒結束別新開一堆視窗，上下文會散。
- 加能力只加你會重複用的 先寫或裝技能：把「每回都要交代一遍」的流程寫進技能.md。
再裝擴充功能：SSH、安全攔截、上下文檢視。技能是說明書，擴充才改執行時。
裝包用 pi install，去官方文件和外掛程式市場搜，群裡複製的命令先別用。MCP 先放下。
- 等視窗滿了再調上下文 連續做一件稍長的事，看 Token、快取、壓縮什麼時候開始工作。這時再懂為什麼 Prompt 短、預設工具少。
爆過一次再決定要不要加壓縮、要不要切輕量模型，比先背概念有用。
- 穩定一週後再玩組合 日常已經離不開，再試遠端、多裝置、子代理、一個模型寫一個模型審。先單工作階段做熟，再並行。
並行以前先想清楚：誰負責寫、誰負責看、結果放哪，不然只是多開幾個視窗。
一定要記住，學習Pi難的不是理解，而是開始動手，只有你真正的進行操作和學習，你才能真正的掌握它。
馬上在你的電腦安全使用吧。🔥
原帖包含圖片或影片，媒體素材待後續整理。
學 Pi 別收藏文件了，看完這個影片，比收藏十篇教學都有用。
學 Pi 別收藏文件了，看完這個影片，比收藏十篇教學都有用。
這次我直接製作好影片，那你完整的瞭解PI Agent 這個系統：
1、模型負責理解和判斷 2、上下文告訴它專案背景和規則 3、工具負責讀取、修改和執行 4、工作階段儲存整個工作過程 5、技能和擴充功能增加新能力 6、RPC、SDK 等方式把它接進其他流程
你提出任務，模型作出決定，工具執行操作，結果再回到模型——這才是 Pi 真正的工作迴圈。
Pi 的優勢不是預設功能有多豪華，而是核心足夠輕，大腦、工具和規則都能自己選擇。
先理解這套結構，再去裝外掛程式、寫技能、做自動化。否則裝得越多，越不知道 Pi 到底強在哪裡。
兩分鐘，把 Pi 的完整構成一次講清楚。👇
Pi 和 Oh My Pi，正在把代理框架推向兩個極端🔥
Pi 和 Oh My Pi，正在把代理框架推向兩個極端🔥
本質上他們都是一個爹媽生的，甚至 Oh My Pi 本身就是從 Pi Fork 出來的，但是後期發展越往對方的極端方向走。
Pi 的思路很簡單：核心能精簡的儘量精簡，額外的功能都交給外掛程式。
預設工具少、系統提示詞短，擴充功能、技能、Memory、子代理這些東西，儘量不替你做決定。
所以 Pi 更像一個毛坯房，東西不多，但結構乾淨，每一塊能力基本都在你的掌控裡。
Oh My Pi 剛好反過來：代理框架能做的事情，我儘量都做到裡面。
簡單對比幾個最明顯的地方：
1、Pi 預設工具很剋制；Oh My Pi 直接塞進 LSP、Debugger、AST、Browser、子代理、Memory。
2、Pi 更傾向傳統的程式碼編輯方式；Oh My Pi 連 Edit Protocol 都重新做了，用 Hashline 降低修改程式碼時的定位和衝突問題。
3、Pi 對上下文保持簡單；Oh My Pi 甚至做了 SnapCompact，把歷史上下文渲染成圖片，再交給視覺模型繼續讀。
其實兩個方向我不會說哪個對哪個錯，因為我很多時候會結合對應的群體去考慮。
不是每個人都是極客或者喜歡簡潔自由的Agent，更多的其實是小白，他們需要的就是上手可用的方案。
社群多向發展才是我希望的，做完的東西會越來越多。
原帖包含圖片或影片，媒體素材待後續整理。
Pi 0.84.4（2026-08-28）是目前最新版，官方推文裡重點提了這 3 條：
Pi 0.84.4（2026-08-28）是目前最新版，官方推文裡重點提了這 3 條：
1、大工具結果會立刻壓縮 工具輸出太大時，現在會在同一次執行裡先壓縮，再繼續下一條回覆，不容易把上下文撐爆。
2、支援 DeepSeek V4 Flash Vision（實驗性） 內建 DeepSeek 提供商可以直接用這個帶視覺的模型。
3、終端機能力可手動覆蓋 超連結、圖片、真彩色支援不再完全靠自動檢測，可以自己強制開/關。
上面那麼多濃縮成一句話，就是最佳化了上下文壓縮增加了新模型匹配，還有就是開放更多的終端機能力。
更新命令：pi update。
原帖包含圖片或影片，媒體素材待後續整理。
以前是我盯著 Pi 改程式碼，現在有人開始讓 Pi 自己死磕最佳化了😂
以前是我盯著 Pi 改程式碼，現在有人開始讓 Pi 自己死磕最佳化了😂
最近看到一個很值得玩的專案：pi-autoresearch。
它受 Karpathy Autoresearch 啟發，直接把這套思路搬進了 Pi裡面。
你不需要一步一步告訴它該怎麼最佳化，只需要給一個明確指標。
剩下的事情，它自己來：
想方案 → 修改 → 測試 → 對比結果 → 有提升就留下 → 變差就回滾 → 繼續下一輪。
幾個點特別有意思的點：
1、目標非常明確
不是讓 Agent 模糊地“把程式碼最佳化一下”，而是直接盯一個數字，比如測試時間、構建速度、Bundle Size、Lighthouse 分數。到底有沒有變好，一眼就能判斷。
2、失敗成本很低
Pi 可以大膽去試各種方案。效果不好就直接回滾，不需要我一直盯著每一次修改，真正有提升的結果才留下來。
3、可以連續跑很多輪
普通 Agent 改一次基本就結束了，Autoresearch 更像是在做實驗。一個方案不行就換下一個，直到慢慢把指標往上推。
4、實驗過程可以持續積累
每一輪嘗試、結果和改動都會被記錄下來。哪怕上下文後面重置了，也可以接著之前的實驗繼續跑，而不是重新從零開始猜。
我覺得它最適合解決一種很有意思的問題： 我不知道下一步該怎麼最佳化，但我知道什麼結果才算更好。
以前我也用過類似的框架去重複跑，重複迭代，甚至開多個子向前一起跑，然後確定一個最高分的版本。
他這個外掛程式的思路也其實都是一樣的，讓ai自己去按照你的目標去進化，每一次都打分，一次一次的向最終目標靠近。
如果你最近也在玩 Pi，pi-autoresearch 我很推薦試一下。
原帖包含圖片或影片，媒體素材待後續整理。
Pi 最矛盾的點：追求極簡，還是複雜🔥
Pi 最矛盾的點：追求極簡，還是複雜🔥
最近看到一個挺有意思的專案：Plannotator。
可能很多人聽過甚至都安裝過，我自己看下來他就是複雜的代表外掛程式。
Pi 本身其實是很剋制的，很多能力都不會往 Core 裡塞，但 Plannotator 剛好反過來，專門給 Pi 補了一套視覺化 Review。
Agent 寫完 Plan，你可以直接在頁面裡批註、刪除、修改；程式碼寫完以後，也能像 Review PR 一樣看 Diff、針對具體位置提意見，再讓 Pi 重新修改。
優點很明顯：
1、Plan 不用在終端機裡硬看了，哪裡有問題直接改哪裡。
2、Code Review 更直觀，Pi 負責寫，人負責關鍵判斷。
3、批註還能沉澱下來，以後甚至可以整理成自己的 Review 技能。
缺點也很直接：
1、它會把 Pi 用重。
原本開啟 Terminal 就能幹活，現在又多了一層瀏覽器和 Review 流程。如果你本來就喜歡 Agent 自己做完再彙報，這套東西反而有點多餘。
所以 Pi 到底是簡單還是複雜？
我現在更傾向於：
Pi 簡單的是 Core，不是你的最終工作流。 它只是把複雜不復雜的選擇權，留給了你。
原帖包含圖片或影片，媒體素材待後續整理。
我去，《殺戮尖塔》居然和 Pi 作者 Mario Zechner 有關係🔥
我去，《殺戮尖塔》居然和 Pi 作者 Mario Zechner 有關係🔥
準確來說，《殺戮尖塔》不是 Mario 做的，但是它使用的遊戲開發框架 libGDX，是 Mario 很早以前開源專案。
這件事我之前還真不知道，繼續往下翻他的經歷，突然感覺 Pi 為什麼會長成今天這樣，好像又更容易理解了一點。
Mario 在 2009 年左右就開始折騰 libGDX，最初只是因為自己做 Android 遊戲的時候開發體驗太痛苦，最後慢慢做成了一套跨平台遊戲框架。
後來 libGDX 被大量遊戲使用，《殺戮尖塔》就是其中非常出名的一個，另外還有 Ingress，Spine 這類專案也建立在它上面。
有意思的不是 Mario 做過一個很成功的遊戲框架。
而是十幾年以後，他做 Pi 的思路居然還有一點熟悉。
libGDX 沒有幫你做一款遊戲，它只是把做遊戲需要的底層能力交給你。
到了 Pi 這裡也是一樣。
Pi 沒有急著把子代理、Plan Mode、Memory、各種功能全部塞進 Core，而是把 Agent Loop、工作階段、Tool、上下文、擴充功能這些基礎能力做好，最後你想把它拼成什麼樣，交給你自己。
一個最後長出了《殺戮尖塔》。
一個現在正在長出各種各樣的 Agent。
我以前更多只是把 Pi 看成 Mario 最近做出來的一個 Coding Agent，現在回過頭看 libGDX、RoboVM，再看 Pi，會發現他好像一直很喜歡幹同一類事情：
不是替別人把產品做完，而是先造一個足夠自由的底座，讓別人拿去創造自己的東西。
可能 Pi 今天這種“什麼都想留給你自己決定”的性格，從十幾年前的 libGDX 就已經能看到一點影子了。
原帖包含圖片或影片，媒體素材待後續整理。
我發現了新玩法，拿Grok Bot 來跑Pi Agent🔥
我發現了新玩法，拿Grok Bot 來跑Pi Agent🔥
剛才測試了一下使用Grok Bot執行對應的Agent，在上面完美的執行了，安裝本身是沒有難度的因為Grok Bot本質都是一臺伺服器。
但是中間踩的坑還是分享一下：
1、安裝的時候要指定是它自己的電腦環境，否則可能檢查的是你電腦的環境，這裡一定要讓AI分清楚。
2、預設帶的環境還是比較老的，還是建議升級一下對應的配套環境，加強環境的相容性。
3、還有就是啟動的環境變數需要自己設定一下，不然有可能找不到Pi這個應用。
我還在探索看看有沒有低延遲的方案，在Grok Bot打洞或者綁定固定網域的方式，可以讓伺服器連接到外部網路環境區使用。
現在有兩個方案一個是使用Tailscale 最簡單，一個是使用CloudFlare Tunnel的方式，各有各的優點。
原帖包含圖片或影片，媒體素材待後續整理。
不到一年，Pi 10 萬Star了🔥
不到一年，Pi 10 萬Star了🔥
2025 年底，Mario Zechner 給自己寫了個極簡 coding agent。他沒想到這麼短的時間就衝上了十萬Star。
Pi的口號：There are many agent harnesses, but this one is yours.
2026 年 1 月，Flask 作者 Armin Ronacher 公開說這套架構值得花時間和精力去構建完善。
4 月，他的公司 Earendil 把專案收了，Mario 入股但是還是繼續指導技術方向，倉庫從個人帳戶遷到 earendil-works/pi，協議還是 MIT。
7 月 7 萬星。今天 10 萬。
今天是一個里程碑式的階段，因為官方現在只多說了一句：Pi v2 coming soon.
我很期待Pi v2的到來，你會帶給我一個什麼樣的驚喜？
原帖包含圖片或影片，媒體素材待後續整理。
我來分享一下自己對Pi的學習過程
我來分享一下自己對Pi的學習過程
一開始我也只是單純的好奇去接觸了Pi Agent這個產品，發了一些相關的內容，發現挺有流量的。
後面慢慢的我就會往這個方向發的內容越來越多，從最簡單的外掛程式分享，到後面的原始碼閱讀都是一步一步走過來的。
有的時候也會去挖掘更深層次的東西。
比如作者為什麼會開發出Pi 這個產品，那我又去深挖了作者的部落格和他整個的歷程。
得到的東西還是挺多的，因為pi不是他第一個開源作品，他已經開源過很多作品了。
就是因為上一個作品給他帶來的傷害，所以在這一次開言的作品上，保留了絕對的自主權。
也慢慢的瞭解到他以前也是Claude code的忠實粉絲，但是因為Claude code官方更新的非常頻繁，一直在加碼，導致他覺得自己對agent失去了掌控力，決心開發一個可以自由搭配組裝的Agent。
這也是整個產品開始的初衷。
說實話，一開始我也不知道自己會研究的這麼深了。
從一點一點的細節開始抽時剝繭和整個Pi學習明白，開始，從最基本的好奇變成了真想弄懂他。
整個學習過程下來，我發現了一個道理：
你想好好學習一個東西，必須花時間去使用它。
使用的越多，瞭解的越多，你才能真正的學習會它。
原帖包含圖片或影片，媒體素材待後續整理。
推薦一個很有意思的 Pi 專案，pi-vs-claude-code。
推薦一個很有意思的 Pi 專案，pi-vs-claude-code。
我一開始看名字還以為它只是拿 Pi 和 Claude Code 做對比，後面翻了一下才發現完全不是。
它更像是在做一件事情：
Claude Code 有的功能，看看能不能用 Pi 自己一個一個搭出來。
如果你已經開始折騰 Pi 的擴充功能、子代理和自定義工作流，我十分推薦去看一下，裡面很多東西甚至可以直接拿來抄思路。
主要有這些玩法：
1、自己給 Pi 加子代理
可以後台啟動多個 Pi 去幹不同任務，主代理（Main Agent）繼續工作，還能看到每個 Agent 的執行進度。
2、自己搭 Agent Team
可以提前定義 Planner、Builder、Reviewer、Scout，不同 Agent 幹不同的事情，甚至可以分別掛不同模型。
3、給 Pi 補上安全和權限
危險操作攔截、敏感檔案保護、部分命令需要確認，這些 Claude Code 原生有的東西，Pi 也可以靠擴充功能自己補。
4、Pi 和 Pi 之間可以直接通訊
不只是主代理調子代理，多個 Pi 甚至可以互相發訊息，跨機器也能通訊，已經有點 Agent Network 的味道了。
5、甚至可以讓 Pi 自己造 Pi
專案裡面有一個 Pi Pi，會先找多個專家 Agent 研究擴充功能、技能、Tool、TUI，再幫你生成自己的 Pi 功能。
我覺得這個專案最有意思的地方，不是誰比誰強。
而是你會慢慢發現：
Claude Code 給你的很多功能，在 Pi 裡面其實都可以自己搭。
如果你已經不滿足於裝幾個外掛程式，而是想真正開始改自己的 Pi，這個專案很值得拿來當參考庫。
原帖包含圖片或影片，媒體素材待後續整理。
Pi雖然核心簡單，但是組合在一起一點也不簡單。
Pi雖然核心簡單，但是組合在一起一點也不簡單。
可以打造成自己的工作臺，非常的完美
可以透過擴充功能 API，很多原本固定的東西都可以自己改，所以完全可以把 Pi 慢慢做成自己的 AI 工作臺：
1、做一套常駐狀態列 模型、Thinking、Token、上下文、Git 分支這些資訊直接放在底部，當前狀態一眼就能看到。
2、掛一個 Todo / Task 面板 把當前目標、已完成步驟、下一步任務留在介面裡，跑長任務的時候不用反覆問 Pi 現在做到哪了。
3、把上下文做成視覺化 System Prompt、技能、Tool 分別佔了多少，上下文還剩多少，什麼時候該 Compact，都可以直接看到。
4、再配合 pi-cc-extensions 補閱讀體驗 Tool Call 摺疊、Rich Diff、Markdown、Mermaid、長輸出這些一起處理，Pi 預設比較素的閱讀體驗基本就補齊了。
最有 Pi 味道的是，這些東西不用等官方慢慢加。
你甚至可以直接讓 Pi 幫你寫擴充功能，改完 /reload，馬上繼續用。
我現在越來越喜歡這種感覺：
不是去找一個功能最全的 Coding Agent，而是拿一個足夠簡單的 Pi，慢慢改成自己的工作環境。
看懂Pi設計的魅力，可能只需要一分鐘。
看懂Pi設計的魅力，可能只需要一分鐘。
今天我突然看懂了為什麼Pi，要自己設計Session、處理壓縮演算法、構建自己的上下文體系，都是為了不妥協！
上下文：儘量保持字首穩定，讓Prompt Cache持續命中，少花Token，也少被Harness隨意改寫。
工作階段：完整記錄掌握在自己手裡，不依賴某一家模型廠商儲存狀態，換模型還能繼續跑。
壓縮：自己決定什麼留下、什麼丟掉，壓縮後的內容依然可見、可修改、可遷移，而不是變成Provider才能讀懂的黑盒。
模型：GPT、Claude、Gemini，甚至本地模型，都只是可以隨時替換的一層。
代理框架：Pi也不希望你最後只是從廠商鎖定，換成另一種Harness鎖定。
這些設計看起來都很剋制，甚至有點固執，但最後其實只指向一件事：
不妥協。
模型可以換，Provider可以換，Harness也可以換。
但Session、Context和Memory，應該一直屬於你自己。
這才是一個真正自由的Agent。
如果不在學習和研究Pi，這幾篇必讀文章你一定不能錯過🔥
如果不在學習和研究Pi，這幾篇必讀文章你一定不能錯過🔥
很多時候只是看原始碼和簡單的概念沒有什麼體會，光看 README 也很難真正理解作者設計的初衷。
反而是這些文章，可以體現出作者的思想，讓你能慢慢知道 Pi 為什麼會設計成現在這樣。
1、提示快取（Prompt Caching） In Agents
講 Prompt Cache、字首穩定和快取命中，也是我覺得最適合理解 Pi 設計思路的一篇。
2、How 壓縮 Works in Pi
專門講 Pi 的壓縮機制，什麼時候觸發、保留什麼、壓縮以後工作階段怎麼繼續跑。
3、The 工作階段 You Cannot Take With You
這篇我很推薦。
講工作階段可遷移性、模型服務商（Provider）黑盒，以及一個 Agent 的歷史到底是不是真的屬於你。
4、AgentHarness v2
想往底層繼續看就讀這篇。
工作階段、Lane、持久化、恢復機制，能看到 Pi 對 Agent Runtime 的一些更深設計。
5、Pi Real 工作階段
Mario 公開的真實 Pi 工作階段資料。
可以直接看 Tool Call、Thinking、壓縮、Branch，瞭解真實 Agent 到底是怎麼工作的。
如果只讓我推薦三篇，一定要看的就是：
提示快取 In Agents How 壓縮 Works in Pi The 工作階段 You Cannot Take With You
這三篇看完，我覺得基本就能開始看懂 Pi 了。
原帖包含圖片或影片，媒體素材待後續整理。
如果你也在學習和研究Pi，這幾篇必讀文章你一定不要錯過🔥
如果你也在學習和研究Pi，這幾篇必讀文章你一定不要錯過🔥
很多時候只是看原始碼和簡單的概念沒有什麼體會，光看 README 也很難真正理解作者設計的初衷。
反而是這些文章，可以體現出作者的思想，讓你能慢慢知道 Pi 為什麼會設計成現在這樣。
1、提示快取 In Agents
講 Prompt Cache、字首穩定和快取命中，也是我覺得最適合理解 Pi 設計思路的一篇。
2、How 壓縮 Works in Pi
專門講 Pi 的壓縮機制，什麼時候觸發、保留什麼、壓縮以後工作階段怎麼繼續跑。
3、The 工作階段 You Cannot Take With You
這篇我很推薦。
講工作階段可遷移性、模型服務商黑盒，以及一個 Agent 的歷史到底是不是真的屬於你。
4、AgentHarness v2
想往底層繼續看就讀這篇。
工作階段、Lane、持久化、恢復機制，能看到 Pi 對 Agent Runtime 的一些更深設計。
5、Pi Real 工作階段
Mario 公開的真實 Pi 工作階段資料。
可以直接看 Tool Call、Thinking、壓縮、Branch，瞭解真實 Agent 到底是怎麼工作的。
如果只讓我推薦三篇，一定要看的就是：
提示快取 In Agents How 壓縮 Works in Pi The 工作階段 You Cannot Take With You
這三篇看完，我覺得基本就能開始看懂 Pi 了。
原帖包含圖片或影片，媒體素材待後續整理。
準備把自己的Pi學習過程整理出來
準備把自己的Pi學習過程整理出來
不知道會有多少來看，但是分享本來就是一件有意義的事情，把它整理出來，本身也是一種對學習的回顧
這兩個月來，從簡單的Pi Agent到研究原始碼，分析裡面的內容怎麼一步一步的學習成長到自己開始寫外掛程式
開始只是純好奇，為什麼會有一個這麼簡潔的Agent的出現，為什麼Openclaw會選擇它當作基座去進行開發，後來我也慢慢懂得了原因
很建議大家在學習之餘去翻看一下作者的履歷，那不僅僅是簡單的歷史回顧，更是一種思想的碰撞，也回答了為什麼會這樣
不說那麼多了，開始動手了，然後你也感興趣，請在評論區告訴我👇
下一步
完成這一階段後，繼續閱讀第 2 階段 先把第一個任務做完。