大多数人使用 AI 的方式其实都差不多。打开 Claude、ChatGPT、Codex 或 Cursor，然后说：
“帮我写代码”、“帮我总结文档”、“帮我修改文章”、“帮我分析问题”……
AI 很强，但它似乎始终更像一个“工具”。
直到最近，我研究了一个名为 Pi.dev 的项目，才意识到有些人已经不满足于“使用 AI”了。他们开始尝试“构建 AI 系统”。而 Pi，就是这个方向上一个非常值得关注的项目。
另一个Claude Code？
第一次看到 Pi 的人，很容易误以为它是另一个 Claude Code。实际上，二者的差距相当大。为了更好地理解，我们可以先做一个对比：
大多数 AI 编程工具，本质都是“让 AI 帮你完成任务”。而 Pi 更像“让你自己构建 AI Agent”。这就是核心区别所在。
Claude Code和Codex已经足够强了
如果你的目标只是：更高效地写代码、自动修改项目、快速生成功能、调试工程。那么 Claude Code 和 Codex 其实已经非常强大。
尤其是 Claude Code——它现在的工程能力已经非常接近真正的高级工程师：理解大型项目、长链路推理、架构级重构、复杂调试，以及在 MCP 工作流上的表现都相当成熟。
而 Codex 的特点则是执行力极强。它更激进，废话更少，更偏向于“直接把事情做完”。所以我们可以把 Claude 看作架构师，而 Codex 更像那个真正埋头干活的工程师。
因此，如果你只是想提高开发效率，其实完全没必要折腾 Pi。
为什么还有这么多人研究Pi？
因为 Pi 解决的并非是“AI 怎么帮我写代码”，而是“AI Agent 到底是怎么被构建出来的”。
这是两个完全不同维度的问题。
Pi 最值得称道的一点，就是它把 Agent “拆开了”。这恰恰是我认为它最有价值的地方。市面上很多 AI Agent 工具，本质上都像一个黑盒：你可以编写 Prompt、配置 MCP、维护 CLAUDE.md 或 AGENTS.md，但你却很难真正去修改 Agent 的运行逻辑、上下文（Context）注入方式、Memory 系统、工作流（Workflow）、工具调度（Tool Dispatch）以及 Prompt 组装（Prompt Assembly）等核心组件。你只能被动“使用”。
但 Pi 的理念非常清晰——Agent = 可修改系统。它把这些内部机制全部开放了出来。
另外一个关键点是，Pi 的核心不是 Prompt，而是 Skills。它将指令（Instructions）、工具（Tools）、工作流（Workflow）、记忆（Memory）、提示词模板（Prompt Templates）统统做成了可加载的能力模块，也就是 Skills。
整个结构看起来非常像：
- Agent Core
- Memory
- Skills
- Extensions
- Context Injection
- Prompt Templates
这已经非常接近某种 AI 操作系统了，而绝不仅仅是普通的聊天机器人。
Pi允许AI修改自己
你甚至可以尝试直接对 Agent 说：给自己增加一个工具、修改一下 workflow、加一个长期记忆系统、增加 MCP、调整 UI、新增状态栏、构建多 Agent 协作……
然后 AI 会直接修改自己的配置与扩展。
这正是它与传统 AI 最大的不同：在 Claude 或 Codex 的范式下，是用户去适应工具；而在 Pi 的世界里，是工具来适应用户。两种产品的底层逻辑截然不同。
简单使用教程
安装
npm install -g --ignore-scripts @earendil-works/pi-coding-agent
输入 /login 之后，可以填入订阅模型节点，或者直接接入主流大模型 API，比如 DeepSeek 等。
pi # 交互模式
pi "帮我重构代码" # 带初始问题启动
pi -p "总结一下" # 非交互打印模式（输出完就退出）
pi -c # 继续上一次会话
pi -r # 浏览历史会话列表
在探索这些前沿开源实战项目时，Pi 向我们展示了一个方向：未来的 AI 工具，不一定非要让你“用得顺手”，而是可以让你“改得顺手”。
发表于 2 小时前
|
查看: 4|
回复: 0
