不知道大家有没有这种感觉：现在的 coding agent 越来越像全家桶套餐——sub-agents、plan mode、permission popups、内置 to-do，一股脑全塞给你。用得顺手是福利，用不顺手就是枷锁。你要的习惯它偏不做，你不要的弹窗它关不掉。
GitHub 上有个项目反着来：sub-agents？不做。plan mode？不做。权限弹窗？也不做。它把这些功能打包成扩展原语交给你，甚至可以让 agent 自己给自己写扩展。上线一年出头，Stars 已冲到 111,562，作者是 libGDX（那个全球手游圈人尽皆知的游戏引擎）的缔造者 Mario Zechner。
它叫 Pi。
一句话简介
Pi 是一个开源 AI agent 工具包，一个 monorepo 把统一多厂商 LLM API、agent 运行时、终端 coding agent 和 TUI 界面库全打包了。
别家做的是精装修产品，Pi 给你的是毛坯房：默认配置足够好，但核心刻意保持极简，剩下怎么装修全看你。
三大亮点
亮点一：一套 API 通 15+ 家模型商，中途换模型不掉线
底座包 pi-ai 统一了 Anthropic、OpenAI、Google、Azure、Bedrock、Mistral、Groq、Cerebras、xAI、Hugging Face、Kimi For Coding、MiniMax、NVIDIA、OpenRouter、Ollama 等 15+ 家 provider、数百个模型，API key 或 OAuth 均可认证。
会话中途想换模型，敲 /model（或 Ctrl+L）就行；收藏的模型循环切换用 Ctrl+P。自定义 provider 和模型走 models.json 或扩展。不被单一厂商绑死，这件事 Pi 在底座层就替你解决了。
亮点二：刻意不做的艺术
这是 Pi 最出圈的哲学。官方有一份「What we didn't build」清单：
- No sub-agents → 用 tmux 起 Pi 实例，或自己写扩展搭；
- No plan mode → 把计划写进文件，或自己建扩展；
- No permission popups → 在容器里跑，或扩展内联确认流；
- No built-in to-dos → 用 TODO.md；
- No background bash → 用 tmux，全程可观测。
关键点是：这些功能全都有官方扩展示例（仓库里 50+ 个）。想装就装，不想装就自己写。更离谱的是，你可以直接让 Pi 给自己写扩展——改完 /reload 立即生效。下面这张终端截图记录的就是 agent 读自己的扩展文档、给自己写 greeting 扩展的实况。
扩展能干到什么程度？社区有人给 Pi 装上了 Doom，agent 干活的间隙真能开一局。
亮点三：供应链安全抠到依赖锁定这一层
README 里专门有一节 Supply-chain hardening，直接把 npm 依赖变更当成代码变更来审：
- 直接外部依赖精确锁版本，
.npmrc 里设置 save-exact=true 加 min-release-age=2——当天刚发布的依赖不装，避开投毒窗口期；
lockfile 是唯一真源，pre-commit 阻断意外 lockfile 提交；- 发布的 CLI 包带 shrinkwrap 锁死传递依赖，生命周期脚本有显式白名单，新增依赖没审过就不放行；
- CI 用
npm ci --ignore-scripts，定时任务跑 npm audit 加签名校验。
这套组合拳在同类项目里相当少见，对在意供应链安全的团队来说，属于可以直接抄作业的水平。
三个关键设计决策
决策一：monorepo 分层，从模型层一路覆盖到应用层。 7 个包各司其职：pi-ai（统一 LLM API）→ pi-agent-core（工具调用与状态管理的运行时）→ pi-coding-agent（终端 CLI）→ pi-tui（差分渲染的终端 UI 库）。旁路还有 chord（服务 / RPC / 插件的应用组合运行时）、pi-durable（持久化对话 / 任务 / 文档）、pi-telemetry（厂商中立遥测）。层与层解耦，你可以只用 pi-ai，也可以全栈拿走。
决策二：MCP 从拒绝到内置 + Codemode。 这个转折很有意思：Pi 早期立场是 No MCP，后来官方发博客《you said no mcp》承认改主意——MCP 已内置，还加了 Codemode 让 agent 在 JS 沙箱里组合工具调用。态度相当务实：立场可以变，用户需求不会骗人。
决策三：安全边界外置，不假装替你做主。 README 里说得很直白：Pi 不内置权限系统，默认以启动用户的权限运行。要强隔离，官方文档给了三种模式——Gondolin 微虚拟机（Pi 留在宿主机、工具调用路由进 Linux 微 VM）、Plain Docker（整个进程容器化）、OpenShell（策略管控沙箱，就是 NVIDIA 之前开源的那个项目）。安全边界清楚地摆在外面，不给你一种有护栏的错觉。
安装与配置
安装三选一：
curl 脚本powershell -c "irm https://pi.dev/install.ps1 | iex"npm install -g @earendil-works/pi-coding-agent
四种模式覆盖不同用法：
- Interactive：完整 TUI 体验（前面终端截图就是这种）；
- Print / JSON：
pi -p "query" 进脚本，--mode json 出事件流；
- RPC：stdin / stdout 上的 JSON 协议，方便非 Node 程序集成；
- SDK：嵌进你自己的应用（OpenClaw 就是真实案例）。
会话历史是树状结构：/tree 跳回任意历史节点继续分叉，所有分支存单文件；/export 导出 HTML，/share 传 GitHub gist 生成可分享链接。上下文工程也有全套抓手：AGENTS.md 项目指令、SYSTEM.md 替换系统提示、自动 Compaction、按需加载的 Skills、/name 展开的 prompt 模板。
干活中途还能插话：Enter 发 steering 消息（当前工具跑完就打断），Alt+Enter 发 follow-up（等它干完再执行）。
团队落地
第 1 段 · 统一模型接入层。 用 pi-ai 收拢团队的 LLM 调用：一处配置管 15+ 家 provider，模型涨价、限流、停服时改配置就能切换，业务代码不动。配合 pi-telemetry 的厂商中立遥测，成本和调用量有统一口径。
第 2 段 · 沙箱隔离必须先行。 Pi 默认以启动用户权限跑，团队落地前先选定隔离方案：轻量用 Docker，要策略管控上 OpenShell 沙箱，Gondolin 微虚拟机适合 host 留认证、工具进隔离的折中方案。把裸跑 Pi 列为禁止项写进规范。
第 3 段 · 供应链治理照抄作业。 它的 hardening 清单可以直接移植到任何 npm 项目：save-exact + min-release-age、lockfile 真源 + pre-commit 阻断、shrinkwrap + 生命周期脚本白名单、CI 里 npm audit 定时跑。这套不花大钱，防的是真事故。
第 4 段 · 知识沉淀成体系。 项目规范写 AGENTS.md，系统提示定制走 SYSTEM.md，可复用 prompt 沉淀成模板库；再鼓励成员用 pi-share-hf 把 OSS 工作会话分享出去——真实任务轨迹比玩具 benchmark 值钱。
适用场景
- 想在终端跑 coding agent、又嫌主流产品太封装的开发者：Pi 把控制权还给你，agent 还能自己改自己；
- 被单一模型厂商绑定的团队：
pi-ai 一套 API 换供应商，业务代码不用动，也可以配合 RouteFast.ai 这类中转服务做快速验证；
- 重视供应链安全的团队：它的 hardening 实践值得整段借走；
- 想基于 agent 运行时自建工具链的人：
pi-agent-core + 四模式 + 50+ 扩展示例，起点很高。
优缺点与避坑
优点
- libGDX 作者 Mario Zechner 带队，工程质量高，GitHub API 实测 111,562★、MIT 开源、当天仍在提交；
- 「primitives not features」哲学 + 50+ 官方扩展示例 + 四模式，扩展性是目前同类里的天花板级别；
- 15+ provider 统一接入 + 树状会话历史 + 完整上下文工程抓手；
- 供应链安全实践公开透明，可以直接抄作业。
潜在不足
- ⚠️ 不内置权限系统，默认以启动用户权限运行——要隔离得自己配 Gondolin、Docker 或 OpenShell，安全边界自己搭；
- ⚠️ monorepo 7 个包、结构复杂，上手要趟文档（好在可以直接问 Pi 它自己）；
- ⚠️ 新贡献者的 issue / PR 默认 auto-close，由 maintainer 每日人工审核放出——社区协作门槛挺独特，提 PR 前先读 CONTRIBUTING.md；
- ⚠️ 纯 TypeScript 生态，非 TS 开发者有一定适应成本。
最后说几句
如果你受够了替你做主的 agent 产品，Pi 这间毛坯房值得装修。记住两件事：沙箱先配好再干活，提 PR 前先看 auto-close 规则。
GitHub 仓库： https://github.com/earendil-works/pi
像 Pi 这样的开源 AI agent 工具，云栈社区 上也有不少开发者在讨论实战用法，感兴趣可以过去看看。
发表于 2 小时前
|
查看: 4|
回复: 0
