GitHub 94.8K Star！开源项目 Pi 重新定义编程工具：极简可扩展的终端 Coding Agent

Pi 到底是什么？

  先简单理解一下。传统 AI 编程工具通常是：

  用户 → 聊天窗口 → 大模型 → 代码建议

  而 Coding Agent 更像：

  用户提出目标 → Agent → 读取代码 → 分析项目 → 调用工具 → 修改文件 → 执行命令 → 运行测试 → 继续修复

  Pi 就是专门围绕这种 Agent 工作模式打造的。官方把它描述为：AI agent toolkit：统一 LLM API、Agent Loop、TUI、Coding Agent CLI。

  它的核心并不是某一个模型，恰恰相反：Pi 希望把 Agent 本身做成一个可以自由组合、自由扩展的基础设施。

为什么 Pi 值得关注？

  我认为 Pi 最值得关注的地方，不是它又支持了多少个模型，而是它把"AI Agent"本身进行了模块化。 目前整个项目主要由几个核心部分组成：

模块	作用
pi-ai	统一多模型 API
pi-agent-core	Agent Runtime
pi-coding-agent	Coding Agent CLI
pi-tui	Terminal UI
pi-telemetry	Telemetry 相关能力

  官方仓库也明确列出了这些核心 Package。

  这意味着开发者可以根据自己的需求选择不同层级。你可以直接使用 Pi， 也可以基于 Pi 构建自己的 Agent， 甚至可以把 Pi 当成一个 Agent Runtime。 这才是这个项目真正有意思的地方。

Pi 最核心的设计：Core 保持足够小

  Pi 的开发哲学里有一句非常重要的话：

Pi's core is minimal.

  也就是核心保持最小化。 官方 CONTRIBUTING 文档明确强调，如果一个功能不属于核心，那么更应该通过 Extension 实现，而不是不断往 Core 里面塞功能。

  这其实是一个非常重要的工程思想。很多项目发展到后期都会出现一个问题：

  核心功能 + 插件功能 + 第三方需求 + 各种兼容逻辑 + 历史包袱 = 越来越复杂

  最后开发者连核心代码都不敢动。Pi 反过来做，它希望：

  Core

  把越来越多的能力放到核心之外。这样做的好处就是：核心保持稳定，外围负责创新。

真正厉害的是 Extension

  如果让我选择 Pi 最值得研究的一个功能，我会选择 Extension。 Pi 的 Extension 本质上就是 TypeScript 模块。开发者可以通过 Extension：注册新的 Tool、注册命令、注册快捷键、监听 Agent 生命周期、拦截 Tool Call、修改上下文、自定义 UI、保存状态、接入外部系统、注册新的模型 Provider。

  官方文档甚至直接给出了完整的 Extension API。例如：

import { ExtensionAPI } from "@earendil-works/pi-coding-agent"
export default function (pi: ExtensionAPI) {
  pi.registerCommand({
    name: "hello",
    description: "Say hello",
    handler: async () => {
      return { message: "world", level: "info" }
    }
  })
}

  然后就可以给 Pi 增加自己的命令。这就意味着：Pi 不只是一个 Coding Agent， 它实际上正在变成一个 Coding Agent 开发平台。

甚至可以自己给 Pi 增加 Tool

  这一点对于开发者来说尤其重要。比如你正在做一个企业内部 AI 编程助手，你可能希望 Agent 拥有这些能力：查询 Jira → 查询 GitLab → 读取内部 API 文档 → 查询数据库 → 检查 CI → 创建 Issue → 生成代码。

  传统方式可能需要自己重新开发一套 Agent Framework，而 Pi 可以通过 Extension 增加自定义 Tool。官方文档提供了 pi.registerTool() 机制，可以让模型直接调用开发者定义的工具。

  于是整个架构就变成：

┌── GitLab
│
Pi Agent ─ ┼── Jira
│
├── 数据库
│
├── 内部 API
│
└── 企业知识库

  这也是为什么我认为：Pi 更像一个 Agent Harness，而不仅仅是一个 AI Coding CLI。

模型也不是绑定死的

  另一个非常重要的设计：Pi 并不绑定某一个大模型厂商。 官方 Provider 文档显示，Pi 支持订阅型 Provider 和 API Key 型 Provider，并提供统一的模型目录与认证机制。

  目前可以接入包括：OpenAI / Codex、Anthropic、Google、GitHub Copilot、xAI、OpenRouter、Qwen、MiniMax、Kimi、Hugging Face、Together AI、Fireworks、llama.cpp 以及自定义 Provider。

  这对于开发者来说非常重要，因为 AI Agent 最终不应该被某一家模型厂商锁死。你可以：

• A：Claude
• B：GPT
• C：Gemini
• D：Qwen
• E：llama.cpp

  甚至可以自己注册 Provider。官方提供了 pi.registerProvider()，允许开发者接入代理、自建模型服务、企业 API、OAuth/SSO 等场景。

甚至可以直接接本地模型

  这一点非常适合国内开发者。Pi 支持 llama.cpp Router，也就是说，你完全可以：

  Pi → llama.cpp

  这样就不一定需要所有请求都发送到云端。

  当然，本地模型能不能真正承担复杂 Coding Agent 工作，还取决于：模型能力、上下文长度、Tool Calling、推理能力、本地硬件、推理速度。但从架构角度来说：Pi 已经把这条路铺出来了。

安装其实非常简单

  如果你想体验 Pi，官方目前推荐通过 npm 安装：

npm install -g @earendil-works/pi-coding-agent

  然后进入自己的项目：

cd your-project

  官方 Quickstart 也是这个流程。

  Linux/macOS 还可以使用官方安装脚本：

curl -fsSL https://get.pi.dev | sh

  安装之后直接 pi 就可以启动。

模型怎么登录？

  启动 Pi 之后，可以使用 /login 选择对应 Provider。例如官方当前文档列出的订阅型 Provider 包括：ChatGPT Plus/Pro、Claude Pro/Max、GitHub Copilot、xAI、OpenRouter、Radius。

  API Key 模式也可以通过环境变量或者认证文件进行配置。这意味着：Pi 更像一个统一的 Agent 工作台， 模型只是其中的一部分。

Pi 还有一个非常有意思的能力：RPC

  如果你不想使用终端 UI，也可以使用：

pi --mode rpc

  Pi 会通过 stdin/stdout 提供 JSON 协议。官方明确说明，这种模式适合：嵌入其他应用、IDE、自定义 UI、自动化系统。

  这一下就打开了非常大的想象空间。例如：

  Web IDE → Pi RPC → Agent Runtime → 模型

  或者：

  企业开发平台 → Pi SDK → Agent Runtime → 企业模型

  你甚至可以完全不使用 Pi 默认的终端界面。

如果你是 Node.js 开发者，还有 SDK

  Pi 并不是只能通过 CLI 使用，官方提供 SDK。可以直接：

npm install @earendil-works/pi-agent

  然后在 Node.js / TypeScript 项目中创建 Agent Session。例如：

import { createAgentSession } from '@earendil-works/pi-agent'
const session = await createAgentSession()
await session.run("分析当前项目结构，并告诉我应该如何优化")

  这意味着 Pi 可以成为你自己应用里的 Agent 引擎。

Pi 最有想象力的地方：它可以"自己扩展自己"

  这可能是整个项目最有意思的一点。官方文档直接写了：

pi can create extensions.

  也就是说，你甚至可以直接让 Pi 帮你开发 Pi Extension。这会形成一种非常有意思的循环：

  Pi → Extension → 新能力 → 更强的 Pi

  于是 Agent 本身开始拥有 自我扩展能力。

  当然，这并不意味着它可以无限制地"自我进化"。实际开发仍然需要：权限控制、代码审核、测试、安全隔离、人工确认。但从开发范式来说，这已经非常接近 Agent → Agent Platform。

Pi Package 生态也正在出现

  除了 Extension，Pi 还设计了 Package 机制。一个 Package 可以同时包含：Extensions、Skills、Prompt Templates、Themes，然后通过 npm 或 Git 安装。例如：

pi install npm:@your-org/pi-package

  官方 Package 文档也明确支持这种扩展方式。现在 Pi 官方 Package Catalog 已经出现了大量第三方扩展包。

  这意味着 Pi 正在慢慢形成自己的生态：

  Pi → Package → Extension → Skill → Theme → Developer

  如果这个生态继续发展下去，Pi 的价值可能就不仅仅是一个 GitHub 项目。

但是有一点必须注意：权限问题

  这里一定要提醒大家。Pi 不是一个默认沙箱化的安全环境。 官方明确说明：Pi 默认运行在启动它的用户权限边界内，并没有内置权限系统去限制文件系统、进程、网络或者凭据访问。

  简单来说：如果你在自己的电脑上运行 Pi，那么 Agent 可能拥有和当前用户相同的系统权限。

  尤其是 Extension。官方文档明确提醒：Extension 可以执行任意代码，并拥有完整系统权限。所以不要看到 pi install npm:xxx 就什么包都直接安装。尤其是第三方 Extension、第三方 Skill、第三方 Package，一定要先看源码。

  企业环境则应该考虑：Docker、VM、Sandbox、MicroVM 等隔离方案。Pi 官方也提供了容器化相关方案说明。

为什么 Pi 最近越来越火？

  其实答案并不复杂。AI 编程工具正在经历一个变化：

1. 第一阶段： AI 帮我写代码
2. 第二阶段： AI 帮我修改代码
3. 第三阶段： AI 自己运行测试
4. 第四阶段： AI 自己完成整个开发任务

  到了第四阶段之后，大家真正需要的就不再只是一个聊天 UI，而是 Agent Runtime。 这正是 Pi 所在的位置。

Pi 和普通 AI Coding Tool 最大的区别

  如果只把 Pi 当成"又一个 Claude Code / Codex 替代品"，其实低估它了。更准确的理解应该是：

类型	核心定位
AI Chat	和模型聊天
AI IDE	AI 辅助写代码
Coding Agent	AI 自动完成开发任务
Pi	可扩展的 Agent Harness

  Pi 更关注：Agent 如何运行、Agent 如何调用工具、Agent 如何扩展、Agent 如何接入不同模型、Agent 如何嵌入其他产品。 这也是它值得开发者研究的原因。

如果你是开发者，Pi 值得怎么玩？

  我建议从三个方向入手。

  第一种：直接当 Coding Agent。 最简单。安装：

npm install -g @earendil-works/pi-coding-agent

  然后 cd your-project && pi，直接让它帮助你：分析项目、重构代码、修 Bug、运行测试、写脚本、解释代码。

  第二种：开发自己的 Extension。 例如做一个 /commit、/review、/test、/deploy、/docs，甚至可以 /query-db、/query-jira、/query-gitlab，把企业内部能力接进 Agent。

  第三种：把 Pi 当 Agent SDK。 如果你正在做 AI IDE、企业 AI 开发平台、自动化 Coding Agent、AI DevOps、AI Code Review、内部研发助手，那么可以直接研究 createAgentSession() 以及 RPC 模式，把 Pi 放到自己的产品后面。官方 SDK 和 RPC 都已经提供了对应能力。

Pi 的真正野心可能不是"做一个 Claude Code"

  这是我认为最值得讨论的地方。如果 Pi 只是做一个 Coding Agent，那么它面对的竞争会非常激烈。但是如果它最终变成：

Pi
│
┌───────┼────────┐
↓       ↓        ↓
Models  Tools   Extensions
│       │        │
└───────┼────────┘
        ↓
Agent Runtime
        ↓
┌───────┼────────┐
↓       ↓        ↓
CLI     IDE      Web
        ↓
Enterprise

  那它就不再是一个简单的 AI 编程工具，而是 一个开放式 AI Agent 基础设施。 这可能才是 Pi 最值得关注的地方。

写在最后

  这几年我们看到的 AI 编程工具，大多在争夺一个问题：谁的 Agent 更聪明？ 但 Pi 走的是另外一条路线：能不能把 Agent 做成一个真正开放、可扩展、可组合的开发平台？

  从目前的架构来看，它已经具备了不少关键组件：统一模型 API + Agent Runtime + Coding CLI + TUI + Extension + Package + SDK + RPC。 而且项目目前仍然非常活跃，GitHub 仓库已经拥有超过 8.8 万 Stars，并持续快速迭代。

  所以，如果你是一名前端、Node.js、全栈或者 AI 开发者，我非常建议把 Pi 放进你的开源项目观察列表。

  它最值得研究的，可能并不是"Pi 能不能替代某个 AI 编程工具？"而是"未来我们自己做 AI Agent，到底还需不需要从零开始造轮子？" 而 Pi 给出的答案，可能是：不一定。你可以直接站在 Agent Runtime 上继续往上构建。

  GitHub：https://github.com/earendil-works/pi
  官方文档：https://pi.dev/docs/latest

  一句话总结：Pi 表面上是一个 Coding Agent，实际上更像是一套让开发者自己构建 Coding Agent 的基础设施。 这可能才是它真正值得关注的原因。