今年最出圈的开源 AI 项目，OpenClaw 肯定算一个。

截至目前，已经在 GitHub 拿下 38.4 万 Star。

很多人研究 OpenClaw 的架构时，又顺着代码认识了另外一个项目：Pi。

OpenClaw 的第三方声明里写着部分实现由 Pi，也就是原来的 pi-mono 改造而来。

而 Pi 自己也已经拿下 7.7 万 Star 。

它还衍生出了接近 2 万 Star 的 Oh My Pi。

后者直接 Fork 了 Pi，加入浏览器、子 Agent 和更多内置工具，做成了一个功能更完整的版本。

VS Code 里有 Pendant，Emacs 里有单独的 Pi 前端，社区还做出了桌面端和移动端。

Pi 已经是目前开源 Agent 的开发底座首选了。

01

藏在明星 Agent 背后的项目

Pi 是一个 Agent Harness。

它的作者 Mario Zechner 也是知名游戏开发框架 libGDX 的创建者。

他长期使用 Claude Code，后来觉得功能越来越多，系统提示词和默认行为频繁变化，于是自己做了一套更小、更可控的 Coding Agent。

开源地址：https://github.com/earendil-works/pi

OpenClaw 早期把 Pi 的 SDK 深度嵌进了自己的 Agent Runtime。

随着项目继续发展，OpenClaw 已经把 Agent Runtime 收进了自己的代码库。

不过，它的部分实现从 Pi 演化而来，终端界面仍依赖 Pi 的 TUI 组件。

OpenClaw 官方 README 也专门感谢了 Pi 作者 Mario Zechner。

这段关系很能说明 Pi 的地位。

Pi 更关注开发者能否基于它做出自己的 Agent。包含四个核心软件包。

pi-ai 负责接入模型。

它把 OpenAI、Anthropic、Google、OpenRouter、Ollama 等不同模型接口统一起来，处理流式输出、工具调用、图片、推理内容、Token 与费用统计。

pi-agent-core 负责 Agent 循环。

模型发起工具调用，它负责执行、校验参数、把结果送回模型，然后继续下一轮，直到任务完成。

pi-tui 负责终端界面。

它使用差分渲染，只更新发生变化的内容，减少终端闪烁。开发者也能拿它构建自己的终端应用。

pi-coding-agent 是可以直接使用的 Coding Agent。

前面三个软件包到了这里被组装起来。你在项目目录运行 pi，就可以让模型读代码、修改文件、执行命令和运行测试。

所以 Pi 同时提供两种用法。

想找一个轻量的 AI 编程助手，可以直接使用它的 CLI。想开发自己的 Agent 产品，可以使用底层 SDK、RPC 模式或者 TUI 组件。

02

它把 Agent 做得很轻，

Pi 默认只给模型四个工具：

read：读取文件write：创建或重写文件edit：精确修改文件bash：执行终端命令

作者认为，主流前沿模型已经非常熟悉 Coding Agent 的工作方式。读文件、改代码和运行命令，足够覆盖绝大部分编程任务。

Pi 最初的系统提示词和工具描述加起来不到 1000 Token。

模型不需要先读一大段产品规则，更多上下文可以留给项目代码和当前任务。

这种克制也体现在功能选择上。

Pi 默认没有内置 MCP、子 Agent、计划模式和待办列表。

需要这些能力时，可以安装社区 Package，也可以用 TypeScript 写一个扩展。

扩展可以注册新工具、命令、快捷键和 Provider，也能改变上下文压缩方式、接管 Bash 执行、增加自定义界面。

修改完成后执行 /reload，当前会话就能继续使用。

这也是 Pi 官网一直在强调的思路：让 Pi 适应你的工作流。

它对模型的选择同样开放。

Pi 支持 15 个以上的模型 Provider 和数百个模型。

你可以在同一段会话中从 Claude 切换到 GPT，再换成 Gemini，也可以连接 Ollama、llama.cpp 等本地模型。

会话历史采用树状结构。

走错方向时，可以回到之前的节点重新开一条分支，原来的尝试仍然保留在同一个会话文件里。

长对话接近上下文上限后，Pi 会自动压缩历史，也允许开发者替换自己的压缩策略。

除了交互式终端，Pi 还提供单次执行、JSON 事件流、RPC 和 SDK 四种接入方式。

当然，极简也有需要付出的代价。

Pi 没有内置沙箱。

它会继承当前用户的文件、进程、网络和凭证权限，扩展代码也运行在相同权限下。

项目信任机制可以阻止陌生仓库在未经确认时加载本地扩展，但它无法限制模型后续执行的命令。

处理陌生代码、无人值守任务或者重要凭证时，官方建议把 Pi 放进容器、虚拟机、微型虚拟机或策略沙箱，并且只挂载任务需要的目录。

Pi 更适合愿意掌控工作流的开发者。你可以从一个很小的核心开始，只把自己需要的东西装进去。

03

如何部署 Pi

Pi 是一个本地命令行程序，不需要单独部署数据库或常驻网关。

当前版本要求 Node.js 22.19.0 或更高版本。准备好环境后，通过 npm 全局安装：

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

macOS 和 Linux 也可以使用官方安装脚本：

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

安装完成后，进入你希望 Pi 操作的项目目录：

cd /path/to/your-projectpi

第一次启动需要配置模型。进入 Pi 后输入：

/login

它支持 Claude Pro/Max、ChatGPT Plus/Pro 和 GitHub Copilot 等订阅登录，也可以选择 API Key Provider。

如果你习惯使用环境变量，可以在启动前设置密钥：

export ANTHROPIC_API_KEY=sk-ant-...pi

进入会话后，可以先让它熟悉项目：

阅读这个项目，告诉我它的目录结构、启动方式和测试命令。

输入 /model 可以切换模型。会话会自动保存，后面使用下面的命令继续：

pi -c

需要在脚本或 CI 中运行一次性任务，可以使用：

pi -p ”检查这个项目最近的改动，并列出可能的问题”

Pi 很小，但已经把 Agent 最重要的几层都准备好了。

你可以把它当成一个轻量 Coding Agent，也可以沿着它的 SDK 和扩展系统，继续造出下一个 OpenClaw。