Agent 功能越堆越重，开发者反而越来越想要自由。
拿 Claude Code、Codex 这些明星 Agent 来说，它们像精装房：子 Agent、MCP、计划模式、记忆、搜索一应俱全，拎包入住。但对不少开发者而言，功能越多，往往意味着臃肿，以及更少的自由。用游戏框架 libGDX 作者 Mario Zechner 的话说：“Claude Code 变成了一个 80% 功能都用不上的宇宙飞船。”
于是 Mario 干脆自己动手，写了一个极简 Agent——Pi。
Pi（https://github.com/earendil-works/pi）是一个 minimal agent harness：默认没有 MCP、子 Agent、Plan 模式、内置 Todo、后台 Bash 等，先直接开工，再随着项目推进，把最顺手的工具、模型和工作流一点点装上去。它是一个干净的内核，让 Agent 反过来适应你的工作流，上面长成什么样，由你决定。内核足够轻巧，让它在多轮任务中更省 Token 埋下伏笔。
这种理念在开发者群体里攒下了不少口碑：GitHub 上获得 10 万+ Star，OpenClaw 把它当作底层框架，Databricks CTO Matei Zaharia 也公开点赞过它在 Terminal-Bench 2.0 上的表现。
现在，我们就来拆解 Pi 区别于其他 Agent 的地方，以及怎么让它接入硅基流动 API 跑起来。
从“用 Agent 产品”到“拥有 Agent 外壳”
很多 Coding Agent 的逻辑是：给你一套已经设计好的工作流，你来适应它。Pi 的逻辑反了过来。
它的核心只有四个工具：read、write、edit、bash，系统提示词加工具定义加起来不到 1000 Token，在所有主流 Agent 里是最短的。Pi 作者的判断很直接：前沿模型已经被大量 RL 训练过，天然就懂 Coding Agent 的基本套路，用不着上万 Token 的提示词教它怎么做事。
极简不等于简陋，Pi 只是把控制权交还给你：
•不绑定模型：支持硅基流动等任意第三方 API 提供商，对话中途按Ctrl+L就能切换模型。
•对话可“分叉”：每次对话存为本地的树形文件，你可以在任意历史节点重试，像用 Git 管理代码一样管理对话（/tree看全貌，/export导出 HTML，/share一键分享）。
•按需扩展：Extensions、Skills、Packages 三层机制，MCP、权限弹窗等“缺失”能力都可以后补（官方给出 50+ 示例），而不是默认塞给你。
•四种运行模式：支持交互式终端、print/JSON 脚本输出、RPC 进程通信、SDK 嵌入。
也就是说，你先拿到的是一个“毛坯房”，项目规范、编码习惯、常用命令可以全部写进全局AGENTS.md，Pi 每次启动自动加载。
我们试着让它实现一个pr-review-lite项目，你可以在项目根目录放一个AGENTS.md，规定模块分层、测试要求等局部规则。这些都不是产品预设的，而是你自己添加的。
你也可以在settings.json里自行写全局配置，用 Extensions 注册自定义工具，深度改造 TUI 来定义自己的终端体验。
需要新能力时，装一个 Extension 然后执行/reload，立刻生效。
Pi 的产品理念有点像 Vim：一开始什么都不配，用着可能有点别扭；可一旦配置好了，它或许比任何开箱即用的 IDE 都更贴合你的习惯。
上下文工程：Pi 更省 Token
模型价格当然重要，但 Agent 到底烧多少 Token，还取决于另一件事：每次调用模型时，到底带了多少无关上下文。
Pi 的提示词和工具定义几乎固定不变，四个工具、不到 1000 Token 的系统提示词。这意味着，Prompt Caching 的命中率可以拉得很高，实际跑起来既省钱又快。
更关键的是，Pi 把上下文管理的控制权交还给了开发者：AGENTS.md放在项目根目录，启动时自动读取，项目级SYSTEM.md可以替换或追加默认系统提示，还能在局部目录放AGENTS.md按需加载；Skills 在模型用到时才加载进上下文，不用就不占空间；长会话则有 Context Compaction 自动压缩旧消息，保留关键信息、丢掉中间过程的冗余。
于是模型拿到的上下文，能更集中地服务于当前项目和当前任务。
这里拿pr-review-lite项目做了一组小对照：让 Pi 和 WorkBuddy 在同一模型、同一项目规则下，连续完成创建、优化、验收三轮开发任务。在这轮连续开发里，Pi 的上下文与工作流设计，确实让总 Token 消耗更低。
当然，这并不是严格 Benchmark：工具调用轨迹、输出长度和交付物规模都会影响结果。更准确的说法是：Pi 提供了控制上下文与工作流的能力，而在这轮测试里，这种控制与更低的总 Token 消耗同时出现。
因此，Pi 的优势在于“在多轮开发任务中减少上下文消耗的潜力更明显”，你不必替无关信息买单。
快速上手：在 Pi 中接入硅基流动 API
第 1 步：安装 Pi
npm install -g --ignore-scripts @earendil-works/pi-coding-agent装好之后进入你的工作空间，终端输入pi就能启动。
第 2 步：获取硅基流动 API Key
打开硅基流动官网：
https://www.siliconflow.cn/models
注册/登录后进「API 密钥」页面，新建一个 Key，复制保存。
第 3 步：配置 models.json
这是关键一步。
创建配置目录：
mkdir -p ~/.pi/agent编辑：
nano ~/.pi/agent/models.json写入：
{ "providers": { "siliconflow": { "name": "SiliconFlow Key", "baseUrl": "https://api.siliconflow.cn/v1", "api": "openai-completions", "apiKey": "$SILICONFLOW_NEW_API_KEY", "models": [ { "id": "deepseek-ai/deepseek-ai/DeepSeek-V4-Flash" }, { "id": "moonshotai/Kimi-K2.7-Code" } ] } } }保存 nano 文件：
1. Ctrl+O 2. 回车 3. Ctrl+X第 4 步：启动验证
重新启动 Pi，进入后执行/model或者按Ctrl+L，就能看到你刚配置的硅基流动模型。选一个，发条消息试试是否能正常运行。
不止是极简底座，还能开箱即用
Pi 的生态比你想的要成熟一些。
如果说 Pi 是极简主义底座，Oh-My-Pi（omp）就是其开箱即用版本。它内置了 LSP、DAP 调试器、MCP 支持、AST 工具，定位类似 LazyVim 之于 Neovim。如果你觉得裸 Pi 太折腾，omp 是一个折中选择。
地址：
https://github.com/can1357/oh-my-pi
还有人专门夸 Pi 的 Harness SDK 是“目前用过最好的 AI SDK”，事件驱动的设计让搭建复杂的 UI 或自定义流程特别舒服，如果你想做二次开发，也许用起来会很顺手。
总体来说，Pi 从不急着定义你应该怎样写代码、怎样规划任务、怎样调用工具，它把定义工作方式的权力交还给你。如果你觉得现在手头的 Agent 太“重”了，这是一个很值得尝试的选择。
一个彩蛋：在终端里玩 DOOM
Yes, Doom runs.
没错，等 Pi 响应的时候，你可以直接在终端里玩《毁灭战士》。官网用 DOOM Extension 展示它可扩展的 TUI 能力：一个能渲染《毁灭战士》的 TUI，渲染加载动画、进度条这些自定义组件自然也不在话下。
