Pi：不想做下一个 Claude Code，这才是它最值钱的地方

一句话总结：Pi 不是功能最全的 AI 编程代理，但它可能是最适合拿来“造东西”的那个。

如果你最近在看 AI 编程代理，可能会有一种感觉：大家都在拼命加功能。计划模式、子代理、权限系统、MCP 集成、图形界面，能塞的都塞进去。

Pi 反着来。

它由奥地利开发者 Mario Zechner 发起，现在归在 Earendil Works 组织下，MIT 协议，TypeScript 编写，主要跑在终端里。它的核心小得有点刻意：只带四个内置工具，读、写、编辑、执行 bash。系统提示词不到 1000 token。剩下的东西，比如计划模式、子代理编排，全都交给扩展系统。

项目 README 里说得很直白：Pi 自带强力默认值，但会跳过子代理和计划模式这类功能。你想要，就自己让 Pi 建一个，或者装个包，按你的方式来。

这不是偷懒。这是一个很明确的设计判断：代理运行环境应该是一块底板，而不是一个成品。

Pi 到底是什么

Pi 是一个极简、可扩展的代理运行环境。它的 monorepo 里装了一整套可组合的包：

@earendil-works/pi-ai：统一的多模型 API，覆盖 OpenAI、Anthropic、Google 等
@earendil-works/pi-agent-core：代理运行时，负责工具调用和状态管理
@earendil-works/pi-coding-agent：大多数人提到 Pi 时说的那个交互式 CLI
@earendil-works/pi-durable：持久化运行时，在展示任何内容之前先把对话、工具调用和状态写入存储，面向 Cloudflare Workers 部署
@earendil-works/pi-tui：带差分渲染的终端 UI 库

另外还有 TypeScript SDK、RPC 接口，以及基于 Nix 的安装和供应链加固支持。

它到底解决什么痛点

现在大多数 AI 编程代理都在逼你做选择：要么接受别人对工作方式的设定，要么从零自己造。Claude Code 很强，但偏黑盒。OpenCode 能配置，但生命周期钩子有限。Codex CLI 很快，但和 OpenAI 模型生态绑得比较紧。

Pi 的答案是把核心做到尽可能小，同时暴露足够多的钩子，让你不用 fork 项目就能在上面搭东西。它的扩展系统提供了八个以上的钩子点，包括输入拦截和工具调用后钩子，这些在 OpenCode 里基本没有。你可以拦截工具调用、修改它、注入上下文，甚至整个替换结果。代理循环变成你的循环。

这对一类开发者特别重要：想把代理嵌进现有 CI 流水线、Slack 机器人、内部工具或者研究工作流的人。Pi 不假设你想要聊天界面。它假设你想要一个运行时。

性能和成本：Pi 最能打的地方

最有说服力的数据来自独立基准测试。Composio 做了一轮 16 个任务的对比，Pi 通过率 66.7%，每个任务中位成本 0.012 美元。另一个 Pi 和 Claude Code 的对比里，Pi 完成一个成功任务平均花 0.028 美元，Claude Code 要 0.195 美元。差不多是七倍差距。

同一组测试里，Pi 的中位完成时间是 132.2 秒，也是最快的。

这些数字不是偶然。系统提示词不到 1000 token，每次调用上下文开销更小。四个工具意味着注入提示词的工具定义更少。1.0 版本通过更精简的 codemode 实现，又把提示词 token 砍了大约 40%。当你按 token 付费时，极简主义会直接变成钱。

当然有取舍。Pi 的通过率不错，但不是每个基准里都最高。它的赌注是：很多真实任务里，成本和延迟优势比多挤几个百分点的准确率更重要。

和其他工具比，Pi 处在什么位置

对比 Claude Code

Claude Code 是打磨过的、有明确观点的产品，带权限控制、计划模式和完整工作流
Pi 是裸运行环境，开箱配置少，但你能看清代理每一步在干什么
如果你想要开箱即用，Claude Code 更省心
如果你想控制每个决策，Pi 给的是可见性
最实在的差距是 token 效率：同类任务下 Pi 大约有七倍成本优势

对比 OpenCode

两者都开源，MIT，模型无关
OpenCode 是更完整的产品，有终端 UI、桌面应用和 IDE 扩展，默认工作流对多数人够用
Pi 更薄，更偏可组合层
OpenCode 暴露大约 20 个事件，但缺关键生命周期钩子
Pi 事件更少，但控制点更细
选哪个，取决于你想要一个配置工具，还是一块能往上搭的底板

对比 Aider

Aider 是成熟的 Python 结对编程工具，git 集成好，有 tree-sitter 仓库地图
它在纯结对编程场景里更老练
Pi 是 TypeScript 原生，扩展性更强，更适合嵌进其他系统
Aider 目前不再积极维护，长期项目要考虑到这一点

对比 Goose

Goose 来自 Block，Rust 编写，集成面更广，包括 MCP、ACP、权限和桌面应用
Pi 有意做得更窄
如果你想要成熟生态和内置安全功能，Goose 更合适
如果你想要一个能完全重塑的小运行时，Pi 更合适

对比 LangChain Deep Agents

Deep Agents 电池全包，有中间件栈、可插拔存储和结构化的代理组合方式
Pi 走反方向，极简核心加事件扩展
Deep Agents 适合想要框架约定的团队
Pi 适合想要原语、不想要太多约定的开发者

谁适合用 Pi

Pi 不是给所有人用的，项目自己也没假装是。

想控制模型和成本的开发者。你可以换供应商，按任务固定模型，不用为用不到的功能付溢价
想把代理工作流嵌进现有系统的工程师。Pi 可以通过 TypeScript SDK 或 RPC 嵌进脚本、CI、内部工具或自定义界面
终端优先、重视透明度的开发者。你想看到代理在做什么、调了什么工具、每次调用花多少钱，Pi 默认就给你这些
需要在很深层面定制代理行为的团队。扩展系统和钩子点让你能拦截和修改代理循环，大多数竞品不暴露这些

如果你想要完全托管、界面漂亮、零配置的体验，Pi 大概率不适合。那是一个合理需求，只是不是 Pi 优化的方向。

市场背景和增长潜力

AI 代理框架市场 2025 年大约 26 亿美元，预计 2032 年到 160 亿美元，年复合增长率接近 30%。更广的 agentic AI 框架细分市场增长更快，有的预测到 2031 年能到 36% 的年复合增长率。

Pi 在这个市场里不是直接和 Claude Code 或 Codex 抢位置。它占的是另一层：基础设施层。OpenClaw 这个超过 39 万 GitHub star 的个人助手，就是基于 Pi 的 SDK 建的。这种杠杆才是关键。Pi 不需要赢下消费者 AI 编程工具市场。它需要成为其他工具构建时用的运行时。

2026 年 10 月的 1.0 版本是一个重要节点。MCP 支持的加入，尤其值得玩味，因为创作者之前还觉得这东西没必要。这说明项目愿意务实地适应生态标准。Cloudflare Agents SDK 集成把 Pi 带进无服务器环境。Rust 移植版已经存在，社区扩展也在变多。

风险也有。一份可维护性审计指出结构集中化和复杂度上升的风险。扩展生态和 LangChain 比还年轻。极简哲学意味着，对想“开箱即用”的开发者来说，Pi 永远更难推销。

但方向很清楚。当 AI 编程代理越来越商品化，价值会往下沉：运行时、协议、运行环境。Pi 正在把自己放到那一层。

总结

Pi 不想做适合所有人的最强编程代理。它想做的是，给那些想自己造东西的人，提供最好的底板。这个野心更窄，但可能更耐久。在一个每个大实验室都在发有明确观点的代理产品的市场里，一个说“这里有四个工具和一个扩展系统，你去搭你真正需要的东西”的工具，反而有真实价值。

Pi：不想做下一个 Claude Code，这才是它最值钱的地方