Pi Agent 是什么？为什么我觉得它特别适合拿来学 Agent？

在这里插入图片描述

最近在学 Agent 的时候，我发现很多框架一上来就给你塞一大堆概念：

Planner
Memory
Tool
Workflow
Multi-Agent
State

刚开始很容易陷进去。

后来看到 Pi Coding Agent，反而觉得它很适合用来理解 Agent 本身到底是怎么跑起来的。

因为 Pi 的思路很简单：

在终端里给一个大模型接上工具，再让它自己循环完成编码任务。

所以今天不聊“怎么拿 Pi 写代码更快”，而是从 Agent 的角度拆一下：

Pi 到底是什么？它为什么可以被看成一个 Agent Harness？

图片速看版：在这里插入图片描述

1. Pi Agent 到底是什么？

可以先把几个容易混的词分开。

Pi Agent

Pi Coding Agent 本质上是一个终端 AI 编程 Agent / Harness。

它自己不是大模型。

它更像一个“运行环境”：

用户
↓
Pi Agent
↓
LLM
↓
Tool
├─ read
├─ edit
├─ write
└─ bash
↓
执行结果
↓
继续推理

你只需要在项目目录里告诉它：

“帮我把登录模块改成 JWT，并补上测试。”

Agent 就可以自己：

读代码
→ 理解结构
→ 修改文件
→ 运行测试
→ 发现错误
→ 再修改
→ 再测试

这就是 Coding Agent 最核心的味道。

2. 为什么说 Pi 更像 Harness，而不是“大模型”？

很多刚开始学习 Agent 的人，会把：

Claude
GPT
DeepSeek

和：

Pi
Claude Code
Codex

放在一起比较。

其实它们不是完全一个层面的东西。

可以简单理解成：

模型 = 大脑

Pi Agent = 工作台 / Harness

Tool = 手里的工具

模型负责：

理解
推理
决策

Pi 负责把这些决策真正组织成：

调用 Tool
获取结果
更新上下文
继续推理

所以：

Pi Agent 本身不是“聪明的大脑”，而是让大脑能够持续工作的一套 Agent Runtime。

3. Pi 最值得学习的，其实是 Agent Loop

如果你前面已经学过 Tool Calling，就会发现 Pi 的核心逻辑并不神秘。

可以抽象成：

用户任务
↓
LLM 推理
↓
是否需要 Tool？
↓
是
↓
调用 Tool
↓
拿到结果
↓
把结果放回上下文
↓
LLM 再次推理
↓
继续……

直到：

LLM 判断任务已经完成

才结束。

这就是：

Agent Loop。

也可以写成最经典的：

Think
↓
Act
↓
Observe
↓
Think
↓
Act
↓
Observe

Pi 的价值之一，就是把这个过程做成了一个真正能跑的 Coding Agent。

4. 举一个最直观的例子

你在项目目录执行：

帮我找到项目里所有 Redis 使用的位置，
然后检查有没有明显的连接配置问题。

Agent 不会只输出一段建议。

它可能会：

1. 搜索项目
2. 读取 Redis 配置
3. 查找 Redis Client
4. 分析连接池设置
5. 汇总问题

如果发现：

配置文件
→ 看起来有问题

它还可以继续调用工具验证。

这和普通聊天最大的区别就是：

Agent 不只是告诉你“应该怎么查”，而是自己真的去查。

5. Pi 的 Tool 是怎么理解的？

可以把 Tool 看成 Agent 的“手”。

最常见的动作就是：

read → 读文件
write → 写文件
edit → 修改文件
bash → 执行命令

例如：

用户：
“把这个 Bug 修掉。”

Agent：
→ read
→ edit
→ bash
→ read
→ bash

每一次 Tool 调用，都可能改变下一步决策。

所以真正的 Agent 不是：

Prompt
→ Answer

而是：

Prompt
→ Decision
→ Tool
→ Result
→ Decision
→ Tool
→ Result

6. Pi 为什么适合拿来学 Agent？

我觉得最重要的原因是：

它没有把所有事情都封装得特别复杂。

对于初学者来说，越复杂的框架越容易出现一个问题：

“API 会用了，但不知道 Agent 到底怎么工作的。”

而极简 Agent 更适合反过来学习：

Agent Loop
Tool Registry
Context
Session
Extension

你甚至可以自己手搓一个缩小版：

while True:
response = llm(messages, tools)

if not response.tool_calls:
break

for call in response.tool_calls:
result = run_tool(call)

messages.append(result)

这十几行代码，实际上已经把 Agent 的骨架表达出来了。

7. Pi 的扩展思路也值得学

Pi 的设计并不是：

核心代码
=
所有功能

而更偏向：

Core
+
Extensions

比如你可以继续给 Agent 增加：

视觉能力
网页访问
更多工具
自定义行为

这种设计非常像后端里的：

核心服务
+
插件

也很像我们前面讲过的 Hook：

核心 Agent 不变
↓
扩展能力挂进去

这也是 Agent Runtime 很重要的一个设计思想：

核心循环尽量简单，能力通过扩展不断增加。

8. Pi Proxy 又是什么？

这里再把一个容易混淆的名字分开。

例如一些视觉代理扩展，本质上是：

Pi
↓
Proxy
↓
多模态模型
↓
返回视觉结果
↓
Pi 上下文

也就是说：

Proxy 更像“请求转发层”。

它不是：

Pi Agent 本身

更不是：

大模型本身

所以以后看到：

Pi Agent
Pi Proxy
Pi Coding

不要混成一个东西。

9. Pi Coding 又是什么？

这个就简单很多。

Pi Coding 就是 Pi 用来完成编码任务的能力。

例如：

读项目
找 Bug
修改代码
执行测试
运行脚本
分析日志

它本质上还是：

Agent Loop
+
Tools
+
代码环境

所以 Pi Coding 并不是一种独立的 AI 模型。

最后

如果现在让我用一句话解释 Pi：

Pi 是一个极简的终端 Agent Harness，让外接的大模型能够通过 Agent Loop 持续调用工具，完成真实的编码任务。

你可以把它记成：

LLM
= 大脑

Pi Agent
= 工作台 / Runtime

Tool
= 手

Extension / Hook
= 扩展和管理机制

这样一来，你之前学过的东西就开始连起来了：

Skill → 告诉 Agent 怎么做
Tool → 让 Agent 能做
Hook → 让 Agent 做事时可控
Memory → 让 Agent 记住过去
RAG → 给 Agent 外部知识
Planner → 决定下一步做什么
Multi-Agent → 让多个 Agent 协作
Pi → 把这些 Agent Runtime 思路落到真实 Coding 场景

所以我觉得，Pi 最大的学习价值不是“帮你写代码”，而是让你看到一个真正的 Agent 到底是怎么从一轮对话，变成连续执行任务的。

如果你正在学 Agent，又有一点编程基础，可以直接从一个最小版 Coding Agent 开始：

LLM
↓
Agent Loop
↓
read / edit / bash
↓
返回 Tool Result
↓
继续 Loop

把这个跑通以后，再去看更复杂的 Agent 框架，很多东西就不会再是“黑盒 API”了。

Pi Agent 是什么？为什么我觉得它特别适合拿来学 Agent？