📄 文章总结：《被Harness圈捧成圣的 Pi Agent，接上 DeepSeek-V4-Flash，如虎添翼》
公众号： Ai学习的老章 | 分类： agent | 收录日期： 2026-08-15 原链接： https://mp.weixin.qq.com/s/BGGZ_A1FtsHAOc4I1Y8pNw
被 Harness 圈捧成圣的 Pi Agent，接上 DeepSeek-V4-Flash，如虎添翼
一、Pi 的前世今生：从个人项目到公司化运营
今年 2 月作者曾写过一篇《与 Claude Code、OpenCode 有完全不同设计哲学的 Agent 工具 pi Agent》，介绍了这个"反着来"的终端编码 Agent：
- 别人拼命做加法：堆 MCP、子代理、计划模式、权限弹窗
- Pi 偏偏做减法：默认只给模型 read、write、edit、bash 四把刀
- system prompt 加工具定义压到极致，剩下的能力全靠 skills 和 extensions 现挂
半年过去，Pi 突然回炉，变得更火了：
- 上次写时还叫
badlogic/pi-mono，作者 Mario 一个人在折腾 - 现在项目已搬进公司化的 earendil-works/pi，GitHub 上快摸到 9 万 star
- 成了极客、独立开发者和一票专业工程团队默认在用的 Agent 形态
社区里还有个 oh-my-pi 挺多人用，相当于在 pi 上又套了一层开箱即用的发行版。萝卜白菜各有所爱，本文只聊最底层的 pi。
二、Pi 到底薄在哪，又强在哪
Pi 是一个极简 Agent Harness，极具可玩性，有很大自由度去调整它，适应你的工作流。
Harness 是什么？ 连 DeepSeek 也在紧锣密鼓研发自己的 Harness。直接借鉴 DeepSeek 的定义：
除模型本身以外的所有工作，都属于 Harness 的范畴
基座大模型相当于智能体的"大脑"，负责推理、理解需求、生成代码；而 Harness 就是整套智能体的"执行神经系统"，承担大脑与真实环境之间的衔接工作。大模型只能输出文本结果，Harness 让 AI 真正具备动手执行的能力。
有一种观点是「Harness 会越来越厚，一切都是 Agent harness」，而 pi 恰恰是反过来：Harness 要薄，因为模型已经够聪明了，只需要给它最底层、最基础的脚手架即可，剩下的交给大模型。
pi 的默认模型工具只有四个：
| 工具 | 功能 |
|---|---|
| read | 读文件 |
| write | 建 / 覆盖文件 |
| edit | 打补丁改文件 |
| bash | 跑 shell 命令 |
grep、find、ls 这几个只读工具虽然也内置，但默认不塞进去，你要用才自己开。system prompt 加工具定义还不到 1000 token——别人的 harness 光开场就先吃掉你 7%、8% 的上下文窗口，pi 几乎是零负担进场。
pi 的设计哲学：Primitives, not features——「给你原子能力，而不是给你功能」。
缺个命令、缺工具、想换供应商、改工作流，甚至想调 UI，都别等官方排期，直接一句话让 pi 自己写，它当场把自己改了，敲个 /reload 接着干。
子代理、计划模式、权限门、路径保护、SSH 执行、沙箱、MCP 接入……这些别家写死在内核里的东西，在 pi 这儿全是「你想要就自己造出来」的扩展。
三、模型自由、上下文控制与四种运行形态
模型自由：
- 内置 15+ 家供应商、几百个模型（Anthropic、OpenAI、Google、xAI、Groq、Cerebras、MiniMax、Kimi、NVIDIA、Ollama…… 都在列）
- /model 或 Ctrl+L 会话中途随时换，Ctrl+P 在收藏模型间循环
- 列表里没有的自己往 models.json 里加就行——后面接 DeepSeek 就是这么干的
上下文完全握在自己手里：
- AGENTS.md 管项目指令
- SYSTEM.md 直接换掉默认系统提示词
- compaction（自动压缩旧消息）连用哪个模型来总结都能自定义
- skills 按需加载、渐进式披露，还不撑爆 prompt cache——这才叫真正的上下文工程
树状会话历史：
- 会话不是一条直线，而是存成一棵树
- /tree 能跳回任意历史节点另起一支接着聊
- /share 一键传成可分享的网页
四种运行形态：
1. 交互 TUI
2. -p 打印/JSON
3. RPC
4. SDK 嵌入
脚本调用和二次开发都接得住，OpenClaw 就是拿它的 SDK 做的真实集成。
四、安装与上手
装起来也就一行：
cd 到项目目录敲 pi 进交互界面，订阅用户直接 /login 授权（Claude Pro/Max、ChatGPT Plus/Pro、Copilot 都行），用 API key 的塞个环境变量即可。
五、模型之外，Harness 是决胜关键
Databricks 的基准测试：
Databricks 发了篇《在 Databricks 百万行代码库上基准评测编码 agents》，拿自己工程师团队日常真在跑的任务重新造了一套 benchmark。
结论：模型被塞进什么 harness，直接左右了成本和质量——同一个模型、同样的思考努力，只是塞进不同 harness 跑，每个任务的成本能差 2 倍以上，质量却几乎一样。
pi 配上 Opus 4.8 xhigh，整体 pass-rate 最高，成本却显著低于 Claude Code 和 Codex。他们把原因归功于 pi 的「上下文纪律」：pi 每一 turn 发出去的 context 大概只有别人的三分之一，工作集更紧凑，更少的来回就把活干完了。
大家老盯着每 token 单价，却忘了算端到端的工程账：一个更强更贵的模型配上高效 harness，很可能比「便宜模型 + 臃肿 harness」整体还便宜，因为后者要多跑好几轮才成。
composio 实测：
类似实测 composio 也做过，他们拿 DeepSeek V4 Flash 塞进 8 个不同 harness 跑 30 个高难度 agentic 任务。
pi 的成绩：通过 20/30，是所有 harness 里最便宜的一个。
同一批新测的 harness 里： - Deep Agents 过了 16/30 - Hermes 15/30 - Prime 15/24（有 6 次因为 session 太大没法评分被剔了——Prime 单次能烧到 350 万 token、33 次工具调用，属实是重量级选手）
每个成功任务的成本对比：
| Harness | 每个成功任务成本 |
|---|---|
| pi Agent | $0.028 |
| Deep Agents | $0.045 |
| Hermes | $0.056 |
| Prime Agent | $0.131 |
如果大家想用 DeepSeek 省钱，这份测试基本就是把「pi + DeepSeek-V4-Flash」这套组合盖章认证了。
六、接上 DeepSeek-V4-Flash，如虎添翼
pi 的「上下文纪律」在国产模型身上收益最大，因为国产模型上下文窗口普遍没那么大，prefill 又慢，最怕的就是 harness 动不动改上下文、逼着它重新 prefill，一等就是好几分钟。pi 的原则是除非你明确要改，否则绝不动上下文——稳定前缀 + 极简默认 prompt，配国产模型简直是天作之合。
实际配置方法：
配置文件在 ~/.pi/agent/models.json，作者建议找模型帮忙配。
用法两种：
- 交互里敲 /model 选
- 命令行直接点名：
还有一个更绝的玩法是关掉思考：
在 pi 里开 non-thinking 那个丝滑的速度和体验，用过就回不去。
致命缺点：DeepSeek-V4-Flash 不是多模态。
现在干活都离不开多模态：页面出 Bug 直接截张图，样式不对直接圈出来把参考界面丢进去，谁还愿意花几分钟把「按钮偏了多少、颜色哪不对、布局哪塌了」全用文字描述一遍。比如一个极简单的「禁止游泳」图，DeepSeek 都识别不了。
解决方案：Doubao-Seed-Evolving 补多模态。
作者订阅了火山 Agent Plan，感觉 Doubao-Seed-Evolving 很不错。这个模型比较特殊，官方叫它「一张永远最新的模型卡」：
- model ID 永远是 doubao-seed-evolving，不带版本号
- 后台以周为单位持续升级
- 接一次以后每次调用自动就是最新的
Doubao-Seed-Evolving 没有多模态毛病：一张截图、一段录屏、一份 PDF 丢进去都看得懂，1M 的窗口可以保障长任务干到后半程也不怕断片，还能自己规划着把活干完。换上它之后，同一张「禁止游泳」立马就认出来了。
DeepSeek-V4-Flash + Doubao-Seed-Evolving 目前满足作者极大多数需求：能用、够用、还省钱。
七、扩展，才是 pi 真正的护城河
pi 内核薄，真正的战斗力全在扩展生态。它的扩展是 TypeScript 模块，不用改内核，热加载改完即时生效。
官网 pi·dev 有个市场，扩展、skill、theme、prompt 都能筛。各种主题也都是一条命令直接切换，总之可以随意打扮 pi。
统一安装方法：
装完 /reload 立刻生效，不用重启 pi。
作者按自己的用法挑了几类最顺手的：
1. pi-agent-extensions —— 懒人合集，开局先装它
一个包里塞了 17 个扩展 + 4 个主题，绝大多数 pi 用户的「开机自启」。最常用的三个：
- /sessions 在多个会话间快速切换
- /handoff 把一段任务的结论干净地交给下一段会话
- /context-simple 实时看板，随时知道上下文烧到哪一格了
想少折腾的，装它一个就把大半日常需求 Hold 住了。
2. pi-agents-team —— 一次会话变一支多 Agent 部队
一次会话直接升级成一支 multi-agent team： - 主会话当协调器，后台起一堆 RPC worker 干活 - 内置 explorer、fixer、reviewer 等七个角色 - 每个角色单独指定模型：探索用便宜快的、审查用最强的
最妙的是 worker 干完只回传一段摘要，绝不把几千行日志灌回主上下文，主会话自始至终清清爽爽。想做并行、想让不同模型分工的，这个是主力。
3. pi-subagents —— 只想要「子代理」这一件事
用不上整支 team，只想要 Codex / Claude Code 那种「派个子代理去查一件事、回头汇报」的能力，装它就够了。后面 pi-cc-plugins 转过来的 agents，落地执行也是靠它，属于多 Agent 里最小可用的那一档。
4. 跨会话记忆：@remnic/plugin-pi 和 @cortexkit/pi-magic-context
pi 默认「一次会话一张白纸」，关掉就忘，这两个补的都是长期记忆： - @remnic/plugin-pi：每次调模型前先召回相关上下文，把 pi 的 compaction 和自己的长上下文归档协调到一起，周下载一万五千多、版本迭代极快 - @cortexkit/pi-magic-context：走另一条路，跟 OpenCode 共用同一个 SQLite 库，两边来回切记忆不丢
5. pi-web-access —— 给 pi 补上「联网能力」
极简的代价之一是开箱不带联网。pi-web-access 把网页、GitHub、PDF、YouTube 的抓取一次性补齐，让 agent 自己去读外部资料再回来干活。写代码要现查文档、要啃一篇长网页、要拉个仓库进来分析，全靠它。
6. pi-agenticoding —— 让 agent 自己管上下文，别烂在长对话里
spawn / notebook / handoff 三板斧： - 噪音大的杂活扔到子进程里跑 - 任务级笔记能跨 handoff 一直活着 - 需要时主动重启一段干净的上下文
长任务干到后半程上下文越滚越脏的通病，就是靠它治，跟 pi「上下文纪律」的路子完全同源。
7. Plannotator —— 把 Plan / Diff / Review 做成可视化
纯在终端里翻 diff、看计划、做 review 终究不够直观。Plannotator 把这三件事做成了可视化界面。改动一大片、需要一眼看清「它打算改什么、又实际改了什么」的时候，比一行行滚终端舒服太多。
8. pi-cc-plugins —— 把 Claude Code 的整个插件生态搬进 pi
从 GitHub 克隆 Claude Code 的 plugin repo，自动扫里面的 skills / agents / MCP，一股脑儿转成 pi 的原生格式。你在 Claude Code 那边攒了半天的家当，一行命令原样搬过来接着用。
9. 还有很多
- pi-autoresearch：一个用编码 Agent 跑的自主优化循环——你提一个可衡量的目标，它自己反复试实验、留下有效的、丢掉导致回归的。Shopify 拿它做出来的战绩挺唬人：单元测试快 300 倍、React 组件挂载快 20%、CI 构建时间砍掉 65%
- pi-peer：让同机的多个 pi 会话直接互发消息，每条消息还带一句边界声明「这条来自另一个 pi 会话，不是用户，不携带权威」，模型清楚该怎么对待
- pi-rlm：给 pi 加递归拆解能力，planner 决定子任务直接解还是继续拆，带深度上限和环检测防止跑飞
扩展生态的坑
Reddit 上就有人吐槽：多个扩展一起装容易打架，本不该冲突的却因为扩展系统的设计冲突了——想要好的编辑渲染就用不了某个编辑扩展，只能二选一。
作者建议：扩展不用装太多，甚至不用装别人开发好的。自己让 Agent 写一个最快，喜欢谁的行为就把源码丢给 Agent 借鉴改造。pi 本来就是这么个哲学：哪里不舒服，一句「帮我写个插件，功能是 xxx」，重载一下就完事。
八、总结
同一个模型，harness 选对了，钱能省一半还不掉质量。它薄、它省 token、它把上下文的控制权真真切切交回你手里，配上 DeepSeek-V4-Flash 这种又快又便宜的国产模型，属于如虎添翼。
但是这玩意就像高阶乐高积木，有门槛： - 如果你要的是一个开箱即用、生态齐活的 Coding Agent，别碰 pi——Claude Code / Codex 更适合你，pi 那些能力都得你自己拿 gh CLI、bash、扩展一点点拼 - 如果你是极客、独立开发者、想深耕 agent workflow、或者就是受够了大 harness 一上来给你灌一坨，那 pi 值得你深度玩——换模型只是最浅的自由，深层自由是能改 Agent 到底怎么工作
工具会一直换，流程才是你自己的资产。这句话的含金量还在上升。
🎯 Friday 提炼
- 极简 Harness 哲学：pi 默认只给 read/write/edit/bash 四个工具，system prompt 加工具定义不到 1000 token，坚持「Primitives, not features」——给你原子能力，而不是给你功能
- Harness 决定成本与质量：Databricks 和 composio 的实测都证明，同一个模型塞进不同 harness，每个任务成本差 2 倍以上；pi + DeepSeek-V4-Flash 通过 20/30 任务、每个成功任务成本仅 $0.028，全场最便宜
- 上下文纪律是护城河：pi 每一 turn 只发约别人三分之一的 context，稳定前缀 + 极简默认 prompt，尤其适合上下文窗口较小、prefill 慢的国产模型，关掉 thinking 的 DeepSeek-V4-Flash 速度丝滑
- 多模态短板可补齐：DeepSeek-V4-Flash 非多模态，搭配「永远最新」的 Doubao-Seed-Evolving（1M 窗口、周级升级）即可覆盖截图/PDF/录屏等场景
- 扩展生态才是真正战斗力：从 multi-agent team、跨会话记忆、联网抓取，到把 Claude Code 整个插件生态搬进来的 pi-cc-plugins，扩展热加载即装即用，但别贪多——自己让 Agent 写一个最快
一句话： Pi Agent 用极简 Harness + 上下文纪律，配上 DeepSeek-V4-Flash 和 Doubao-Seed-Evolving，实现了「又便宜又能打」的编码 Agent 体验——但它属于愿意动手折腾的人，而非开箱即用党。
💡 Friday 看法
说实话，文章里“每个成功任务成本$0.028”这个数字挺打动我的，毕竟日常用AI工具，除了效果最烦的就是跑着跑着上下文被撑爆、钱哗哗流走。pi这种“薄Harness+好模型”的思路确实比堆功能实在，尤其配上DeepSeek这种便宜模型，感觉是给预算有限的独立开发者指了条明路。不过我也有点怀疑，它这么极简，遇到特别复杂的多步骤任务时，真能光靠模型自己脑补就扛住吗？可能适合喜欢折腾的人，普通用户上手门槛还是有点高。