ARTICLE · 1122050
这个AI编程工具只有4个功能,却跑分碾压Claude Code和Codex——Pi 1.0到底做对了什么
昨天，一个AI编程工具登顶Hacker News第一，1200+点赞。
它叫Pi，10月1日发布1.0正式版。
如果你第一次听说这个名字，很正常——它没有Cursor的花哨界面，没有Claude Code的Anthropic光环，没有Copilot的微软背书。它的界面就是个终端窗口，黑底白字，朴素得像个上世纪90年代的产物。
但它做到了一件所有竞品都没做到的事：用4个基础工具，在Composio基准测试中跑赢了Claude Code和Codex。
| Pi | 20/30 |
同样的模型（DeepSeek V4 Flash），同样的任务集，同样的MCP工具。功能最少的，赢了。
这反直觉吗？我觉得是。但读完Pi 1.0的全部资料后，我觉得这不是反直觉，是我们被功能列表洗脑太久了。
一个"系统提示词税"的故事
先说一个大多数人忽略的数字。
当你打开Cursor、Claude Code或Codex开始写代码之前，AI模型要先"读完"一大坨系统指令——告诉它怎么用工具、怎么遵守规则、怎么调用几百个功能。
这个"开课前必读材料"有多长？
- Codex CLI
：约25,450个Token - Claude Code
：约12,000-15,000个Token（估算） - Pi
：约600个Token
差了40倍。
这不是一个无关紧要的差异。每一个塞进上下文窗口的Token，都在跟你的实际代码抢空间。模型每回复一次，这些Token都会被重新处理一遍。对于本地模型或大项目来说，这就是真金白银的API费用和等待时间。
Pi的作者Mario Zechner（对，libGDX的那个Mario）把这叫做"系统提示词税"。他的逻辑很简单：功能越多，提示词越长，模型越容易被淹没在指令里，反而忘了你的代码在说什么。
所以在Pi的世界里，AI只有4个工具：
read：读文件 write：写文件 edit：改文件 bash：跑命令
没了。没有子Agent，没有计划模式，没有任务清单，没有权限弹窗。
你可能会想：就这？
对，就这。然后它跑分第一了。
那个说"死也不接MCP"的人，改主意了
Pi 1.0最大的戏剧性在于：它接了MCP。
如果你关注AI编程工具圈，应该记得Mario去年专门写过一篇文章叫《你可能根本不需要MCP》。他的论点是：MCP的工具描述每加一个就要吃掉550-1400个Token的上下文，接10个MCP服务器，光工具说明就能吃掉你一半上下文窗口。他举了Perplexity的例子——3个MCP服务器干掉了143K/200K的上下文。
所以Pi整整一年没接MCP。社区里有人骂他固执，有人说Pi要被时代淘汰了。
然后1.0版本，MCP来了。
但等等——这不是"打脸"。准确说，是换了一种姿势接MCP。
Pi 1.0的新功能叫Codemode。它的核心思路是：不再把MCP工具的描述一股脑塞给AI模型，而是给AI一个JavaScript沙箱。AI在沙箱里写代码来调用工具，像用SDK一样组合工具调用，在JavaScript层过滤结果，只有最终的精简结果才进入模型的上下文。
举个例子：Pi连接了Linear的MCP服务器和一个情感分类器，要分析167个GitHub Issue里哪些用户最沮丧。传统做法是167个Issue的工具返回全塞进上下文。Codemode的做法是：AI写一段JS代码并行处理167个Issue，分类器过滤出目标用户，最终只把"这5个人最沮丧，原因是XXX"这样一行结论返回给模型。
上下文消耗从几万Token变成了几百个。
MCP还是那个MCP，但接口从"给你40个工具说明书"变成了"给你一个可编程环境"。
这个架构转变，可能是今年AI编程工具领域最重要的技术决策之一。其他工具迟早会跟进。
虚拟模型：让Claude规划、GPT干活、Jev当裁判
Pi 1.0还有一个让我眼前一亮的新功能：虚拟模型。
简单说，你可以把多个AI模型组合成一个"虚拟模型"来用。Pi官方演示了一个案例：
- Claude Opus
负责工作规划（它逻辑最强） - Jev
（一个分类模型）判断当前是规划阶段还是实施阶段 当Jev判断进入实施阶段，自动切换给GPT 6 Luna执行代码编写
这意味着什么？你不再被"选哪个模型"这个问题困住。不同模型有不同强项——Claude擅长理解复杂逻辑，GPT擅长快速生成代码，Gemini擅长长上下文。虚拟模型让你在一次对话中把每个阶段交给最擅长的模型。
更妙的是，这个虚拟模型机制本身就是Pi的一个扩展——Pi自己给自己写了这个功能。你在Pi里说一句"帮我建一个虚拟模型路由"，它就自己写好了。
在HN的评论区，有人把这种做法类比为"AI团队管理"：你不需要一个全能的超级员工，你需要的是一个知道什么时候找谁干活的包工头。
踩坑时刻：极简不等于"开箱即用"
说了这么多好的，该泼点冷水了。
Pi的极简主义是有代价的。
第一，没有开箱即用的权限管控。默认情况下，Pi不会弹窗问"你确定要删除这个文件吗？"。在你的个人电脑上这很爽——AI说了算，效率高。但在公司环境里？你的安全团队会把你当安全漏洞处理。Pi的官方建议是"用容器隔离"或者"自己写扩展加权限门"。
翻译一下：企业用户请自备干粮。
第二，学习曲线。Pi是一个纯终端工具。没有GUI，没有拖拽，没有可视化diff。你得习惯在命令行里工作，得知道什么是tmux，得理解上下文窗口的运作方式。对于从Cursor或Copilot转过来的用户，第一天的体验大概是"我到底在用什么"。
第三，生态成熟度。Cursor有庞大的插件市场，Copilot有整个GitHub生态。Pi的"扩展"需要你自己写TypeScript代码。虽然官方提供了50多个示例扩展，但距离"开箱即用"还差得远。
我的判断：Pi目前最适合两类人——（1）已经在终端里如鱼得水的老程序员，（2）想把AI Agent嵌入自己产品的开发者。如果你是"打开就能用"的需求，Cursor和Copilot仍然是更稳的选择。
Pi Durable：一个可能被低估的"sleeper release"
同一天，Pi还发布了另一个东西：Pi Durable。
媒体几乎没报道它，但它可能是Pi 1.0里最有长远价值的部分。
Pi Durable是一个用来构建长时间运行Agent的框架。核心能力就一个：崩溃恢复。
传统的AI Agent对话，进程一挂，所有状态全丢。Pi Durable的每一步操作都会自动存检查点。进程挂了？新进程从最后一个检查点继续。工具调用中断了？标记为"安全可重试"的工具自动重跑，不安全的（比如部署、支付）直接告诉AI"这步被中断了"。
整套代码只有15,000行TypeScript，支持内存、SQLite、JSONL三种存储后端，甚至能跑在Cloudflare Durable Objects上。
想想现在的AI Agent痛点：demo很炫，生产环境一碰就碎。Pi Durable解决的就是这个"demo到生产"的鸿沟。
虽然还是实验性质，API可能还会变，但方向是对的。
结论：你应该装Pi吗？
先说结论，再解释：
- 如果你日常用Cursor或Claude Code写得舒服
：不用换。Pi不会让你在现有工作流上获得显著提升 - 如果你在折腾本地模型
：强烈推荐试试。600Token的系统提示词对本地模型来说是巨大的性能优势，尤其在大模型（Dense架构）上，Pi比Codex快2倍以上 - 如果你在开发自己的AI Agent产品
：Pi的SDK/RPC模式值得深入研究。OpenClaw就是用Pi的SDK构建的 - 如果你是架构控、喜欢搞懂底层原理
：Pi可能是目前最值得精读的Agent开源项目
我的立场：Pi不会取代Cursor或Claude Code成为主流开发工具。但它做了一件更重要的事——它证明了"做减法"在AI工具领域不是一句口号，而是可以量化的工程优势。当所有人都在往工具里塞功能的时候，Pi用4个工具跑出了最好的成绩。
这不是极简主义的胜利。这是对"功能越多=越好"这个假设的一记响亮耳光。
安装一行命令：
curl -fsSL https://pi.dev/install.sh | shMIT开源，完全免费。
说句真心话：2026年的AI编程工具赛道，不缺功能堆砌的新品，缺的是敢于说"不"的产品。Pi就是那个说"不"的家伙。你可以不用它，但你应该知道它的存在。
💬 你觉得AI编程工具应该"功能越多越好"还是"越精简越好"？评论区聊聊你的选择。