夜雨聆风嗨，我是小华同学，专注解锁高效工作与前沿AI工具！每日精选开源技术、实战技巧，助你省时50%、领先他人一步。👉免费订阅，与10万+技术人共享升级秘籍！
不用Copilot，不用Cursor：程序员开始把AI搬进终端。你有没有过这样的经历——想用AI帮写代码，结果要在浏览器、IDE、终端之间来回切换，Copilot要收费，ChatGPT要翻墙，Cursor吃内存，好不容易配置好了，开发节奏也碎了。
我最近挖到一个开源项目，叫 pi（π），定位很有意思：极简终端编程Harness。它不需要图形界面，不需要IDE插件，直接在你的终端里跑AI编程，而且支持15家以上的模型提供商。
今天就把我的使用体验完整分享出来。
背景：为什么终端编程值得关注
先说一个判断：未来两年，AI编程的主战场会从GUI转向CLI。
原因很简单。GUI工具的响应速度受限于渲染层，而终端程序可以直接拿到stdout，在毫秒级别上反馈结果。更重要的是，程序员每天有大量时间泡在终端里，工具越靠近工作流，效率损耗越小——pi正是沿着这个方向做的减法。
目前市面上的AI编程工具分两类：一类是GitHub Copilot、Cursor这类GUI插件，功能强但侵入性高、资源消耗大；另一类是直接调用API的脚本，需要自己处理流式输出、上下文管理和多轮对话。pi做的事情，是在这两者之间找到一个极简的平衡点。
它本质上是一个Harness——你可以理解为"AI编程的脚手架"，帮你把模型、工具、会话管理这些脏活累活封装掉，你只需要专注写prompt和看结果。
核心原理：模块化架构与树形会话
pi整个项目由5个核心包组成，分工非常清晰：
pi-agent-core 是运行时核心，负责Agent的工具调用和状态管理。你可以把它理解为AI编程机器人的"大脑"，它知道什么时候该调用什么工具，怎么维护多轮对话的状态。
pi-ai 是统一接口层，同时支持15家模型提供商。这个设计很实用——你不需要因为换模型而去学习新的API，直接在配置里改一行就能切换。支持列表包括OpenAI、Anthropic、Google、MiniMax、小米MiMo等国内外主流平台。
pi-coding-agent 是对外的CLI入口，封装了4种运行模式：交互模式、JSON模式、RPC模式和SDK模式。这里重点说一下交互模式——它会在终端里跑一个实时UI，效果大概是这个样子：
这个UI用的是pi-tui（pi自己的终端UI库），实现了差分渲染——简单说就是只更新变化的部分，所以不会有闪烁感，体验比传统终端程序流畅很多。
还有一个我认为是杀手级的特性：树形会话结构。传统的AI编程工具都是线性对话，你问完一个问题，下一个问题是在前一个答案基础上继续。但实际开发中，你会发现一个分支跑偏了想回到之前的节点，或者同时探索两种方案，线性结构就很不方便。pi的树形结构允许你随时开分支、切换分支，甚至把整个会话分享成HTML文件发给同事。
功能能力：四大模式覆盖真实开发场景
说几个我实际用下来觉得有价值的场景。
场景一：日常代码补全和片段生成。 交互模式下，你直接在终端描述需求，AI返回代码片段，确认后粘贴进文件。这比在浏览器和IDE之间切换快很多，尤其适合单文件修改这种轻量场景。
场景二：JSON模式做自动化脚本。 如果你需要把AI编程接入自己的流水线，JSON模式可以直接返回结构化的结果，方便你做解析和后续处理。比如自动生成测试用例、自动写文档注释，这类需求用JSON模式非常顺手。
场景三：RPC模式做远程服务。 把pi当成一个本地AI服务启动，你的其他程序可以通过RPC调用它。这对于需要在团队内部署统一AI编程能力的场景很实用。
场景四：SDK模式嵌入自己的应用。 pi提供了完整的SDK，如果你想在自己的工具里集成AI编程能力，直接import就能用，不需要自己实现模型调用和状态管理。
另外值得提的是扩展性。pi支持TypeScript扩展（Extensions）、技能包（Skills）、提示模板（Prompt Templates）和主题（Themes）。这意味着你可以把它定制成自己团队的工作流——比如定义一套符合你们代码规范的提示模板，或者开发一个内部专用的扩展。
上图是社区里的一个Doom扩展，把AI对话做成了游戏风格——虽然不是刚需，但说明这个扩展体系的灵活性是真实存在的。
应用场景：谁适合用pi
我的判断是，已经习惯在终端工作、有一定自主配置能力的开发者，是pi的核心用户。如果你符合以下特征，pi大概率会进你的日常工具箱：
每天大量时间在终端里工作，用Tmux/Screen分屏，讨厌频繁切换窗口；对某个特定模型有偏好（比如你只用MiniMax或者只用Claude），不想被绑定在某个IDE的生态里；团队需要一套统一的AI编程脚手架，但要保持各自的本地环境干净。
反过来说，如果你追求开箱即用、零配置，或者你需要的是深度IDE集成（如实时代码检查、引用跳转），现有的GUI工具链还是更成熟的选择。
还有一个值得关注的场景：上下文工程（Context Engineering）。pi原生支持AGENTS.md和SYSTEM.md这类上下文注入文件，并且内置了Compaction自动摘要功能——当对话上下文过长时，会自动压缩保留关键信息。这对于处理大型代码库、复杂多轮调试非常有帮助。
部署使用：5分钟上手
pi的安装非常简单，一行命令搞定：
或者如果你用npm：
安装完成后，首次运行会引导你配置API Key。pi支持环境变量配置，也支持交互式输入。建议把Key放到环境变量里，省去每次输入的麻烦。
基础使用：
配置文件在 ~/.config/pi/config.json，你可以在这里预设默认模型、主题、扩展等。
文档这块目前还比较简略，高级功能的配置说明不够充分。不过项目源码注释覆盖率超过70%，关键函数都有使用示例和参数说明，TypeDoc文档也比较完整——看源码基本上能完整还原用法，这对于开源项目来说是加分项。
总结
用了一段时间，我的感受是：pi是一个定位清晰、克制做减法的项目。它没有试图做一个功能堆砌的"AI IDE"，而是专注于把终端编程这件事做透。
工具越靠近工作流，效率损耗越小——这是pi最底层的逻辑，也是它最值得被关注的原因。
核心优势总结三点：
第一，多模型统一接口，换模型成本极低；第二，树形会话结构，真正解决了开发过程中的分支探索需求；第三，模块化设计，从CLI到SDK到RPC，覆盖了从个人到团队的不同场景。
项目地址
https://github.com/earendil-works/pi