夜雨聆风一、先回答最直接的问题：Pi到底是什么？
如果你去GitHub搜earendil-works/pi，你会看到一个AI项目。很多人第一反应是：“哦，又一个开源的Cursor替代品。”
这个理解对了一半，也少了一半。
通俗地说：Pi是一套“AI机器人的乐高底板”。它自带了一个能用的机器人（命令行工具pi），但更重要的是，它提供了让你自己组装、改造、定制机器人的全部零件。
专业地说：Pi是一个面向软件工程场景的AI Agent框架（Agent Harness），包含Agent运行时、统一LLM接口、工具调用系统、状态管理、会话组织和扩展机制。它解决的问题不是“怎么用AI写代码”，而是“怎么构建、运行和管理自己的AI工作流”。
二、它和市面上其他AI编程工具有什么区别？
这是理解Pi的关键。
市面主流产品（比如Cursor、Windsurf）：
· 定位是成品应用
· 像一辆组装好的车，你坐进去就能开
· 体验顺滑，但你能改的只有方向盘和座椅位置
· AI模型、工具链、工作流都是厂商定好的
Pi的定位：
· 定位是框架+应用
· 像一套底盘、发动机和转向系统，附赠一个基本车型
· 你可以把它当普通车开，也可以把它改成货车、越野车甚至工程车
· AI模型可以换，工具可以装，工作流可以定制，还能嵌入你自己的系统
一句话总结：Cursor给你一个“好用的AI”，Pi给你一个“能自己定义AI怎么工作”的能力。
三、Pi的三个核心设计，让它不只是“又一个助手”
1. 模型层可插拔——不被任何一家AI公司绑架
Pi的@earendil-works/pi-ai模块提供了一个统一的LLM API接口，支持OpenAI、Anthropic、Google、Ollama、vLLM、LM Studio等。
通俗理解：Pi就像一台能插各种卡的电话机。你不想用移动卡，可以换联通卡；你觉得商业卡太贵，可以插自己本地训练的卡。上层打电话的功能不变，但底下的网络随你选。
专业价值：不同任务适合不同模型——代码修改要强推理，长文档阅读要长上下文，批量任务要低成本，内部数据可能需要本地部署。模型层抽象让这些切换变得可控、可运维。
2. Agent运行时（Runtime）——把“AI干活”这件事做成工程系统
做一个能聊天的AI很简单，几行代码就能跑。但做一个能稳定干活、能恢复状态、能处理错误、能记录历史的AI Agent，涉及大量工程细节。
Pi的@earendil-works/pi-agent-core负责：
· 维护对话状态、模型配置、系统提示词
· 管理工具注册与调用
· 处理流式输出和错误暴露
· 支持会话持久化和状态恢复
通俗理解：就像一个工厂不仅给你工人，还给你考勤系统、维修流程和应急预案。工人请假了（模型断开），系统能恢复；工具坏了（命令报错），有错误处理机制。
专业价值：Agent从Demo到生产环境，差距全在细节。Pi把这些细节封装成可复用的Runtime组件，开发者不需要每次从零处理状态机、工具路由和错误边界。
3. 扩展系统——让团队能沉淀自己的“AI工作法”
Pi支持TypeScript扩展、Skills（技能包）、Prompt模板、主题和Packages。
通俗理解：一个公司有自己的一套做事规矩——代码怎么写、文档怎么标、流程怎么走。Pi允许你把这套规矩打包成一个“技能包”，成员安装后，AI就自动按公司规矩干活。新人入职装个包，就能和老员工用同样的AI工作法。
专业价值：这是Pi区别于消费级产品的地方。它允许组织将内部知识、规范和工具链编码为可分发、可版本管理的扩展组件，使AI能力与组织流程同步演进。
四、Pi的两种使用方式
方式一：直接使用（面向普通用户）
安装pi命令行工具后，在终端里让AI读代码、改文件、运行命令、回答问题。这是Pi最直观的应用形态，体验类似于一个“终端里的AI结对程序员”。
方式二：二次开发（面向开发者和团队）
· 用SDK构建自己的Agent
· 通过RPC Mode或JSON Event Stream Mode把Pi嵌入现有系统
· 编写扩展和Skills，定制团队专属工作流
· 在多个模型间切换，配置本地或云端部署
五、为什么说它的价值在“框架化”而不在“应用”？
做一个AI编程助手，技术上不难。难的是做一个可持续维护、可扩展、可嵌入、可团队协作的Agent系统。
Pi把这件事拆成了工程上可复用的层次：
· 底层：统一模型API（pi-ai）
· 中层：Agent运行时（pi-agent-core）
· 上层：命令行应用（pi-coding-agent）和其他接入方式
这种分层设计的价值在于：每一层都可以独立替换和扩展。你不需要为了换一个模型而重写整个Agent，也不需要为了加一个工具而修改核心代码。
六、Pi适合谁？不适合谁？
适合：
· 想理解Agent内部工作原理的开发者
· 需要构建内部AI工作流的工程团队
· 关注多模型切换和本地部署的人
· 希望把AI能力嵌入自有系统的组织
不太适合：
· 只想立刻有个顺滑AI编辑器，不想折腾配置的用户——成熟商业产品体验更好
· 对终端和命令行不熟悉的用户——Pi的当前形态对非技术用户有一定门槛
七、最后：2026年的一个信号
2026年5月，Pi迁移到earendil-works组织，npm包统一为@earendil-works scope，0.74.0是新体系下的首个版本。
这不仅是仓库搬家，更是一个信号：Pi正在从个人项目向组织化、长期维护的开源框架演进。有文档站、有包体系、有扩展目录、有版本管理——对于一个框架级项目，这些是承诺长期可用性的基础设施。
Pi值得关注，不是因为它多了一个AI编程界面，而是因为它把“Agent工程”这件事做成了可复用的基础设施。
未来的AI编程工具不会只有一种形态。有人做完整IDE，有人做企业平台，也会有人需要像Pi这样的底层框架——让自己能搭建、定制、嵌入AI工作流。
Pi的机会就在这个夹层里：它不是离用户最近的成品，但它是让懂技术的人能造出成品的底座。
GitHub：https://github.com/earendil-works/pi
