夜雨聆风当所有人都在给AI疯狂堆功能的时候，有人反其道而行，把工具砍到只剩四个，system prompt压到不足1000 tokens。
结果呢？
Databricks拿自家几百万行代码库实测，同一个模型换上这层"薄壳"，任务成本直降一半以上，性能持平甚至更优。
这场发生在2026年coding agent赛道的实验，给出了一个极其反直觉的结果。
主角叫Pi，一个GitHub星标超过8万的开源项目，官网写着一句极度嚣张的slogan："There are many agent harnesses, but this one is yours."
先搞懂一个词：什么叫"harness"
你用过Claude Code、Cursor、Codex这些工具吧？
它们背后的大模型其实都差不多，使用体验上的"聪明"或"笨"，往往取决于包在模型外面的那层壳，业内叫它harness（挽具）。
打个比方：模型是发动机，harness就是整辆车的底盘、仪表盘和变速箱。
同一台发动机装进不同的车里，油耗、操控、百公里加速，全都不一样。
Harness负责把你的指令和代码仓库的上下文塞进prompt，执行模型给出的工具调用，再把结果喂回去，如此循环。
它还会附带权限管理、子代理、计划模式、MCP插件市场等一大堆"开箱即用"的功能。
问题就出在这儿，每一个"开箱即用"的功能，都在悄悄烧你的钱。
Databricks的铁证：同一模型，换个壳，账单翻倍
2026年7月8日，Databricks发了一篇硬核论文，标题很朴素：《在Databricks多百万行代码库上基准测试Coding Agents》。
作者阵容豪华，包括联合创始人Matei Zaharia。
▲ Databricks博文：不用公开基准（怕数据泄漏），直接拿自家真实工程任务测
他们绕开SWE-Bench这类可能已被模型"背过"的公开基准，直接采用工程师日常处理的任务，横跨Python、Go、TypeScript、Scala等十多种语言，在Bazel/Protobuf等内部架构上实打实地测。
核心发现如下：
- 同模型同thinking effort，Claude Code/Codex与Pi对比，任务成本差异超过2倍，质量持平。
- Pi每轮大约少送3倍上下文
，工作集更紧凑，用更少轮次完成任务。 端到端成本还取决于token消耗和运行轮次，Sonnet 5单价更便宜，但因为读更多、跑更久，反而比Opus更贵且完成率更低。
用人话翻译：你以为在选模型，其实在选壳。
壳的"隐形税"可能比模型差价还大
▲ 第三方排行站HarnessRank：Pi以约76%通过率、$0.35/任务成本登顶
独立排行站HarnessRank随后在"固定模型、固定基准、只换harness"的条件下给出了更直观的画面：Pi约76%通过率，uncached tokens约35K，单任务成本约$0.35，排在它后面的几个重型选手，token消耗和成本都显著更高。
"少"凭什么能赢？一个反常识的工程哲学
Pi的创造者Mario Zechner是个有趣的人。
他曾是Claude Code的长期用户，但越用越觉得，"它像一艘太空船，80%的功能我永远用不到，剩下20%的功能还在不断改版打断我的工作流。"
▲ Mario的个人博客手记：标题直译就是"我从构建一个固执己见的极简coding agent中学到了什么"
于是他拆出了Pi，设计哲学极端到令人发指：
- 默认只有4个工具
：read、write、edit、bash。没了。 - System prompt与工具定义合计低于约1000 tokens
，同期Claude Code的system prompt可以膨胀到万级tokens。 - 不内置MCP、不内置子代理、不内置权限弹窗、不内置计划模式、不内置todo、不内置后台bash。
他在博客里写了一个标题叫"What we didn't build"（我们没做什么），把这份"不做清单"当成产品宣言。
Pi用扩展系统补足能力，你需要什么功能，用pi install装上就好，或者直接让Pi自己写一个扩展再/reload。
复杂度只在赚回成本时才被引入
▲ 官方展示扩展SDK：用TypeScript注册自定义工具，订阅生命周期事件
社区里Thomas Schranz用三行字概括了Pi的核心竞争力：fewer tools, smaller system prompt, less context spam，更少工具、更短提示词、更少上下文垃圾。
▲ "Less is more"，这条引用转发概括了Pi的极简设计
Shopify的魔法时刻：极简如何长出"过夜研究循环"
如果Databricks的故事是"省钱"，那Shopify的故事就是"省钱的同时还能整大活"。
Shopify工程师David Cortés有一个痛点：CI流水线因为视觉回归测试反复失败，每次等待约半小时。
他受到Karpathy Autoresearch理念的启发，让agent在可度量指标上无限循环试错。
他打开Pi，敲了一句："Pi, create an extension for Autoresearch…"
▲ Shopify Engineering博文：David与CEO Tobi Lütke联手把Autoresearch从个人实验推成公司级武器
Pi读了自己的扩展文档后，在大约半小时内搭出了一个完整的自治优化循环：设定指标 → 测baseline → 每轮提出假设并实验 → 快了就保留、崩了就丢弃 → 永不停止。
结果？
Polaris构建从约19.1秒起步，提速约65%。
Shopify CEO Tobi Lütke亲自在上面改了32个commit，把Liquid模板引擎跑出解析+渲染快约53%、对象分配少约61%的结果，然后推动开源为pi-autoresearch。
▲ 开源仓库已获7300+星标：pi install npm:pi-autoresearch一行命令即装
公司内部#autoresearch-wins频道接连出现成果：单元测试快约300倍、React组件挂载快约20%、pnpm构建提速……那些"没人愿意排进sprint的苦力优化"，被扔给agent跑了一整夜。
三十分钟长出专用工作流，展现了"极简即优势"最锋利的一面。
争议从未停止
当然，也有人不买账
开发者Alec Zakhary在主帖下丢出一句冷箭："多数agent框架先帮你省一周，然后收一整年的利息。
抽象一多，每一层都是排查故障时的新坑。
我宁愿要一个五分钟读完的小循环"
▲ "框架先帮你省一周，然后收一年利息"，这句话被大量转发
中文社区也有冷静声音：把Pi当作"开箱即更聪明的Claude Code"一定会失望。
它的官方定位就是minimal terminal coding harness，能力要靠extension/skill自己补。
插件堆太多还会拖慢路由、扩大信任面，极简的代价是你必须自己提供结构。
还有一个让安全从业者皱眉的事实：Pi默认不弹权限确认，YOLO模式全开。
Mario认为权限弹窗多数只是安全剧场，生产隔离应交给容器和断网环境。
他选择把风险直接写进文档，拒绝为虚假安全感增加负担。
这个判断仍有争议
但至少，它在工程上是诚实的
一场正在发生的范式翻转
▲ Pi官方主帖：以Databricks与Shopify案例解释极简设计的成本与性能优势
把视野拉远，Pi的故事其实是行业变革的一个切片：当模型能力趋近，包住模型的那层"壳"开始主导你的账单、你的可控性、乃至你的工程文化。
过去三年，开发者的进化路径是：ChatGPT复制粘贴 → IDE补全 → Cursor编辑器 → 终端coding agent。
一旦进入agent阶段，"常驻上下文税"就变成了一阶成本。
每个子代理复制一份大工具表，每个MCP把极少使用的schema每轮塞进窗口，每次计划模式插入隐藏指令，演示时像"更智能"，账单上像"固定月租"。
Pi的回答是：把税率降到接近零，再允许你按需加回来。
Databricks的结论提醒人们：某一harness无法保证永远更便宜，模型选择也只是拼图的一块。
他们为此投资了Omnigent元系统，在模型和harness之间自由切换。
行业的关注点已经落到可替换的壳与路由上。
而Pi，这个四件工具、不足千token的极简造物，恰好站在了这个转折的风口上。
有人在Hacker News上的总结可能是最好的注脚：
2026年的护城河将落在harness。优秀的harness会用尽可能少的工具满足模型。