夜雨聆风摘要建议：pi 默认只有四个工具：读、写、改、跑。但装上这 7 个插件后，界面、上下文、缓存、能力直接拉满——省 98% 上下文的 context-mode、接 MCP 不烧 token 的适配器、派子代理干活的 subagents。附安装命令，一篇看懂。
你有没有这种感觉：AI 编码助手用着用着，越来越"笨"？
问它项目结构，它刚读完文件就"失忆"；连上几个外部服务，上下文窗口先烧掉一半；让它提交代码，连 Git 状态都搞不清楚……
不是模型不行，是工作台没搭好。
今天分享我在 pi 上真实安装的 7 个插件。pi 默认只有四个内置工具——读文件、写文件、改文件、跑命令，少得可怜。但它的哲学是：
基础功能少得可怜，扩展之后无所不能。
这 7 个插件，就是把它从"裸奔"调教到"全能"的关键。
先看全景
界面体验
pi-open-tui：动画头部 + Starship 状态栏 + 圆角编辑器
思考控制
pi-effort：一句话切换思考档位
上下文与缓存
context-mode：省 98% 上下文，大文件不进对话 pi-cache-optimizer：提高缓存命中率，省钱
能力扩展
pi-mcp-adapter：接 MCP 生态，几乎不烧上下文 pi-subagents：派子代理并行干活 pi-provider-kimi-code：把 Kimi Code 接到 pi
安装只需要一条命令
去哪找插件：pi 官方插件目录 https://pi.dev/packages ——按分类浏览、看安装量，找到合适的直接抄包名安装。
pi 的插件大多发布在 npm，命名习惯是 pi-<name>。装一个：
pi install npm:pi-open-tui装完用 pi list 查看已加载的插件，pi update --all 统一更新。
不想长期安装？pi -e npm:pi-open-tui 只体验一次，不写入配置。想精细控制每个包加载哪些功能，pi config 打开图形界面勾选即可。
插件清单最终存在 ~/.pi/agent/settings.json 的 packages 数组里，一目了然，也能手工改。
界面：看得舒服，才用得久
pi-open-tui：开箱即用的精致皮肤
这是我日常看到的"皮"，三层打磨：
动画 logo 头部：16 帧变色动画 + "Let's build something great" 标语 Starship 风格页脚：当前目录、git 分支、运行时版本、上下文用量、模型、token、成本，一行全看清 圆角编辑器：干净边框 + 60+ 运行时检测（Node、Rust、Go、Python、Swift……）
最实用的是回合遥测：每轮跑完，页脚会显示生成速度、卡顿次数、token 和成本——优化提示词时有了量化依据，不再靠感觉。
> TPS 42.5 tok/s | TTFT 1.2s | + 29.7s | ↑ 567 | ↓ 1.2k | ! stall 1x | $ $3.60/M一句话点评：装完即用的"颜值担当"，推荐第一个装。
上下文：省钱省脑子的关键
context-mode：让 700KB 日志不吓人
AI 助手越用越"笨"的最大原因，是上下文窗口不够。context-mode 自称能省 98% 上下文，靠两条腿：
沙盒代码执行：大文件、大日志不直接进对话，先在沙箱里跑代码过滤、聚合、统计，只把摘要带回来 本地知识库检索：把文档、命令输出索引进 FTS5 知识库，按需查，不占常驻上下文
典型用法——让它看构建日志：
帮我看看这个 700KB 的构建日志为什么失败它会在沙箱里只筛出 ERROR 行分析，而不是把 700KB 全塞进对话。思考在代码里完成，只有结论进入上下文，这是它和普通插件的本质区别。
安装比普通插件多一步（它同时是 MCP server）：
npm install -g context-modepi install npm:context-mode# 再到 ~/.pi/agent/mcp.json 注册，输入 ctx stats 验证一句话点评：上下文焦虑者的解药，装完立刻觉得"脑子够用了"。
pi-cache-optimizer：缓存命中 = 省钱
用 API 按 token 计费时，缓存命中率直接决定成本。这个插件专门优化缓存：
把稳定的系统提示前置、动态内容后置，提高命中率 压缩技能列表，消除会话概览的抖动 为 OpenAI 兼容接口补 prompt_cache_key回退页脚显示每日累计的缓存统计
常用命令：
/cache-optimizer # 查看缓存状态/cache-optimizer stats # 今日统计/cache-optimizer fix # 自动修复兼容项（先预览再确认）一句话点评：花 1 分钟装上，长期省下一笔可观的 API 账单。
能力：把外部生态接进来
pi-mcp-adapter：MCP 好用，但别烧上下文
MCP 生态很丰富：数据库、浏览器、各种 API。但工具定义太占 token——一个 server 可能烧掉 1 万+ token，连几个 server 会话还没开始就烧掉半个窗口。
pi-mcp-adapter 的解法：只暴露一个代理工具（约 200 token），agent 按需发现工具，server 用到才启动。
// .mcp.json - 项目级配置{"mcpServers": {"chrome-devtools": {"command": "npx","args": ["-y", "chrome-devtools-mcp@1.6.0"]}}}如果已经在 Cursor / Claude Code 配过 MCP，一条命令导入：
/mcp setup它扫描检测到的宿主配置，让你挑选导入，先预览再写入，不乱动原配置。
一句话点评：想用 MCP 又不想付上下文代价的人，闭眼装。
pi-subagents：让分身帮你干活
pi 可以把任务委托给专注的子代理——父会话是主脑，子代理是带着明确任务的独立小会话，跑完把结果带回来。
不需要任何配置，装完直接用自然语言：
用 reviewer 审查一下这个 diff。并行跑三个 reviewer：一个查正确性，一个查测试，一个查过度复杂。内置角色各有分工：scout 侦察代码库、researcher 调研、planner 做计划、worker 实施、reviewer 审查、oracle 给第二意见。
支持链式（一步步串行）、并行（多个子代理同时干）、后台任务（异步跑完再看）。
/chain scout "扫描 auth" -> planner "设计重构" -> worker "实现"我还会把高频子代理换成便宜模型，成本控制效果明显：
{"subagents": {"agentOverrides": {"reviewer": { "model": "deepseek-v4-flash" }}}}一句话点评：等于给 pi 雇了一群实习生，各干各的活。
pi-effort：一键切换思考档位
不同模型对"思考档位"的叫法不一样，有的支持 low/medium/high，有的支持到 xhigh。这个插件用一条 /effort 命令按模型自动映射：
/effort max # 切到当前模型最高思考档/effort off # 关闭 thinking/effort options # 看当前模型支持哪些档切模型时它会自动把档位钳制在新模型能力范围内，不会报错。快捷键 Ctrl+Shift+E 循环切换。
一句话点评：小插件解决大麻烦，模型党的日常必备。
pi-provider-kimi-code：把 Kimi Code 接到 pi
pi 已经内置了 Kimi 的 LLM 层，这个扩展补上剩下的部分：与官方 kimi-code CLI 共享登录态、文件上传、Kimi 原生工具。
/login kimi-coding # OAuth 登录，自动同步登录态/kimi-settings # 查看额度、开关工具装上就有三个实用工具：moonshot_search（网页搜索）、moonshot_fetch（抓取网页）、kimi_datasource（统一数据源：股票、天眼查、论文等）。大图超过阈值会自动上传到 Kimi Files API，减少 payload。
一句话点评：Kimi 用户必装，把两边生态打通。
我的组合拳：一个典型的干活流程
插件不是孤立的，实际用起来环环相扣：
1. "查一下项目的数据库 schema" → pi-mcp-adapter 按需启动 MCP server2. "把构建日志统计一下错误率" → context-mode 在沙箱里过滤，只回传摘要3. "改完这些文件，用 reviewer 审查这个 diff" → pi-subagents 派出 reviewer 后台审查4. "提交并推送" → pi 内置工具跑 git，cache-optimizer 在页脚同步展示成本写在最后
插件不是越多越好，关键是各司其职：
界面负责看得舒服，上下文插件负责省脑子，缓存插件负责省钱，能力插件负责扩展边界。
如果你也在用 pi（或 Claude Code、Cursor），不妨照着这份清单搭一套自己的。装完你会发现：不是 AI 变笨了，是工作台该升级了。
觉得有用的话，点个小红心❤️，分享给需要的朋友；想看我拆解某个插件的深度用法，评论区告诉我，下期安排。