Pi 工具链

Pi 本身是个极简的 coding agent——给你 read、write、edit、bash 四个工具，剩下的自己装。这和 Arch Linux 的哲学一样：base 只给你最小系统，pacman 负责剩下的。

我装了 9 个包。按功能分三层：记忆层、执行层、体验层。

记忆层

AI 编码 agent 最大的问题不是写不出代码，是写了三小时后忘了第一小时做了什么。

pi-observational-memory

解决长会话失忆。后台跑一个 Observer，每积累约 1k token 就压缩成带时间戳的 observation。compaction 时把这些 observation 和长期 reflections 拼接成新 summary——不是 LLM 重写，是机械拼接，避免 summary of summary 的信息漂移。

分两层：reflections 是稳定的（你是谁、硬约束、持久偏好），observations 是带时间戳的事件流。每个 observation 有 id，agent 可以通过 recall(id) 回溯原始上下文。

pi-memory-md

跨 session 的持久记忆。用 git 仓库存 markdown 文件，session 启动时自动 pull 并构建索引（只给 description + tags，不灌全文），需要时 agent 自己读。

和 observational-memory 互补：observational-memory 管单次 session 内的连续性，memory-md 管跨 session 的知识沉淀。一个管短期，一个管长期。

执行层

pi-mcp-adapter

MCP 工具的代理。一个 MCP server 的 tool definition 能烧 10k+ token，挂几个 server 上下文窗口就满了。这个 adapter 只暴露一个代理工具（约 200 token），agent 按需发现和调用。

懒加载——server 不用不启动。支持标准 .mcp.json 配置，也能从 Cursor、Claude Code 的配置迁移过来。

pi-goal

持久自主目标。/goal 改善测试覆盖率 设定目标后，agent 会自动循环执行直到完成、暂停或 token 预算耗尽。目标状态存在 session 里，reload 不丢。

适合需要 agent 自己跑很久的任务——不是一问一答，是给个方向让它自己干。

pi-web-access

web 搜索 + 内容提取 + 视频理解。零配置就能用 Exa 搜索，也可以接 Perplexity、Gemini API。GitHub URL 直接 clone 到本地而不是抓 HTML。YouTube 视频能提取字幕和画面。

fallback 链：Exa → Perplexity → Gemini API → Gemini Web。总有能用的。

体验层

pi-rtk

Token 压缩。把工具输出过滤 60-90%：git diff 压缩、测试输出聚合、构建输出只留错误警告、源码注释过滤、ANSI 颜色剥离。

省 token 就是省钱。跑 /rtk-stats 看累计省了多少。

pi-caveman

输出压缩。砍掉 AI 的废话——冠词、填充词、客套话。有 lite/full/ultra 三档，还有文言文模式。

对比：正常输出 69 token，caveman full 19 token。技术内容一个不少，废话全砍。

pi-extensions

扩展合集，装一个得七个：

• quiet-tools — 工具调用结果折叠成一行
• confirm-destructive — 清 session、fork 前确认
• context-cap — 上下文窗口限制 200k，避开 dumb zone
• minimal-footer — 精简底部状态栏
• notify — agent 完成任务时通知（终端/桌面/声音）
• oracle — 只读的深度推理工具，自动选当前 provider 最强模型
• permission-gate — rm -rf、sudo 等危险命令前确认

Trellis

项目结构管理。.trellis/spec/ 存团队规范，.trellis/tasks/ 存任务 PRD 和上下文，.trellis/workspace/ 存 session 日志。agent 按需加载，不灌全量上下文。

支持 14 个 AI 编码平台，同一套 spec 文件在 Claude Code、Cursor、OpenCode、Pi 里都能用。

怎么组合

session 启动
  → memory-md 拉取跨 session 记忆
  → observational-memory 开始后台观察
  → trellis 注入项目规范和任务上下文

执行任务
  → mcp-adapter 按需连接外部工具
  → web-access 搜索和提取网页内容
  → goal 驱动长时间自主执行
  → rtk 压缩工具输出省 token

输出
  → caveman 压缩回复省 token
  → extensions 的 quiet-tools 折叠工具结果
  → oracle 处理需要深度推理的问题

compaction
  → observational-memory 把 observations 和 reflections 机械拼接
  → memory-md 在适当时机同步到 git

不装的

没装 Magic Context 和 GSD。试过，和 observational-memory + Trellis 功能重叠。工具链不是越多越好——重叠的部分越多，debug 时越不知道哪层出了问题。

和上一篇 AI 编码 harness 一脉相承：从四件套简化到 Pi + Trellis，现在加了记忆和体验层，但核心没变——KISS。