从 OpenCode 到 Pi — 我的 AI 编码助手进化之路

几个月前我还在用 OpenCode，并专门写了篇博文记录它的用法。如今已经全面切换到 Pi，一个更加极简、可扩展的终端编码助手。这不仅是工具的替换，更是我对 AI 编码助手理念的一次重构——从”使用别人的配置”，变成了”构建自己的平台”。

这篇文章记录我从 OpenCode 迁移到 Pi 的完整历程，以及我围绕 Pi 构建的整套生态体系。

1. 为什么从 OpenCode 换到 Pi？

OpenCode 是个不错的工具，Plugin/Skills 生态也挺丰富。但用久了有几个痛点：

• 扩展不够灵活：Plugin 体系绑定了特定实现，想加点自定义工具要绕路
• 配置管理繁琐：opencode.json 里各种 plugin/skill 声明，切换场景不方便
• 不够极简：内置了不少我不需要的功能，启动偏重

Pi 走了完全相反的路线——极简内核 + 扩展驱动。Pi 本身只提供核心编排能力，一切功能通过 Extensions、Skills、Pi Packages 按需组装。这种哲学完美契合我的需求：适配我的工作流，而不是我去适配工具。

2. 安装 Pi

1

npm install -g @earendil-works/pi-coding-agent

就是这么简单。没有复杂的前置依赖，装完即用。

3. 我的 Pi Packages 生态

既然 Pi 推崇扩展驱动，我干脆把自己需要的功能都做成了独立的 Pi Package，放在 github.com/yandy/pi-packages 这个 Monorepo 里（npm 发布为 @yandy0725/*）。目前已发布 12 个包：

3.1 几个亮点包

pi-container-sandbox — Docker 沙箱

把 agent 的 bash/read/write/edit 操作放到每个会话独立的 Docker 容器里执行，项目目录只读挂载为 /workspace。再也不怕 agent 乱改系统文件了。还支持资源分级（small/medium/large），网络隔离等。

1
2
3
4

# 在项目里启动 pi，所有操作都在容器里执行
pi
# /sandbox status   # 查看容器信息
# !pwd              # 输出 /workspace

pi-memory — 跨会话记忆

基于文件系统的持久化记忆层，让 agent 记住你的偏好、项目约定、调试历史。每次启动会话时注入 MEMORY.md 索引，每次用户消息时自动拉取相关话题文件。还支持 memory search scope=sessions 搜索历史会话。

1

pi install npm:@yandy0725/pi-memory

关键特性：

• 自动记忆提取：每次对话结束后分析并写入学到的东西
• /dream 命令：自动去重、合并、重建所有记忆文件
• 分支安全：基于 git root 分配记忆命名空间
• 按类型分类：user / feedback / project / reference

pi-subagents — 子代理系统

在同一个 Pi 运行时内启动子代理，支持后台并行执行，有生命周期事件、自定义 agent 类型、运行时注入消息、会话恢复等能力。可以用来做代码探索、安全检查、文档生成等后台任务。

1
2
3
4
5
6

subagent({
  subagent_type: "Explore",
  prompt: "找到所有处理认证逻辑的文件",
  description: "查找认证文件",
  run_in_background: true,
})

4. 两套配置，两种场景

这是我觉得最有意思的部分。Pi 通过 PI_CODING_AGENT_DIR 环境变量可以指向不同的配置目录，也就是说——一套 Pi 二进制，多套配置。

4.1 picode — 编程场景

picode 是我为日常编码准备的配置集，克隆到 ~/.pi/agent-code：

1

git clone https://github.com/yandy/picode.git ~/.pi/agent-code

配置了 fish alias 来启动：

1
2
3

function picode
  env PI_CODING_AGENT_DIR=$HOME/.pi/agent-code pi $argv
end

picode 的配置亮点：

• 集成了我的 pi-coding-tools（AST/LSP 代码智能）
• 安装了 skill-creator（创建自定义 skill）
• context7 集成（自动拉取相关文档上下文）
• 浏览器自动化（Playwright）支持前端开发和 E2E 测试
• UI/UX Skills（huashu-design、ui-ux-pro-max）
• 权限系统（pi-permission-system）精细控制工具访问
• 丰富的 Keybindings 和 Subagents 配置

4.2 pimate — 办公/助手场景

pimate 是我为办公场景准备的配置，克隆到 ~/.pi/agent-mate：

1

git clone https://github.com/yandy/pimate.git ~/.pi/agent-mate

1
2
3

function pimate
  env PI_CODING_AGENT_DIR=$HOME/.pi/agent-mate pi $argv
end

pimate 的配置亮点：

• Docker 沙箱开箱即用（自带 pimate.Dockerfile + sandbox.json）
• Office 全套技能：PDF、DOCX、PPTX、XLSX
• 钉钉集成（pi-dingtalk）处理办公事务
• 飞书集成（pi-lark）处理协作
• 子代理系统用于后台任务
• glab（GitLab CLI）支持 GitLab 工作流
• 网页搜索 + 抓取能力（pi-web-tools）

4.3 两套配置的对比

两套配置共享同一份 Pi 二进制，切换只是换个 alias 的事。这就是 Pi 扩展性哲学的完美体现。

5. Skills 管理

Pi 的 Skills 生态非常丰富，可以通过 npx skills 命令管理：

1
2
3
4
5
6
7
8

# 安装 Skills
npx skills add anthropics/skills --skill pdf docx -a pi -y

# 更新
npx skills update -a pi

# 列出
npx skills ls -a pi

目前我常用的 Skills：

• skill-creator：编写和测试自定义 Skill
• pdf / docx / pptx：文档处理全家桶
• playwright-cli：浏览器自动化（UI 测试、网页抓取）
• superpowers： 一组编程工程化方法论

6. 对比：OpenCode → Pi

7. 总结

从 OpenCode 换到 Pi，不只是换了个工具，而是换了一种思维方式：

OpenCode 给你一个成品，Pi 给你一套积木。

我用 Pi 的扩展机制构建了自己的一整套 AI 编码助手生态：

• 12 个自研 Pi Packages 覆盖编码、办公、协作全场景
• 两套配置分别面向编程和办公，切换只需一个 alias
• Docker 沙箱隔离风险，记忆系统跨越会话
• 子代理并行执行，权限系统精细控制

所有代码都在 GitHub 上开源：

• pi-packages — 自研 Pi 扩展包
• picode — 编程场景配置
• pimate — 办公场景配置

如果你也在用 AI 编码助手，不妨试试 Pi，自己动手搭建最适合你的工作流。