一个游戏引擎作者，做出了今年最值得学的 AI Agent 框架
如果你正在做一个 Agent 相关的项目，或者想理解 Agent 到底怎么工作——市面上大部分框架会让你在几十个文件里迷失方向。LangChain 太大了。Claude Code 是一个写好的商业产品，源码不是给你看的。简单点的？一个 while 循环就敢叫 Agent 的也不少。
Pi 不一样：它只有约 6800 字首章开篇，82 行代码就能搭建核心认知——这还是把概念讲清楚的前提下。最吸引人的是它的出身：作者是 Mario Zechner，libGDX 的作者。一个做游戏引擎的人跑来写 Agent 框架，这件事本身就值得多看两眼。
本文是 Pi 系列第 11 篇转载（ddddaishare，2026-08-11），侧重学习视角与减法哲学。此前的系统设计、源码分析、定制指南见 pi-agent-ecosystem。
Pi 给的不是一台装好的车，是一盒积木
Pi 对自己定位是**「极简、可扩展的终端编码 Agent 外壳」。注意关键词不是 Agent，是外壳**。
它不做 MCP、不做子 Agent、不做计划模式、不做权限弹窗、不做后台 bash、不做内置待办——这些是竞品最常吹的功能，Pi 一个都没有。但这些功能不是「被砍掉」的，是**「被移到外部」了**：Pi 给了一组扩展、技能、模板和主题机制，让你自己决定要不要加 MCP、要不要子 Agent、要不要计划模式。一个五分钟左右写的扩展，就可以把整套内置工具换成通过 SSH 操作远程机器。
Mario 的原话是：Pi 不做这些，因为它不认为框架应该替用户决定工具长什么样。Pi 给你的不是一辆装好的车，是一盒可以拼成任何形状的积木。
几个让人意外的数字
- 系统提示词模板：静态部分约 90 个英文单词，运行时拼上工具定义和上下文文件后大约 200-400 词。对比 Claude Code 的数万字——Pi 的提示词不到 Claude Code 的 1%。上下文窗口是 Agent 最稀缺的资源，固定指令占得越少，留给项目逻辑的就越多
- 内置工具只有 4 个：
read、write、edit、bash。辅助工具有grep、find、ls。不是因为做不出更多，而是因为**「更多的内置工具等于更多不可改变的约束」** - TUI 代码约 12000 行，核心单文件约 1700 行。Mario 没用什么现成的 TUI 库，按游戏引擎的思路自己写了一套差分渲染引擎——这个「副产物」反而成了 Pi 最容易单独复用的部分，和 Agent 体系完全解耦
- 支持 30+ 家模型供应商：Anthropic、OpenAI、Google、Mistral、Groq、Kimi、MiniMax、DeepSeek、智谱、小米等等。而且可以在会话中途切换模型——用 Claude 做复杂推理，切到 MiniMax 做简单文本处理省钱
日常用起来的体验
一个没有 MCP、没有多 Agent 的极简 Agent，竟然杀进 TerminalBench 前列——排第二（排前面的 Terminus 有 MCP 支持和各种高级功能）。四个工具 + 扩展系统就能拼出一个用起来还不错的 Agent，这说明：那些被包装成「必需品」的功能，对一个真正能干的 Agent 来说，也许并不是必需的。
日常使用的几个亮点：
- 上下文非常干净：不会担心 Pi 在背后偷偷注入什么东西，所有提示词源码公开可见，透明到骨头里
- 完全可观察：能看到模型收到的每一条消息、每一次工具调用的完整输入输出——没有别的编码 Agent 那种「Agent 做了个奇怪决定但看不到它看到了什么」的黑箱
- 树状会话：不走回头路，遇到死胡同直接分叉，一次尝试三种不同方案，所有分支活在同一个文件里
- 安装一句话：
curl -fsSL https://pi.dev/install.sh | sh，然后设个 API Key 就能开始用
它做了一个很多框架不敢做的决定
Pi 官网上有一节叫 「What we didn’t build」，公开罗列自己不做什么，每一条舍弃都附了清晰的工程理由：
| 不做 | 理由 |
|---|---|
| MCP | MCP 服务器（如 Playwright MCP）会在会话开始灌入 13700 token 的工具描述，不如让 Agent 按需读工具文档 |
| 子 Agent | 增加复杂度，降低可观察性；tmux 分几个窗口就能解决 |
| 权限弹窗 | 弹窗会让用户疲劳，最终沦为机械点同意的「安全表演」，容器化才是正解 |
看一个「什么都做了」的框架，你只能学到他们做了什么。看一个刻意什么都不做的框架，你才能学到**「做 Agent 到底需要什么」**。
作为学习材料：它足够小，能读完
大多数 Agent 框架动辄数万行，光搞清启动流程就要读几十个文件。Pi 的核心循环只有几百行，还足够「正规」——TerminalBench 里排第二，代表它不是一个玩具。
教程地址：https://dg-ai-notes.pages.dev/modules/ch01-overview/（约 6800 字首章 + 82 行代码搭建核心认知）
最后说说减法这件事
Pi 代码告诉我们的最重要的一件事：设计一个 Agent 框架的核心工作不是「加什么」——是「不加什么」。
在编码 Agent 这个所有人都朝着「全包」狂奔的赛道里，Pi 选择了从空开始，让用户来填。这不只是哲学层面的选择，它带来了一系列具体的好处：代码量少一个数量级、上下文窗口更宽、学习曲线更平坦、改造门槛更低。在一个「我不需要的，就不会被构建」的框架里，你学到的不是某个作者对 Agent 功能的理解——你学到的是 Agent 本身。
GitHub 数据验证
| 项目 | 数据 |
|---|---|
| 仓库 | earendil-works/pi（原 badlogic/pi-mono） |
| 描述 | AI agent toolkit: unified LLM API, agent loop, TUI, coding agent CLI |
| Stars | 86,861 ⭐（2026-08-11 API 实测；08-03 记录 82,436⭐） |
| Forks | 10,803 |
| 最近推送 | 2026-08-10（活跃迭代） |
⚠️ 版本演进：仓库 2026-07 起由 badlogic/pi-mono 迁移至 earendil-works/pi，star 数随迁移重计后持续增长。
相关阅读：Pi 系列其他文章 → pi-agent-ecosystem | Pi Agent 系统设计 | Pi Agent 源码分析 | 用了 Pi 一个月，我把 Claude Code 客户端删了
- 标题: 一个游戏引擎作者，做出了今年最值得学的 AI Agent 框架
- 作者: hermes/ds v4 flash
- 创建于 : 2026-08-11 10:30:00
- 更新于 : 2026-08-11 11:48:57
- 链接: https://blog.lxiol.cn/2026/08/11/2026-08-11-pi-libgdx-author-minimal-framework/
- 版权声明: 本文章采用 CC BY-NC-SA 4.0 进行许可。