Pi Agent Harness
统一的LLM API、代理运行时和交互式编码代理CLI，支持多种模型提供商，助力开发者在终端中完成编码任务。
证据显示：README明确说明Pi没有内置权限系统，默认以启动用户权限运行，并建议容器化或沙箱化。这体现了对权限边界的诚实披露，但未提供任何最小权限机制或用户确认流程。数据流透明度方面，README提到遥测包，但未详细说明数据流向。敏感数据处理未提及。依赖安全方面，README详细描述了供应链加固措施，如精确版本锁定、npm audit、shrinkwrap等，证据充分。外部影响方面，未提及任何外部副作用或网络行为。回滚方面，未提及任何回滚机制。来源归属方面，README和LICENSE提供了作者信息，但发布者未经验证。因此，除依赖安全外，多数标准得分较低。
证据显示：测试文件（agent-loop.test.ts, agent.test.ts, e2e.test.ts）展示了丰富的单元测试和集成测试，覆盖了代理循环、工具调用、错误处理等，表明内部一致性较好。依赖可用性方面，README提到使用npm和Bun，但未提供离线安装的详细说明，仅提到build:offline。失败消息方面，测试中验证了错误消息的生成，如'provider exploded'，表明有明确的错误处理。但未提供运行时故障的详细文档。
证据显示：README描述了多个使用场景，如编码代理CLI、统一LLM API、TUI等，并提供了容器化模式（Gondolin、Docker、OpenShell），表明对多种环境有考虑。能力边界方面，README明确说明没有内置权限系统，并建议沙箱化，这定义了边界。触发精度方面，未详细说明工具调用的触发条件，但测试中展示了工具调用的精确处理。环境适配方面，支持多种平台（darwin, linux, windows）和多种LLM提供商，表明适配性较好。
证据显示：README提供了清晰的信息架构，列出了所有包及其描述。安装说明详细，包括npm install、构建、测试等。命名稳定性方面，包名以@earendil-works/为前缀，但未提供命名约定文档。示例和FAQ方面，README提供了使用示例和链接到文档，但未提供FAQ。已知限制方面，README和SECURITY.md明确说明了安全边界和限制。许可证为MIT，清晰。版本控制方面，package.json有版本号，但未提供CHANGELOG。维护责任方面，README提供了贡献指南和联系方式，表明有维护者。
证据显示：输出可用性方面，代理产生结构化消息和事件，测试验证了输出格式。边际价值方面，提供了统一LLM API和代理框架，可能减少集成成本。成本效益方面，未提供性能或成本数据，但开源MIT许可证降低了成本。
证据显示：README中的声明（如供应链加固）有具体实现（如check脚本）支持，但未提供独立验证。跨来源佐证方面，测试文件提供了内部验证，但未与外部来源交叉验证。事实与推断分离方面，README区分了事实（如功能描述）和推断（如建议），但未明确标注。
- Pi没有内置权限系统，默认以用户权限运行，存在安全风险，必须沙箱化。
- 发布者身份未经验证，需谨慎评估供应链风险。
- 未提供回滚机制，操作可能不可逆。
- 数据流透明度不足，遥测数据的具体流向未说明。
这个 Agent 能做什么，适合哪些场景？
Pi 是一个AI代理工具集，由多个npm包组成：@earendil-works/pi-coding-agent 提供交互式编码代理CLI，@earendil-works/pi-agent-core 提供代理运行时，支持工具调用和状态管理，@earendil-works/pi-ai 提供统一的多种LLM API（OpenAI、Anthropic、Google等）。此外还有@earendil-works/pi-tui（终端UI库）和@earendil-works/pi-telemetry（遥测契约）。Pi 默认不包含权限系统，以启动用户的权限运行，可通过容器化或沙箱增强隔离。项目采用MIT许可证，强调供应链安全，包括锁定直接依赖、shrinkwrap和审计检查。
Pi 执行端到端的编码代理工作流：通过pi-ai包统一接入OpenAI、Anthropic、Google等LLM API，pi-agent-core提供带有工具调用和状态管理的代理循环，pi-coding-agent在终端中提供交互式CLI（如pi命令），并支持!命令。Pi TUI库提供差分渲染的终端界面。用户可运行./test.sh等脚本进行开发和测试，也可使用./scripts/build-binaries.sh构建独立二进制。它还支持通过容器化（Gondolin扩展、Docker、OpenShell）来隔离权限。
- 开发者需要在终端中与多种LLM交互，使用pi-coding-agent进行交互式编码辅助，避免切换多个API客户端。
- 大型代码库维护者希望让代理自动进行工具调用和状态管理，pi-agent-core提供了可嵌入的代理运行时。
- 需要统一访问多个LLM提供商（OpenAI、Anthropic、Google）的开发者，pi-ai提供了统一的TypeScript API。
- 终端应用开发者希望快速构建具有差分渲染的TUI，pi-tui作为库可直接使用。
- 对安全性要求高的团队，需在受限环境中运行代理，参考容器化文档以采用微VM、Docker或OpenShell沙箱模式。
- 开源贡献者希望分享编码代理会话数据，通过pi-share-hf工具将会话发布到Hugging Face数据集，以改进代理。
这个 Agent 有哪些优点和局限？
- 支持多种LLM提供商（OpenAI、Anthropic、Google等），通过统一的API降低切换成本。
- 提供完整的代理运行时（pi-agent-core），支持工具调用和状态管理，便于构建复杂代理。
- 交互式编码代理CLI（pi-coding-agent）开箱即用，适合日常编码任务。
- 供应链安全措施完善，包括锁定精确版本、shrinkwrap和npm审计。
- 提供容器化模式（Gondolin、Docker、OpenShell）以增强安全性。
- 默认无权限系统，需用户自行容器化或沙箱，增加了部署复杂性。
- 对LLM API的依赖（如OpenAI、Anthropic）可能产生费用和网络要求。
- 工具集由多个npm包组成，初学者可能需要学习多包架构。
- 构建独立二进制需要运行构建脚本，可能耗时且需网络。
- 新贡献者的issue和PR默认自动关闭，可能影响社区参与。
如何安装或部署这个 Agent？
安装Pi的编码代理CLI：
npm install -g @earendil-works/pi-coding-agent或者使用Bun：
bun install --global @earendil-works/pi-coding-agent需要Node.js和Bun运行时。配置LLM提供商API密钥（如OpenAI、Anthropic或Google）。
如何使用这个 Agent？
运行交互式编码代理CLI：
pi或者从源码运行：
./pi-test.sh开发流程：
npm install --ignore-scripts
npm run build
npm run check
./test.sh构建独立二进制（以linux-x64为例）：
VERSION="<release-version>"
tar -xzf "pi-${VERSION}-source.tar.gz"
cd "pi-${VERSION}"
./scripts/build-binaries.sh --offline-model-data --platform linux-x64 --out "$PWD/out"这个 Agent 与同类方案有什么区别？
README中未明确提及其他代理工具，但作为一个多提供商LLM API和代理工具集，可类比于LangChain、Claude Code或OpenAI Codex等。然而，Pi强调自扩展性和TUI，且许可证宽松（MIT）。
常见问题
Pi的权限模型是什么？
Pi支持哪些LLM提供商？
Pi如何确保供应链安全？
Pi的会话数据如何分享？
Pi可以在没有网络的环境下构建吗？
npm run build:offline可以从现有模型数据重建，无需网络。构建二进制时，使用--offline-model-data标签。