用了三个月 Pi，终于可以告诉你它凭什么比 Claude Code 更适合你

全文约 4000 字，阅读约 8 分钟
适合：正在选 AI 编程 Agent 的开发者、对终端 Agent 感兴趣的 AI 玩家

一、先聊个扎心的事

截屏2026-05-27 18.29.18.png

2026 年，AI 编程 Agent 多到离谱。

Claude Code、Codex CLI（现在叫 Codex）、OpenCode、Cursor、Windsurf、T3 Code、Factory…… 再加上今天要聊的 Pi，十个指头根本数不过来。

如果你是个普通开发者，看着满屏的推荐和教程，大概率是这样的状态：

"到底哪个好用？"
"每个都说自己最强，我该信谁？"
"装了好几个，结果日常还是用 ChatGPT 问问题……"

我过去三个月，每天高强度使用 AI 编程 Agent。主力换过三轮：Claude Code → Codex → Pi。

今天这篇文章，我不想吹任何一个。而是把它们放在一起，从 定位、Token 消耗、功能哲学、定制性、生态、安全性、上手门槛 七个维度，做一个硬核横评。

提前说结论：

• 如果你只想写代码 → Claude Code 或 Codex 都行，开箱即用

• 如果你想让 Agent 帮你完成日常任务——搜资料、读 PDF、写稿、配音、做视频 → Pi 才是隐藏 Boss

• 如果你的预算敏感（Token 消耗）→ Pi 可以帮你省到 Claude Code 的三分之一

下面，我们一个一个说。

二、定位差异 — 你以为它们是一类东西，其实不是

page3_img1.png

很多人把 Pi 当成 Claude Code 的竞品。这个理解只说对了一半。

先看一张表：

• 官方定位

  • Claude Code：官方 Coding Agent

  • Codex：ChatGPT 编程模式延伸

  • Pi：终端 Coding Harness

• 核心产出

  • Claude Code：代码文件

  • Codex：代码文件

  • Pi：完成任务（代码只是手段）

• 预装内容

  • Claude Code：代码索引、测试、运行、Git、编码规范

  • Codex：ChatGPT 生态工具链

  • Pi：4 个基础工具，其余空着

• 类比

  • Claude Code：完整 IDE

  • Codex：浏览器版 IDE

  • Pi：终端裸机——你自己往上搭

Claude Code 和 Codex 是「代码交付工具」。

它们内置了一大套东西：代码索引、测试框架、LSP 支持、Git 操作、权限弹窗、计划模式…… 启动一个项目，它能直接干活。这是它们的价值，也是它们的设计目标。

Pi 是「Agent 底座」。

它的设计者是 Mario（@badlogicgames），理念很明确：做一个极简、稳健的核心，然后把扩展交给用户。

Pi 开箱只有四个工具：读文件、写文件、改文件、跑命令。

没了。

没有 MCP、没有子 Agent、没有权限弹窗、没有计划模式、没有后台进程。

听起来很寒酸对吧？

但就是这么个"寒酸"的东西，在 OpenRouter 的 Token 消耗排行榜上排第 6。排在它前面的是 Anthropic、OpenAI 这种巨头，排在它后面的是 Claude Code。

一个"啥都不带"的工具，凭什么消耗量这么大？

答案在下一节。

三、Token 消耗 — 你以为的贵其实不在模型

page4_img1.png

这是 Pi 最容易被低估的优势。

先上数据：

• 系统提示词（默认）

  • Claude Code：~15,000 tokens

  • Codex：~12,000 tokens

  • Pi：< 1,500 tokens

• 同等任务总消耗

  • Claude Code：基准 100%

  • Codex：~75%

  • Pi：~30-35%

• 差出来的 Token 去哪了

  • Claude Code：代码索引、LSP、Git 指令等预设

  • Codex：ChatGPT 工具链预设

  • Pi：几乎没有预设

注意这个数字：1500 vs 15000。

差出十倍。

什么意思？

你每次跟 Claude Code 说一句话，哪怕就是打个"你好"，它的大脑中已经塞进了 1.5万个 token 的预设指令——教它怎么索引代码、怎么调用测试、怎么做 Git 操作……

这些指令本身没有错，但问题是：你不是每次都在写代码。

你有时只是问一个问题、读一个文件、整理一份笔记。

而这 1.5万个 token，一直在那里，一直在消耗。

Pi 只有不到 1500 的系统提示词。它的预设只告诉 AI 最基本的事情：你有读/写/改/跑这四个工具，文档在 node_modules 里，自己去查。

好处是三个：

第一，快。 上下文越短，模型算得越快。同一条指令，Pi 的响应速度明显更快。

第二，省。 我的体感是做同样规模的任务，Pi 的 Token 消耗是 Claude Code 的三分之一左右。如果你按 Token 付费，这笔账算得过来。

第三，聪明。 这不是玄学。模型的注意力是有限的。当你的提示词里没有 1 万字的预设指令去抢注意力，模型在同一个日常任务上确实更听话、更精准。

你可以把 Pi 想象成一张白纸，Claude Code 是一张写满了注记的稿纸。画同一个东西，白纸更自由。

四、功能哲学 — 预制菜 vs 自己搭火锅

page5_img1.png

前面说到 Pi 很省 Token，但省 Token 只是结果。更深层的原因是它的设计哲学——极简主义。

我把它总结为一句话：

Claude Code / Codex 是预制菜，Pi 是自己搭火锅。

预制菜：Claude Code / Codex

你打开包装，里面什么都有。主菜、配菜、调料，全配好了。微波炉转 3 分钟，开吃。

这是它们的优势：零门槛，快速出餐。

你不需要纠结装什么工具、配什么插件。完整的代码工作流（索引、测试、Lint、提交）已经内置好了。适合标准化的开发流程。

但代价刚才说了：你为这顿预制菜付出了 2 万 Token 的"包装费"。

自己搭火锅：Pi

底座极简：一个锅底、四个核心工具。

你想吃什么，自己往里加。

• 装一个搜索 Skill → Agent 能联网搜资料

• 装一个 PDF Skill → Agent 能读文档

• 装一个 TTS Skill → Agent 能开口说话

• 装一个 HyperFrames Skill → Agent 能做视频

每个人最后手里的 Pi，长得都不一样。

搞研究的，装搜索 + PDF + 论文检索。
做内容的，装搜索 + TTS + 生图 + 视频。
写代码的，装 Git + Lint + 测试就够。

Pi 官网上写着一句话，我觉得是最精准的表达：

"世界上有很多不同类型的 Agent，但 Pi Agent 就是你自己的 Agent。"

什么意思？

在 Pi 里，如果你想要一个自定义功能，你根本不需要去翻文档、写配置、搞测试。你直接在对话里说：

"帮我写一个叫 /yeet 的扩展，功能是自动 git add、commit 并推送。"

Pi 会自己去读 node_modules 里的扩展开发文档，写一个 TypeScript 文件。你跑一句 /reload，扩展就生效了。

全程不需要重启 Agent。

这是其他任何 Agent 都做不到的。

五、定制性 — Pi 的真正杀手锏

page6_img1.png

Pi 最让我上头的部分，是它的扩展系统。

Extension：让 Pi 自己改自己

这个功能怎么用？

1. 在对话里说："帮我把上次改过的文件列出来，做个 /diff 命令。"

2. Pi 会读内置的扩展文档，写一个 pi-extensions/diff.ts 文件

3. 输入 /reload

4. 从此你的 Pi 就有了 /diff 命令

每次有新想法，直接说，Pi 帮你写扩展。不需要退出终端。

这才是 Agent 该有的自我进化能力。

我目前自用的扩展包括：

• /copy-all：复制整条会话到剪贴板，方便把上下文传给新会话

• /diff：列出上一轮所有修改过的文件，回车直接打开

• /yeet：自动 git add + commit + push，一条命令发布

• /tx9：把当前项目快照传到后台 Mac Mini，让另一个 Agent 异步处理

• /update：检测 Pi 的安装方式并自动升级

Skill：给 Agent 加能力的工作手册

Extension 是对 Agent 的改造，Skill 是对 Agent 的能力扩展。

Skill 本质上是一份给 Agent 的操作手册。装一个 Skill，Agent 就多一门手艺。

举个例子：

你安装一个 "搜索 Skill"，Agent 就知道怎么调用搜索 API、怎么评估结果、怎么去重排序——不需要你写任何代码。

安装方式也很简单——在 Pi 里直接说：

"帮我装一个网页搜索的 Skill，用 Tavily。"

或者搜索 ClawHub（Pi 的社区市场），一键安装。

热重载：其他 Agent 做不了的

这是 Pi 架构上最强大的地方：完全热重载。

在其他 Agent 里，你改了配置就要重启。重启意味着要重新加载项目、重新登录、重新建立上下文。

Pi 不需要。

改完 Extension 或配置，输入 /reload，新功能立刻生效。现有的会话不会断。

六、生态对比 — 各有千秋

page7_img1.png

对比表：

• 默认模型

  • Claude Code：Claude 系列

  • Codex：GPT 系列

  • Pi：无默认（自己配）

• 订阅登录

  • Claude Code：Claude Pro/Max

  • Codex：ChatGPT Plus/Pro

  • Pi：三者都支持

• API Key

  • Claude Code：Anthropic

  • Codex：OpenAI

  • Pi：10+ 服务商

• MCP 支持

  • Claude Code：✅ 原生

  • Codex：✅ 原生

  • Pi：❌ 无（但可以让 Agent 自己加）

• LSP

  • Claude Code：❌ 无

  • Codex：✅ 有（但有人认为是负担）

  • Pi：❌ 无

• 社区生态

  • Claude Code：官方主导

  • Codex：官方主导

  • Pi：OpenClaw / ClawHub 社区

• 共享机制

  • Claude Code：无

  • Codex：无

  • Pi：PI Packages（打包扩展/Skill/主题）

关于 LSP 的一个"反常识"观点

OpenCode 有一个备受称赞的功能：LSP 支持。模型编辑代码时能收到实时的类型错误反馈。

为什么？

因为 LSP 错误会大量涌入上下文窗口。模型每次改文件，都收到几十个 lint 警告，上下文被无效信息填满。

这个思路对 AI 编程领域来说，挺反常识的——不是功能越多越好，上下文空间是有限的，要留给真正重要的信息。

模型支持：Pi 更开放

Claude Code 只能调 Claude，Codex 只能调 OpenAI。

Pi 支持的服务商列表（部分）：

Anthropic、OpenAI、Google Gemini、DeepSeek、Mistral、Groq、xAI、OpenRouter、Hugging Face、Cloudflare Workers AI……

它还内置了 Codex、Claude Pro/Max、GitHub Copilot 的 OAuth 登录。

这意味着：你买的 ChatGPT Plus/Pro 订阅，可以在 Pi 里直接用。 不用额外付 API 费。

七、安全模型 — 自由 vs 风险

对比表：

• 沙盒机制

  • Claude Code：有权限弹窗

  • Codex：有权限弹窗

  • Pi：无（默认完整权限）

• 安全等级

  • Claude Code：高

  • Codex：高

  • Pi：低

• 适用场景

  • Claude Code：企业/敏感项目

  • Codex：企业/敏感项目

  • Pi：个人开发者/可信环境

Pi 默认不沙盒化。

你打开 Pi，它就拥有你电脑的完整权限。它可以读任何文件、改任何文件、跑任何命令。

听起来很吓人是吧？

但换个角度想：你的 Agent 越自由，它越强大。

当然，这不是说沙盒没价值。如果你在公司环境、敏感项目里，Claude Code 或 Codex 的权限控制更安全。

但如果你是自己用、做个人项目，Pi 的自由度更能释放模型的能力。

而且说实话：GPT-5.5 / Claude 4 这个级别的模型，我用了三个月，没出过一次危险操作。

八、上手门槛 — Pi 需要多一点耐心

page10_img1.png

公平地说，Pi 不是最友好的。

对比表：

• 安装

  • Claude Code：一键脚本

  • Codex：npm 安装

  • Pi：需要 Node.js + npm

• 模型配置

  • Claude Code：自动（Anthropic 登录）

  • Codex：自动（OpenAI 登录）

  • Pi：需手动设 API Key 或 /login

• 首次可用

  • Claude Code：5 分钟

  • Codex：5 分钟

  • Pi：15-30 分钟

• 学习曲线

  • Claude Code：低

  • Codex：低

  • Pi：中

Pi 的入门步骤：

# 1. 安装 npm install -g --ignore-scripts @earendil-works/pi-coding-agent # 2. 进项目目录 cd /path/to/your/project # 3. 启动 pi # 4. 登录或设 API Key /login # 5. 让 Pi 先读项目 # 输入：总结这个项目的结构和技术栈

如果你已经有 API Key，直接启动：

export ANTHROPIC_API_KEY=sk-ant-... pi

关键建议：

• 第一次用，不要搞复杂扩展

• 先让它读一个项目，帮你写 AGENTS.md

• 从小任务开始：改一个文件、修一个 bug

• 熟悉后再开始玩 Extension 和 Skill

九、最终选购建议

page11_img1.png

写了四千字，我帮你浓缩成一句话：

写代码选 Claude Code / Codex，做事情选 Pi。

如果你的情况符合以下任意一条，Claude Code 或 Codex 更适合你：

• 每天的工作就是写 API、修 bug、搬砖

• 想要开箱即用，不想折腾配置

• 公司环境，需要权限控制

• 第一次接触 AI 编程 Agent

如果你的情况符合以下任意一条，Pi 值得你花时间上手：

• 你想让 Agent 帮你搜资料、读文档、整理信息

• 你对 AI Agent 的扩展机制感兴趣，想自己搭工作流

• 你按 Token 付费，对 API 成本敏感

• 你已经用过 Claude Code 或 Codex，想换个思路

• 你希望 Agent 能自己进化——今天加个功能、明天加个 Skill

一个关键提示：不要三个全装轮着用。

选一个作为主力，深入用它三个月。比反复横跳、每个都浅尝辄止强得多。

我自己的路径是：Claude Code（1 个月）→ Codex（1 个月）→ Pi（3 个月，至今）。

不能说 Pi 完美。它确实有门槛，有些细节还比较糙。

但在"让 Agent 真正为我工作"这件事上，Pi 给了我其他工具没有的——它为我的工作流量身定制，而不是我去适应它预设的工作流。

十、写在最后

page12_img1.png

这篇文章的内容，大多来自我过去三个月的真实体验。

Pi 的底层驱动力 OpenClaw（开源 ClawHub 社区）目前在海外极客圈已经非常活跃。Pi 的 Extension 生态、Skill 市场和 Package 分享机制，正在让它从"一个人的工具箱"变成"一个社区的底座"。

如果你正在找一个新的 Agent 来折腾，Pi 值得一试。

你现在在用哪个 AI 编程 Agent？踩过什么坑？评论区告诉我。

如果觉得这篇文章对你有帮助，欢迎点赞收藏。后续会出 Pi 的 Skill 实战教程。