当前位置：

社区首页

电脑数码

软件应用

服务软件

文章详情

别只拿 AI 写代码了——用 Pi Agent + Skill 搭建你的全能工作流

你是不是也这样——装了 Claude Code、装了 Codex，结果日常还是在用 ChatGPT 问问题？PDF 还是自己逐页翻、汇报还是自己熬夜写、PPT 还是自己做、视频根本不会搞？

page002_img01.png

大多数人把 AI 当成「问答机器」，少数人把它当「代码生成器」。但 2026 年真正会玩的人，已经把它当「工作流引擎」了——发一条指令，Agent 自动拆解任务、调用工具、交付完整结果。

今天我想带你认识一个你可能从没听过的工具：Pi Agent。它在 OpenRouter 的全球日消耗量排行榜上排在第 6 名，但它不专门写代码——它是帮你完成日常任务的。

这篇文章不需要你会写一行代码。我会带你装 4 个 Skill，从零基础到跑通一条完整的工作流：

一句话指令 → 联网搜索 → 读 PDF → 写稿 → 配音 → 动画演示 → 交付成果

一、为什么是 Pi？先搞清一个关键区别

page003_img01.png

如果你在网上搜 AI Agent 的教程，铺天盖地都是 Claude Code、Codex、OpenCode。它们确实很强，但有一个共同点——名字里都带 "Code" 这个单词。

它们的核心目的就是帮你写代码。内置了代码索引、测试运行、Git 操作、编码规范……一套完整的编程工具链。就像一桌"预制菜"，开箱即用，写代码确实方便。

但问题是：你每天的任务是写代码吗？

你可能想搜资料、读 PDF、整理表格、写汇报、做 PPT、配音出视频。这些需求，预制菜照顾不到。

Pi 的设计哲学反其道而行。其他 Agent 功能越来越多、越来越重，Pi 是反过来的——极简主义者。

它的底座只保留 4 个最基础的工具：读文件、写文件、改文件、跑命令。除此之外，什么都不装。

系统提示词 → Claude Code / Codex: ~15,000 tokens | Pi Agent: <1,500 words（差 10 倍以上）
Token 消耗 → Claude Code / Codex: 基准 | Pi Agent: 约 1/3
设计哲学 → Claude Code / Codex: 预制菜——内置完整编程工具链 | Pi Agent: 个性化——底座极简，Skill 自选
适合谁 → Claude Code / Codex: 每天写代码的开发者 | Pi Agent: 所有需要 Agent 干活的人

系统提示词差出十几倍，直接带来三个好处：

page004_img01.png

第一，快。 上下文短，模型算得快，给你的回答也快。

第二，省。 我自己的体感，做同样规模的任务，Pi 的 token 消耗大概只有 Claude Code 的三分之一左右，甚至更少。

第三，聪明。 模型的注意力是有限的。如果你的提示词越长，模型的注意力就越分散。在 Pi 里面，没有 1 万字的预设编程提示词在旁边抢注意力——在同一个日常任务当中，Pi 就是比 Claude Code 更聪明、更听话。这个体感非常明显。

数据也印证了这一点：Pi 在 OpenRouter 的日消耗量排第 6，但每次对话消耗的 token 只有其他 Agent 的几分之一。这意味着什么？意味着有大量用户把它当日常工具高频使用。Codex 团队也透露，他们约 5% 的生产流量已经跑在了 Pi 孵化出来的 Agent 架构上——放在 Codex 这个量级的工具里，这个比例已经很夸张了。

对普通用户更友好的选择：Pi 默认跑在命令行终端里，看起来有点极客。但已经有开发者给它包装了一层网页界面——Pi Agent Web（已开源），左侧文件浏览器、中间对话框、底部模型和 Skill 设置，和普通聊天软件一样直观。下面的演示都用这个网页版。

二、核心公式：Agent + Skill = 能力

page005_img01.png

在开始动手之前，先记住一句话。这是全文的灵魂公式，后面你会反复看到它：

Agent + Skill = 能力

Skill 不是什么高深的概念。它就是一份给 Agent 的操作手册——Agent 读完之后，就知道怎么调用外部工具、怎么处理特定类型的任务了。

Pi 的底座保持极简，能力靠 Skill 一个一个往里加。装一个 Skill，Agent 就多一项能力。每个人手里的 Pi，最后长得不一样。

搞研究的？装搜索 + PDF，你的 Pi 就是文献助手
做内容的？装 TTS + 视频，你的 Pi 就是出片工厂
写代码的？装 Git + Lint，你的 Pi 就是开发助手

Pi 官网的口号精准表达了这一点："世界上有很多不同类型的 Agent，但 Pi Agent——就是你自己的 Agent。"

那具体怎么装？装了之后能干什么？下面我从零开始演示，边装边跑，每一个 Skill 都配一个实际任务。

三、准备工作（3 分钟搞定）

还没安装 Pi？详细步骤见本系列上篇《PI 安装使用教程》，这里只说关键步骤。

第一步：安装 Node.js

去 nodejs.org 下载 LTS 版本，双击安装，一直点"下一步"就行。这是几乎所有 Agent 都依赖的基础环境，装一次就够了。

第二步：安装 Pi

打开终端（Mac 直接打开"终端"应用，Windows 打开 PowerShell），输入：

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

回车，等它装完。

第三步：配置模型

在 Pi Agent Web 界面中添加模型服务商（OpenAI / Anthropic / 自定义接口都行），填上 Base URL 和 API Key。推荐用 GPT-5.5 或 Claude 4 级别模型，开启推理模式效果最佳。

国内用户可以在安装前设置 npm 镜像加速（搜"npm 国内镜像加速"），下载会快很多。

好了，准备工作完毕。接下来进入重头戏——装 Skill。

四、Step 1：装搜索 Skill —— 让 Agent 能联网

page007_img01.png

安装

在 Pi Agent Web 的 Skill 面板中搜索 Tavily Search，点击安装。然后去 tavily.com 注册一个免费账号（只需邮箱），复制 API Key，回到 Pi 告诉它：

"帮我设置 Tavily Search 的 API Key，key 是：xxxxxxxx"

Pi 会自动写入配置，搞定。

备选方案：Brave Search 的搜索结果更好一些，免费额度也是 1000 次/月，但需要绑定信用卡。新手推荐先用 Tavily。

演示：搜新闻 + 评价 + 保存

安装好之后，马上跑一个任务。输入这条指令：

"搜索这周最重要的 5 条 AI 新闻，按重要程度排序。每条说明发生了什么、为什么重要、适不适合做转视频。保存到 news.md 文件。"

接下来你会看到 Pi 开始调用搜索 Skill——

它不是简单给你丢一堆链接。它会评价搜索结果，把新闻去重、排序，再按照你的需求（是否适合转视频）做判断筛选，最后生成一个结构清晰的 news.md 文件存在你的工作目录里。

这是你第一次感受到：Agent 不是在"回答你"，而是在"帮你干活"。它主动搜索、主动判断、主动整理、主动存文件。你只需要说清楚你要什么。

五、Step 2：装 PDF Skill —— 让 Agent 能读资料

page008_img01.png

安装

Skill 市场搜索 PDF Reader（推荐 OpenAI 官方发布的版本），点击安装。然后在模型设置中开启图像识别能力——这样扫描版 PDF 也能读。

演示：丢文件 → 交报告

把一份技术报告的 PDF（比如 DeepSeek V4 技术报告）拖进工作目录，刷新文件浏览器确认能看到它。然后输入：

"读取这份 PDF，总结里面的核心信息。"

Pi 会自动调用 PDF Reader Skill，逐页读取——文字版直接提取文本，扫描版走图像识别。最后整理成一份结构化总结：架构设计、关键参数、性能指标……条理清晰。

重点来了：你不需要复制粘贴 PDF 内容到聊天框，不需要自己逐页翻找重点。直接把文件丢给它，剩下的交给自己处理。

举一反三：同一套逻辑，Word Skill 用来读文档、PPT Skill 用来拆演示文稿、XL Skill 用来处理表格。安装即用，不需要额外学习。

到这一步，你的 Pi Agent 已经能联网搜索、能读各种类型的文件资料了。但它还只能输出文字——接下来让它开口说话。

六、Step 3：装 TTS Skill —— 让 Agent 开口说话

page009_img01.png

安装

Skill 市场搜索 Edge TTS，点击安装。不需要任何账号，不需要 API Key，直接能用。 这是微软 Edge 浏览器自带的语音合成能力，免费且质量不错。

演示：从文字到可分享的网页音频

打开上一步生成的 news.md，输入这条指令：

"把这份新闻简报改成一分钟口播稿，转成语音，做一个 HTML 页面包含文稿和音频播放器，排版简单直观，然后帮我打开网页。"

接下来三分钟，你会看到一件很有意思的事——

Pi 先帮你把新闻简报改写成适合口播的一分钟文案，语气自然、节奏流畅。然后调用 Edge TTS Skill，把口播稿生成 MP3 音频。接着写一个 HTML 文件，左边放文稿、右边放音频播放器。最后——自动在浏览器中弹出这个网页。

你点播放键，AI 用清晰的声音把五条新闻念给你听。

这是一个剧情反转的时刻。 以前聊天机器人只能把结果输出在对话框里，你复制粘贴、自己排版。Pi 却可以把答案变成你电脑上的文件、网页、音频——直接打开就能用，发给别人也能看。

之前 Search Skill 负责找信息，Pi 负责整理，TTS 负责把它变成语音，HTML 网页负责把结果落地成一个可以打开、可以分享的文件。现在你有没有感觉，已经有点"工作流"的意思了？

成本备注：这么长一段任务（写稿 + 配音 + 做页面），大约花费 0.3 美元的额度。订阅 20 美元/月的套餐，有 5000-10000 美元的 API 额度，跑几百次都够。而且 Pi 的上下文提示词很短，token 消耗比其他代码 Agent 低很多——实际成本比你想的低得多。

七、Step 4：装 HyperFrames Skill —— 让 Agent 做动画演示

page010_img01.png

安装

Skill 市场搜索 HyperFrames，点击安装。

核心思路：跟你想的不一样

HyperFrames 不是直接让 AI 生成视频文件。它的思路是：

Agent 写一个带动画的 HTML 网页 → 你可编辑、可预览 → 逐帧渲染成 MP4

为什么这么做？因为 HTML 是代码，AI 生成代码比生成视频稳定得多。而且生成后你可以随时修改文字、调整节奏、增删页面——不像视频生成一旦出错就得从头再来。

对你来说，你完全不需要懂 HTML 是什么。你只需要告诉 Agent 你想要什么结果，剩下的它全包了。

演示：20 秒科普动画

开一个新对话，输入：

"用 HyperFrames 做一个 20 秒的动画，解释什么是 Agent。只生成 HTML，不需要渲染视频。"

Pi 会规划动画结构：标题页 → 核心概念 → 类比说明 → 总结。然后写带动画的 HTML——转场效果、图形动画、字幕节奏，全部自动生成。

你打开生成的 HTML 文件，在浏览器里看到一段流畅的科普动画：有标题、有转场、有图形、有字幕。加上语音，就是一条完整的视频。

八、串联时刻：4 个 Skill 一起工作

page011_img01.png

前面 4 个 Skill 各装各的、各跑各的，你可能觉得"每个单独看都不难嘛"。

但现在——把它们串起来。

场景：你需要做一份竞品分析报告，用于下周的团队汇报

一条指令：

"帮我调研一下市面上主流的 AI 编程工具（Claude Code、Codex、Pi Agent），从功能定位、目标用户、价格模式三个维度做对比。生成一份结构化的分析报告，配上对比图表，用 TTS 配音，做成可以直接打开演示的 HTML 页面。"

就这句话。Pi 开始自动拆解任务：

步骤: 1 | 动作: 联网搜索三款工具的最新资料、定价信息、用户评价 | 使用的 Skill: Tavily Search
步骤: 2 | 动作: 整理对比数据，发现信息缺漏处补充搜索 | 使用的 Skill: Tavily Search
步骤: 3 | 动作: 写结构化分析报告：定位对比、功能矩阵、价格分析、适用场景建议 | 使用的 Skill: 基础能力
步骤: 4 | 动作: 把报告改写成适合口播的汇报稿 | 使用的 Skill: 基础能力
步骤: 5 | 动作: 调用 Edge TTS 生成中文语音解说 | 使用的 Skill: Edge TTS
步骤: 6 | 动作: 用 HyperFrames 组合成演示页面：标题→对比分析→数据图表→总结建议，带动画转场和字幕 | 使用的 Skill: HyperFrames