这几天刷B站和知乎的朋友应该都察觉到了：AI编程区突然被一个叫 Pi 的终端工具刷屏。
节奏是这样的：10月1日，Pi 发布 1.0 正式版，同一天 Pi 团队放出实验性新包 Pi Durable。10月2日，Cloudflare 官方宣布支持。然后从10月4日到7日，B站一夜之间冒出一大批实测视频，播放量从几百到两万都有，知乎上"为什么越来越多人放弃 Claude Code 转而用 Pi"这类问题也开始密集出现。Hacker News 评论区回复最多的一条问得很直白：大家到底是怎么用 Pi 的？哔哩哔哩
真正把火点起来的，是一个UP主做的小实验：同样问 AI 一句"1+1"，Claude Code 还没开口先烧掉约2.8万 token，而 OhMyPi（Pi 的一个全家桶 fork）只要1万上下。他在自己机器上把账单拆开逐项量了一遍——清掉装的一百多个技能插件，没用；删掉自己的规则文件，省了7200；剩下两万多，全是 Claude Code 这个工具本体自带的：系统提示词加工具描述，活还没干，钱先花了。哔哩哔哩
评论区给这笔钱起了个名字：Harness 税。
同一个模型，不同的账单，这事有三组实测数据
先说清楚 harness 是什么。模型是大脑，harness 是工位：每一轮让模型看到哪些上下文、给它哪些工具、历史怎么压缩、失败了要不要重试、什么时候算干完——这层"壳"决定了跑多少轮、烧多少 token。Pi 官方给自己的定义就是 minimal agent harness，两句口号：Primitives, not features（给基础构件，不给成品功能）；Adapt Pi to your workflows（工具适配你的工作流，不是反过来）。知乎
极简到什么程度？默认只给模型4个工具：read、write、edit、bash，系统提示词不到200 token。对比一下，Claude Code 的系统提示词接近1万 token。Pi 的作者 Mario Zechner——对，就是游戏开发框架 libGDX 那位作者——给的理由很激进：顶级模型经过强化学习已经足够聪明，超长系统提示词是给弱模型打的补丁，强模型不需要。
这不是玄学，今年有三组数据反复在验证"外壳差价"的存在。
第一组是 Composio 的横评，最近这轮用 DeepSeek-V4-Pro 做统一模型，让 Claude Code、Pi、OpenCode、Hermes、DeepSeek Harness 五个编程 Agent 各跑30个真实任务，全部拉满推理强度。结果很有意思：通过率最高的是 Pi（21/30），成本最低的却是 DeepSeek Harness（每个成功任务0.028美元），速度最快的是 Claude Code（平均181.8秒一题）。而 Claude Code 的成本是每题0.074美元——是 Pi（0.031美元）的2.4倍。更扎心的是速度：通过率第一的 Pi 平均362.9秒一题，几乎是 Claude Code 的两倍，倒数第一。有人总结得精辟：Claude Code 用 token 换时间，Pi 用时间换 token。知乎
这组测试还有个容易被忽略的数字：30题里，15题谁来都能过，7题谁来都挂，剩下8题——接近三成——成败由你选的外壳决定。所以 harness 从来不只是省钱问题，它还直接改写结果。
第二组是 Databricks 在7月8日公布的内部基准：六组"同模型、同推理强度、只换外壳"的配对实验，Pi 的每任务成本六组全部更低，幅度1.20倍到2.08倍。知乎
第三组更远一点：今年5月，Tulane、Rutgers 和 Virginia Tech 三所大学联合发了篇论文，标题就很冲——《别再不披露 Harness 就比较智能体了》。控制实验的结论是：harness 引起的性能波动可以显著超过换模型引起的波动，甚至导致排名逆转。知乎
别急着夸极简，先看清这笔税买到了什么
看到"2.4倍差价"就打算卸载 Claude Code 的话，先把另一半事实看完。
Claude Code 那1万 token 的系统提示词不是白烧的。Composio 官方的解释是：提示词长意味着指令明确，模型看到任务就知道该调哪个工具，不用反复试错——所以它才最快。再加上预置的权限控制、plan mode、skills、hooks、子代理这一整套生态，以及团队协作需要的审计和治理，这些都是 Pi 默认没有的。
Pi 的极简把边界管理责任整个交给了你。官方安全文档写得很直白：Pi 不包含内置沙箱。装什么扩展、加载什么包、让 Agent 碰到哪些目录，全是你自己的事。JavaGuide 在知乎那篇热文里也专门提醒：安装 package 之前应该先看源码和维护状态，别下载到带安全隐患的包。换句话说，省下的 token 钱，有一部分要用"自己当安全管理员"来还。知乎
嫌纯 Pi 太素的人，走的是另一条路：OhMyPi（OMP），Pi 的一个 fork，内置31+工具、LSP、调试器，兼容40多家模型提供商，GitHub 也有3万多星。知乎上"极简派还是全家桶"的讨论，本质就是在问：你想要多少预置功能，愿意为它付多少税。哔哩哔哩
还有一条来自内部的观察值得记住。一位做过大量 harness 实验的开发者在知乎高赞回答里说，商用 harness 之间的大多数差异，其实就是 compact（上下文压缩）设计和系统提示词这两件事的差异；而且他提到，上一个版本的 Claude Code 提示词长得离谱，新版一次性删掉了一大批——“算是给 Claude 大减负了”。这意味着 Harness 税率不是固定的，商用壳自己也在减肥。你现在测出来的差价，半年后可能收窄。知乎
顺手把这波流量里的噪音清一清
信息越密，错得越真。三个流传中的说法需要校准：
第一，“Pi 2.0 发布了”——假的。10月1日发布的是 Pi 1.0，Pi Durable 是同日放出的独立实验包。网上确实有标题写着"Pi 2.0"的视频，点进去内容讲的还是 1.0，属于搬运频道的错标。Pi 的 star 数倒是真涨得凶：8月中旬约8.9万，10月初已过10万。
第二，“Pi 质量碾压 Claude Code”——证据不足。Databricks 那六组配对里，成本侧 Pi 六组全低是硬结论，但质量侧的点估计有高有低（+3到-7个百分点），官方自己都只说"质量保持同一水平"。有篇很较真的分析文章提醒得对：不能把六个成本倍数直接平均成一个数，更不能宣布统计胜负。省钱是真的，"更强"还没被证明。知乎
第三，“评测第一等于干活第一”——小心外推。Composio 那30题是横跨 Gmail、Google Sheets、Slack 的多平台集成任务，不是纯代码任务；Databricks 的任务是筛过的、测试完善的历史 PR。两种分布下的结论，都不能直接套到你自己的项目上。
迁不迁？先看你是哪种付钱方式
这才是真正影响决策的变量。同样一句"省 token"，对不同账单结构的人，含金量完全不同。
如果你是订阅包月用户（Claude Pro/Max 或 Codex 月费）：Harness 税根本不出现在你的账单上——包月制下 token 是平台的成本，不是你的。你迁移能得到的不是省钱，而是三样别的东西：模型自由（Pi 自带 API key，随便换模型）、行为可控（提示词和工具全在自己手里）、以及长会话的树形管理（Pi 把会话存成 JSONL 树，/tree 能跳回任意历史节点分叉试错，这个功能连很多老用户都说香）。代价也要认：你在 Claude Code 里攒的 CLAUDE.md、skills、hooks 资产不能直接搬，权限确认的习惯要自己重建。
如果你是 API 按量付费用户：税率就是你的真实折扣，1.2倍到2.4倍的差价直接落在钱包上。月 token 开销上了三位数美元的话，值得花一个下午做配对测试（方法在下面）。注意两点：Pi 慢，但按 token 计费下慢不等于贵，只是费你的等待时间；复杂任务上 Pi 可能需要现场用 bash 造工具，这部分时间成本要自己掂量。
如果你在国内，被充值和封号问题困扰：Pi 接受任意模型 API key 的特点，让它天然是个现实出口——接 DeepSeek、GLM、Kimi 都是官方支持的路径，DeepSeek Harness 这种完全免费的开源壳也在同一波讨论里被反复拿来对比。这条路的坑不在工具，在 key 的来源，此处不展开，你懂的。
想动手的话，最省弯路的三步
第一步，别全量迁移，先做配对测试。照 Databricks 的思路简化成三句话：固定同一个模型和推理档位，只换外壳；任务用你自己项目里近期真实干过的活（修 bug、加功能都行）；记录"每个成功任务的成本"和通过率，别只看平均分。你自己的任务分布，比任何榜单都有发言权。
第二步，装一个玩玩成本极低。Pi 就是一条 npm 命令的事，终端输入 pi 就能跑。想要开箱即用就试 OhMyPi。插件别贪多——有UP主在 Pi 1.0 之后专门做了"删插件"教程，结论是基本上一个联网插件加一个子代理插件就够，剩下的要么 Pi 已经原生做了，要么是给自己加税。哔哩哔哩
第三步，留意 Pi 1.0 的两个新东西，可能改变你的测试结论：一是它把曾经写进 README 拒绝的 MCP 又接回来了，做成了四档按需曝光，实测20个工具的首请求能省72%的 token。二是 Codemode——让模型写小型 JavaScript 程序在沙箱里并行调用工具、过滤中间数据、只回传结果，对 GPT 这类喜欢疯狂调工具的模型尤其对味。哔哩哔哩
值得持续盯的信号有三个：Pi Durable 什么时候从"实验性"转正（它解决的崩溃恢复、审批不重复执行，是长任务 Agent 的真痛点，Cloudflare 已经下场支持）。其次是 Anthropic 会不会继续给 Claude Code 的提示词减肥（减一次，税率就变一次）；以及 DeepSeek Harness 兼容 Claude Code Mods 那个实验层的安全问题什么时候补上——目前 Mod 的 Hook 模块直接拥有 Node 全局权限，没有沙箱，官方文档自己都在提醒。知乎
最后照例问一句：你现在主力用的是哪个壳，月账单多少？如果真算出"同一个模型、账单差一倍"，你会为了省钱忍受慢一倍，还是为了快继续交税？评论区聊聊，这题没有标准答案，但你的账单有。
