Обзор агента Pi Coding: минималистичный CLI для AI-кодинга с возможностью кастомизации

Pi Coding Agent — это минималистичный, открытый терминальный каркас для программирования, который поставляется с четырьмя инструментами по умолчанию и оставляет большую часть поведения на усмотрение расширений, навыков и вашего собственного рабочего процесса.

Большинство ИИ-агентов для программирования превращаются в крупные продукты. Они добавляют режимы планирования, субагентов, слои разрешений, интеграции с IDE, фоновые рабочие процессы и всё более сложную оркестрацию вокруг модели. Pi принимает почти противоположный подход: агент по умолчанию стартует с четырёх базовых инструментов — read, write, edit и bash — тогда как большинство интересного поведения намеренно делегируется расширениям, навыкам, пакетам и вашему собственному рабочему процессу.

Этот обзор соответствует версии Pi v0.84.2, выпущенной 14 августа 2026 года. Проект создал Марио Зехнер; в мае 2026 года он перешёл в Earendil Works, поэтому текущие пакеты используют скоуп @earendil-works, а не старые имена @mariozechner. Pi быстро меняется, поэтому конфигурации и API расширений стоит проверять на совместимость с версией перед тем, как стандартизировать их в команде.

Важно понимать и обратную сторону: Pi даёт вам значительно больше контроля, чем многие другие агенты для программирования, и, соответственно, больше ответственности. Он не предоставляет встроенного песочного ядра безопасности (security sandbox) или системы разрешений, которую разработчики могут ожидать после использования Claude Code или аналогичных инструментов. Ниже я рассматриваю быстрый старт, архитектуру, поддержку моделей, расширения, модель сессий, последствия для безопасности и то, где, по моему мнению, Pi находится среди современных ИИ-инструментов для программирования.

Что такое Pi Coding Agent?

Pi лучше всего понимать как каркас агента (agent harness), а не как готовую, догматичную среду программирования. Это различие важно: модель для программирования отвечает на промпты, тогда как каркас агента решает, какой контекст видит эта модель, какие инструменты она может вызывать, как результаты инструментов возвращаются к ней, как сохраняются сессии и что происходит между ходами. Pi делает практически все эти слои доступными, поэтому он находится на стороне «сборки комплекта» в сфере инструментов для ИИ-разработчиков, а не среди продуктов для программирования «из коробки».

Самая сильная причина использовать Pi — не то, что у него больше функций, чем у конкурирующих агентов для программирования (их нет). Причина в том, что Pi открывает больше самого агента. Это делает его особенно привлекательным для старших разработчиков, инженеров платформ, команд ИИ-инструментов и всех, кто достиг точки, где ограничения их агента для программирования вызваны не базовой моделью, а самим каркасом. Pi менее убедителен для тех, кто хочет установить агента, одобрить несколько безопасных настроек по умолчанию и больше никогда не думать о его архитектуре: его минимализм продуктивен только в том случае, если вы цените тот контроль, который этот минимализм создаёт.

Что Pi действительно даёт вам

Набор инструментов по умолчанию, доступных модели, намеренно мал:

read
write
edit
bash

Доступны дополнительные инструменты только для чтения, включая grep, find и ls, а в последних релизах Pi можно настроить начальный выбор встроенных инструментов.

По умолчанию набор выглядит скудным, и в этом суть. Каждый дополнительный инструмент увеличивает количество решений, которые должна принимать модель, расширяет системный промпт и создаёт новую поверхность поведения, которую может потребоваться отлаживать. Вместо этого Pi начинает с способного примитивного набора и позволяет добавлять специализированные инструменты, когда ваш рабочий процесс действительно в них нуждается.

Философия распространяется дальше, чем просто инструменты. Pi намеренно не делает встроенные субагенты или обязательный режим планирования центральными элементами продукта; эти поведения можно реализовать через расширения или установленные пакеты. Это делает Pi менее удобным «из коробки», но даёт разработчикам больше контроля над тем, как реализованы эти механизмы. Если вы привыкли к встроенным субагентам Claude Code, гид по субагентам Claude Code — полезное справочное руководство о том, что вам пришлось бы переосуществить. Мне этот подход кажется слегка освежающим: Pi не притворяется, что существует один правильный способ работы с ИИ-агентом для программирования.

Как установить Pi Coding Agent и запустить сессию

Установите текущий пакет из скоупа @earendil-works. В старых туториалах всё ещё могут показываться пакеты @mariozechner до переезда в мае 2026 года; эти имена устарели для новых установок.

Также название пересекается с oh-my-pi, форком сообщества харнеса Oh My Opencode. Этот проект не связан с данным агентом для программирования; обзор Oh My Opencode объясняет этот форк, если вы попали не на тот Pi.

Установка и аутентификация

1. Установите Pi глобально через npm:

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

   --ignore-scripts отключает сценарии жизненного цикла зависимостей во время установки. Pi не нуждается в этих сценариях для обычной установки через npm, и их пропуск снижает распространённый риск цепочки поставок.

2. Проверьте установку:

   pi --version
   

3. Перейдите в проект и запустите его:

   cd /path/to/project
   pi
   

Pi ожидает среды, поддерживающей bash. На Windows используйте WSL или Git Bash, а не cmd.exe.

Pi поддерживает интерактивную аутентификацию по подписке, а также провайдеров на основе API-ключей. Внутри Pi самый простой путь — это:

/login

После аутентификации выберите модель с помощью:

/model

Вы также можете предоставить учётные данные провайдера через переменные окружения. Например:

export ANTHROPIC_API_KEY="your-api-key"
pi

В настоящее время Pi поддерживает широкий набор провайдеров моделей, включая OpenAI, Anthropic, Google, Azure OpenAI, Amazon Bedrock, NVIDIA NIM, DeepSeek, Mistral, Groq, Cerebras, Cloudflare, xAI, OpenRouter и некоторые другие. Также поддерживается роутер llama.cpp для локально обслуживаемых моделей: быстрый старт с llama.cpp охватывает обслуживание моделей GGUF через API, совместимый с OpenAI, а гид по хостингу LLM описывает окружающие локальные, self-hosted и облачные среды выполнения, если вы хотите сравнить этот путь с Ollama, vLLM или хостинг-провайдером. Пользовательские провайдеры, говорящие на поддерживаемом API, можно добавить через ~/.pi/agent/models.json, а пользовательские API или OAuth-потоки можно настроить с помощью расширений.

Этот мультипровайдерный дизайн — одно из практических преимуществ Pi. Модель и харнес для программирования — это отдельные переменные: с Pi вы можете менять модель, сохраняя практически тот же набор инструментов и среду сессии, что делает сравнение моделей значительно более осмысленным, чем сравнение совершенно разных продуктов для программирования.

Начните с контролируемой первой сессии

Я бы не стал делать вашим первым промптом для Pi «рефактори моё приложение». Начните с просьбы осмотреть, а не изменять:

pi --tools read,grep,find,ls -p "Inspect this repository. Explain its architecture, identify the main entry points, and list the commands you would run before making a change. Do not modify files."

Когда я запустил этот промпт только для чтения на существующем репозитории, полезным результатом не стала умная эссе об архитектуре. Было то, назвала ли модель реальные точки входа и команды, которые я действительно бы запустил, прежде чем запрашивать доступ на запись. Это даёт вам представление о том, как выбранная модель навигирует по вашему дереву файлов, не давая ей сразу путь записи через обычный набор инструментов.

Для интерактивной работы я бы также сначала создал одноразовую ветку Git:

git switch -c ai/pi-evaluation
pi

Pi может изменять файлы в рабочей директории и выполнять команды оболочки через bash, поэтому Git остаётся одним из самых простых практических слоёв отката при его оценке. Если вы хотите тестовую сессию, которая не сохраняется, pi --no-session запускается в эфемерном режиме.

Инструкции для проекта должны находиться в AGENTS.md. Полезный стартовый файл может выглядеть так:

# Project Instructions

- Read the existing implementation before modifying files.
- Keep changes narrowly scoped to the requested task.
- Run `npm test` after code changes.
- Run `npm run lint` before declaring the task complete.
- Do not modify database migrations unless explicitly requested.
- Do not access production infrastructure.
- Explain any destructive command before running it.

Pi также понимает CLAUDE.md при обходе директорий проекта, а AGENTS.override.md может переопределить обычные инструкции проекта для директории.

Затем дайте ему конкретную задачу:

Read the authentication module and its tests.

Find one maintainability problem that can be fixed without changing public behaviour. Explain the proposed change first, then implement it and run the relevant tests.

Это лучшая оценка агента, чем просьба сгенерировать новое игрушечное приложение. Существующий код заставляет агента обнаруживать ограничения, сохранять поведение, выбирать相关文件 и проверять свою работу.

Почему Pi Coding Agent — редактируемый харнес

Самая важная архитектурная идея Pi заключается в том, что сам агент для программирования должен оставаться редактируемым. Система расширений использует модули TypeScript, которые могут регистрировать инструменты, подписываться на события жизненного цикла, перехватывать вызовы инструментов, вставлять или трансформировать контекст, добавлять команды и модифицировать терминальный интерфейс. Локальные для проекта расширения также можно перезагрузить с помощью /reload, что делает эксперименты с харнесом удивительно мгновенными.

В упрощённом виде Pi выглядит так:

Диаграмма проста, потому что Pi пытается держать плоскость управления простой. Это даёт вам необычный вариант: когда агенту не хватает функции, вам не обязательно ждать, пока мейнтейнеры Pi добавят её — вы можете добавить это поведение сами. Расширение может создать новый вызываемый моделью инструмент, проверить предложенный вызов bash и заблокировать команды, соответствующие вашей политике, вставить динамическую информацию о проекте перед ходом, изменить поведение компрессии или раскрыть пользовательскую команду внутри терминального UI. Это гораздо более глубокая поверхность расширения, чем изменение системного промпта.

Интеграция MCP не рассматривается как обязательная встроенная часть минимального ядра Pi. Её можно добавить через ту же модель расширяемости, что согласуется с более широким дизайном: специализированные интеграции живут выше маленького харнеса по умолчанию, а не постоянно расширяют его.

Тот же харнес также повторно используется за пределами интерактивного терминала. Pi поставляется с SDK для встраивания сессии агента в приложения Node.js, а также с RPC-режимом (pi --mode rpc), который говорит на JSON через stdin/stdout для хостов, не являющихся Node, IDE и пользовательских UI.

Идея четырёх инструментов серьёзнее, чем кажется

Сначала я думал об инструментах агентов для программирования в двух группах. Первая содержит примитивы: прочитать файл, изменить файл и выполнить команду. Вторая содержит удобства: поиск по репозиторию, прогонщики тестов, трекеры задач, браузерные инструменты, инструменты развёртывания, помощники для баз данных, интеллектуальный анализ кода и специализированные планировщики. Pi сохраняет слой примитивов маленьким и позволяет слою удобств оставаться опциональным.

В этом есть архитектурное преимущество. Команда, работающая над инфраструктурой Kubernetes, может построить очень другой Pi, чем команда, поддерживающая TypeScript-монорепозиторий, без того чтобы обе команды несли инструменты друг друга в том же агенте по умолчанию. Здесь Pi перестаёт выглядеть как урезанная альтернатива Claude Code и начинает выглядеть как фреймворк для построения собственного агента для программирования.

Цена — это обслуживание. Как только вы начинаете полагаться на пользовательские расширения, их поведение становится частью вашей платформы разработчика: вам нужно их ревьюить, версионировать и периодически обновлять по мере эволюции Pi. Это скрытый налог Pi — вы получаете владение агентом, а владение приходит с обслуживанием.

Навыки и пакеты поддерживают модульность кастомизации

Не каждое пользовательское поведение должно становиться расширением. Pi поддерживает навыки (skills), которые упаковывают инструкции, сценарии и справочные материалы вокруг определённой функции. Навыки используют прогрессивное раскрытие: Pi может рекламировать доступный навык модели, загружая полные инструкции только тогда, когда функция нужна. Это полезно для рабочих процессов, таких как ревью развёртывания, миграции баз данных, подготовка релизов или ревью кода, специфичного для фреймворка; вместо постоянного впрыска страниц инструкций в каждый диалог, агент может загружать специализированные руководства по запросу. Если вы уже строите Claude Skills, механика будет казаться знакомой — см. Claude Skills и SKILL.md для разработчиков для структуры SKILL.md и настройки триггеров.

Pi Packages идут дальше, объединяя расширения, навыки, шаблоны промптов и темы. Пакеты можно устанавливать из npm или Git-репозиториев, и их можно фиксировать на определённых версиях:

pi install npm:@foo/pi-tools@1.2.3
pi list

Модель пакетов мощна, но относитесь к пакетам скорее как к исполняемым инструментам разработчика, чем к безобидным коллекциям промптов. Расширение Pi может выполнять код с разрешениями процесса Pi, а навык также может инструктировать модель выполнять код, поэтому установка неизвестного пакета заслуживает практически того же подозрения, что и установка неизвестной зависимости разработки.

Древовидные сессии в Pi Coding Agent

Многие ассистенты для программирования рассматривают разговор как в основном линейную транскрипцию. Pi хранит сессии как дерево, что означает, что вы можете вернуться к более ранней точке, попробовать другой подход и сохранить оба пути внутри сессии, вместо того чтобы уничтожать одну историю или создавать кучу нерелевантных чатов.

Основные команды просты:

/resume
/tree
/fork
/clone
/compact

/tree позволяет навигировать внутри текущего дерева сессий. /fork создаёт новую сессию из более раннего сообщения пользователя, тогда как /clone дублирует текущую активную ветвь в отдельную сессию. Из командной строки pi -c продолжает последнюю сессию, а pi -r просматривает прошлые.

Различие стало очевидным в первый раз, когда я использовал Pi для отладочного прохода, а не для промпта «с нуля». Я позволил ему следовать гипотезе о слое кэширования для падающего интеграционного теста, затем развил ветвь из сообщения, где была выбрана эта теория, и начал вторую ветвь на изоляции транзакций. Провалившееся расследование осталось доступным для контраста, вместо того чтобы загрязнять новый путь или заставлять начинать новый чат, что является полезным представлением того, как на самом деле работает отладка: несколько правдоподобных объяснений часто существуют одновременно.

Pi сохраняет сессии в формате JSONL и может автоматически компрессировать старый контекст по мере приближения разговоров к лимитам модели; ветви также могут быть обобщены, когда вы переходите между ними. Я бы поставил это выше нескольких более видимых функций агентов для программирования: хороший менеджмент контекста обычно важнее, чем ещё одна кнопка в интерфейсе.

Инженерия контекста — функция первого класса

Pi также позволяет настраивать то, что достигает модели. Расширения могут вставлять информацию перед ходами, изменять историю и участвовать в компрессии. Система компрессии по умолчанию обобщает старый материал, сохраняя недавний разговор, но механизм может быть заменён или настроен.

Для продвинутых команд это открывает интересные возможности. Крупный монорепозиторий может вставлять информацию о владении только для файлов, с которыми агент в данный момент работает. Бэкенд-проект может выводить метаданные схемы, когда файлы базы данных входят в контекст. Долгоживущий агент миграций может поддерживать структурированное состояние вне разговора, вместо того чтобы снова и снова просить модель заново обнаруживать его. Это то, что я считаю реальной долгосрочной силой Pi: качество агентов для программирования всё больше ограничивается инженерией контекста, дизайном инструментов и оркестрацией, а не «сырым» интеллектом модели, и Pi даёт разработчикам необычно прямой доступ к этим слоям.

Безопасность Pi Coding Agent: нет встроенного песочного ядра

Самый важный негативный момент в этом обзоре прост: Pi не предоставляет встроенного песочного ядра безопасности. По умолчанию Pi работает с разрешениями пользователя и процесса, который его запустил. Его инструменты могут читать и изменять доступные файлы и выполнять команды оболочки в контексте этой операционной системы.

У Pi есть доверие к проекту (project trust), но доверие к проекту — это не песочное ядро. Доверие к проекту контролирует, загружаются ли локальные для проекта настройки Pi, расширения, навыки, промпты и аналогичные ресурсы. Как только вы работаете в проекте, оно не создаёт границы файловой системы, сети, процессов или учётных данных вокруг вызовов инструментов, управляемых моделью. Я действительно ценю, что документация Pi явно указывает на это различие: слабое псевдо-песочное ядро может быть опаснее, чем отсутствие песочного ядра, потому что пользователи могут доверять границе, которая на самом деле не существует. Вместо этого Pi ожидает, что значимая изоляция будет происходить из контейнеров, виртуальных машин, микро-ВМ или другого управляемого политикой среды выполнения.

Для одноразовых личных проектов вы можете решить, что Git и обычные разрешения операционной системы достаточны. Для недоверенных репозиториев, автономных агентов, рабочих станций, содержащих учётные данные продакшена, или агентов, обрабатывающих внешнее содержимое, я бы использовал более сильную изоляцию. Документация Pi описывает три паттерна:

Важная граница — это не только исходная директория. Агент, который может выполнять команды оболочки, потенциально может взаимодействовать с конфигурацией SSH, облачными учётными данными, реестрами пакетов, локальными службами, состоянием браузера и всем остальным, что доступно процессу. Поэтому настройка производственного качества должна думать о монтировании файловой системы, переменных окружения, сетевом доступе и учётных данных вместе. Мой предпочтительный паттерн оценки:

Монтирование реального репозитория в режиме чтения/записи в контейнер всё ещё позволяет агенту изменять этот репозиторий; контейнеры помогают только в той степени, в которой их монтирования, учётные данные, возможности и сетевой доступ действительно ограничены. У Gondolin есть связанное предупреждение: пользовательские инструменты расширений всё ещё работают на хосте, если они также не делегируются в ВМ.

Есть ещё одна поверхность безопасности, о которой стоит помнить: расширения и пакеты. Расширение третьей стороны — это код, выполняющийся внутри среды агента. Проведите его ревью перед установкой, зафиксируйте важные зависимости и избегайте отношения к публичной галерее пакетов как к неявному ревью безопасности.

Два практических проверки перед запуском Pi на машине, которая вам дорога:

# Confirm the version you actually have
pi --version

# Disable startup network operations (update checks and install telemetry)
export PI_OFFLINE=1
pi

PI_OFFLINE=1 отключает все сетевые операции при запуске, включая проверки обновлений, проверки обновлений пакетов и телеметрию установки/обновления. Если вы хотите более тонкого разделения, PI_SKIP_VERSION_CHECK=1 отключает только проверку версии, а PI_TELEMETRY=0 отключает телеметрию установки/обновления, оставляя проверки обновлений включёнными.

Эта модель безопасности — основная причина, по которой я бы колебался перед тем, как отдать Pi крупной инженерной организации как необработанный стандарт. Pi предоставляет элементы для построения сильной среды, но намеренно оставляет многое из этой среды вам.

Pi Coding Agent против Claude Code и OpenCode

Pi имеет больше смысла при сравнении по философии, а не по количеству функций. Среди терминальных агентов OpenHands — более близкий «родственник»: он также работает из CLI, но поставляется с песочным ядром и более крупным встроенным рабочим процессом, а не просит вас собрать его самому. Claude Code имеет всё более изощрённые встроенные разрешения, хуки и субагенты. OpenCode раскрывает настраиваемые правила allow, ask и deny, а также встроенные концепции агента или субагента. Pi начинается ниже в стеке.

Именно поэтому называть Pi «клон Claude Code» упускает интересную часть. Если вы довольны рабочим процессом Claude Code, Pi не автоматически улучшит его: Claude Code даёт вам больше безопасности и поведения оркестрации агента, не требуя от вас собирать эти элементы самому. Pi становится интересным, когда вы хотите изменить предположения под продуктом. Возможно, вы хотите тот же харнес для Anthropic, OpenAI и локальных моделей. Возможно, ваша организация имеет собственное песочное ядро. Возможно, вам нужен инструмент, который вставляет метаданные внутренней архитектуры перед каждым ходом. Возможно, вы хотите, чтобы компрессия производила структурированное инженерное состояние, а не общее резюме разговора. Это территория Pi.

OpenCode, пожалуй, философски ближе, потому что он также предлагает существенную конфигурацию. Даже там Pi ощущается скорее как комплект для построения самого харнеса, тогда как OpenCode раскрывает больше готовых концепций агента и разрешений.

Здесь нет универсального победителя. Для многих разработчиков догматичные настройки по умолчанию Claude Code — это преимущество. Для других OpenCode может предложить более хороший средний вариант. Pi — это вариант, который я бы исследовал, когда фраза «я бы хотел, чтобы мой агент для программирования работал иначе» стала важнее, чем «я бы хотел, чтобы у моего агента для программирования была ещё одна функция».

Стоит ли использовать Pi Coding Agent?

Pi Coding Agent — один из более технически интересных агентов для программирования, потому что он отказывается прятать харнес. Реализация по умолчанию намеренно мала, но API расширений, навыки, пакеты, слой провайдеров, SDK, RPC-режим и древовидные сессии дают ему гораздо большую эффективную поверхность, чем предполагают его четыре инструмента по умолчанию.

Я бы наиболее strongly рекомендовал Pi опытным разработчикам, которые любят строить собственные инструменты. Он особенно убедителен для работы с ИИ-платформами, экспериментальных исследований агентов для программирования, специализированных инженерных рабочих процессов и команд, которые уже имеют инфраструктуру безопасного выполнения. Он также полезен для разработчиков, которые хотят сравнивать модели, не меняя каждую vez свою среду программирования. Я бы был более осторожен с новичками и организациями, ожидающими корпоративного управления политикой сразу после установки.

Отсутствие песочного ядра меняет то, как Pi должен быть развёрнут, особенно когда агенту разрешено работать автономно или он может столкнуться с недоверенными инструкциями. Относитесь к Pi как к мощному локальному процессу разработчика, а не как к границе безопасности: для недоверенных репозиториев, автономной работы или сред, содержащих ценные учётные данные, используйте песочное ядро на уровне операционной системы, контейнер, ВМ или управляемое политикой песочное ядро и раскрывайте только ресурсы, необходимые для задачи.

Моя общая оценка — 8.4/10. Это редакционный вердикт, а не среднее значение таблицы выше, и он легко может стать выше для правильного пользователя. Наибольшая слабость и наибольшая сила Pi — это одна и та же вещь: он не завершает агента за вас.

Стоит ли переключиться с Claude Code? Не автоматически. Используйте Claude Code, когда его встроенные разрешения, субагенты, хуки и рабочий процесс соответствуют тому, как вы уже работаете. Оценивайте Pi, когда вы хотите более широкое владение харнесом, выбором провайдера, построением контекста и архитектурой инструментов. Для продвинутых разработчиков я бы даже не предположил, что выбор должен быть эксклюзивным: Claude Code может оставаться отполированным ежедневным водителем, тогда как Pi становится программируемой лабораторией агента. После достаточной кастомизации эта лаборатория может превратиться в инструмент, который вы действительно предпочитаете.

Лицензирование и стоимость

Сам Pi является открытым исходным кодом и выпущен под лицензией MIT. Это не делает вывод модели бесплатным: ваша фактическая стоимость зависит от провайдера модели, использования API, поддерживаемой аутентификации по подписке, локальных вычислений и любой инфраструктуры песочного ядра, которую вы решите запустить.

Ссылки

• Репозиторий Pi Coding Agent: https://github.com/earendil-works/pi
• Сайт Pi и установщик: https://pi.dev
• npm-пакет: https://www.npmjs.com/package/@earendil-works/pi-coding-agent
• Микро-ВМ Gondolin: https://github.com/earendil-works/gondolin
• NVIDIA OpenShell: https://docs.nvidia.com/openshell/about/overview
• Лицензия: MIT