如果只看表面，Pi 很容易被理解成又一个命令行 Coding Agent：开发者在 Terminal 中输入任务，大模型读取代码、修改文件、执行命令，帮助人完成软件开发。但如果沿着 Pi 的诞生、OpenClaw 的采用、Earendil 的收购以及最新 Pi 1.0 和 Pi Durable 的发布一路看下来，会发现 Pi 真正值得关注的并不是“又做了一个 Claude Code”，而是它代表了一种与当前主流 Agent 产品明显不同的技术路线：
Agent 不应该是一个功能越来越臃肿、规则越来越复杂的封闭产品，而应该是一个极简、开放、模型中立、可以被用户重新塑造的 Harness。
更进一步看，Pi 今天正在从一个程序员使用的 Coding Agent，逐渐演化为 Earendil 整个 Agent 技术体系的基础组件。
一、Pi 为什么会诞生：对越来越复杂的 Coding Agent 的反思
Pi 的创造者是 Mario Zechner。
Mario 是一名长期活跃于开源社区的软件开发者，早在 2009 年前后就开始参与开源项目，也是跨平台游戏开发框架 libGDX 的创建者。进入生成式 AI 时代后，他成为 Coding Agent 的深度用户。
Pi 的起点并不是一个宏大的创业计划，反而来自一个非常具体的不满。
2025 年，Mario 大量使用 Claude Code 等 Coding Agent，但随着这些产品不断增加功能、调整 System Prompt、修改工具体系，他发现自己的工作流越来越容易受到产品变化影响。于是他决定自己做一个 Coding Agent，而且采取了几乎相反的设计思路：
把能删掉的东西全部删掉。
最初的 Pi 核心只给模型四种基础工具：
Read、Write、Edit、Bash。
没有复杂的工作流编排，没有内置 Sub-Agent，没有固定 Plan Mode，也没有庞大的工具集合。
Mario 的判断是，前沿大模型本身已经具有越来越强的推理和工具使用能力。Harness 没有必要把大量“人类认为模型应该怎么工作”的逻辑硬编码进去。与其不断增加脚手架，不如提供最基础的能力，然后让模型自己完成任务。(Mario Zechner)
这构成了 Pi 最重要的设计哲学：
Minimal Core，Maximum Extensibility。
即“极小核心，最大扩展性”。
这与很多 Agent 产品形成鲜明对比。传统思路往往是不断往 Agent 里面增加 Planner、Router、Memory、Sub-Agent、Workflow、MCP、权限系统以及各种专用工具；Pi 则认为，这些能力不一定都应该进入核心。
如果用户需要一种特殊工作流，可以通过 Extension 实现；如果需要新的工具，可以让 Pi 自己写；如果需要改变上下文压缩方式，也可以替换；甚至 UI、快捷键、命令和模型 Provider 都可以扩展。
所以 Pi 的真正定位逐渐从“Coding Agent”变成了：
一个可以用来构造 Agent 的 Agent Harness。
二、Pi 最特殊的地方：不是功能多，而是“可塑性”
截至 2026 年，Pi 官方已经把自己的定位明确表述为 minimal agent harness。
它支持 Anthropic、OpenAI、Google、Azure、Bedrock、Mistral、Groq、Cerebras、xAI、OpenRouter、Ollama 等众多模型提供方，而且允许用户在同一个 Session 中切换模型。(Pi Coding Agent)
这意味着 Pi 并不把自己的未来绑定在某一个模型厂商身上。
它真正想解决的是模型之外的那一层：
人如何组织模型、工具、上下文和工作环境。
Pi 目前提供 Extension、Skills、Prompt Templates、Themes 等扩展机制，并允许用户把自己的定制打包分享。Session 采用树状结构保存，可以回到历史节点建立分支；上下文接近极限时可以自动 Compaction；用户甚至可以替换默认 System Prompt 和上下文压缩策略。(Pi Coding Agent)
这种设计背后有一个非常重要的理念：
> Change the harness, not your workflow.
不是让人去适应 AI 工具，而是让工具适应人的工作方式。
甚至当 Pi 缺少某个功能时，Pi 的思路也不是首先要求官方把这个功能加入产品，而是：
让 Pi 修改自己。
Pi 的 Extension 是 TypeScript 模块，可以访问工具、命令、事件、快捷键以及 TUI。Agent 可以读取自己的扩展示例、编写扩展代码、重新加载，再继续测试。
于是出现了一个非常有意思的递归关系：
Agent 可以帮助用户修改承载 Agent 自己的 Harness。
这也是 Pi 与普通 Coding Agent 最大的区别之一。
三、OpenClaw 让 Pi 从“小众 Coding Agent”进入 Agent 基础设施
Pi 真正进入更广泛 Agent 社区视野，一个重要原因是 OpenClaw。
OpenClaw 并没有重新从零构建自己的 Agent 核心，而是采用 Pi 的相关组件作为底层基础。Armin Ronacher 在 2026 年 1 月专门写了一篇文章，将 Pi 称为 OpenClaw 内部的“Minimal Agent”。(Armin Ronacher's Thoughts and Writings)
这件事情非常重要。
因为它证明 Pi 不只是一个人坐在 Terminal 前写代码的 CLI 工具，它还可以被拆成组件，嵌入更大的 Agent 系统。
换句话说：
Pi Coding Agent 是一个产品，但 Pi 的底层组件同时可以成为其他 Agent 的基础设施。
这让 Pi 的战略价值发生变化。
当越来越多企业和开发者开始构建自己的 Agent 时，他们最终都会面对一个类似问题：
模型已经有 OpenAI、Anthropic、Google 等厂商提供，
那么连接模型与真实世界的那一层由谁负责？
模型怎么调用工具？
Session 怎么保存？
上下文怎么管理？
模型怎么切换？
Agent 怎么扩展？
这些问题共同形成一个新的软件层——Agent Harness。
Pi 正是在争夺这一层。
四、2026 年的关键转折：Pi 加入 Earendil
2026 年 4 月 8 日，Pi 迎来了发展史上最重要的一次变化。
Earendil 宣布收购 Pi，Mario Zechner 加入 Earendil，并成为公司的重要股东和团队成员。Pi 随后迁移到 Earendil Works 组织之下，但继续保持原来的产品方向。(Earendil)
Earendil 本身也非常值得关注。
公司由 Armin Ronacher 和 Colin Daymond Hanna 于 2025 年创立。
Armin 是 Python 开发者非常熟悉的开源软件作者，创造了 Flask、Jinja 等重要项目，并长期参与 Sentry；Colin 则来自投资和商业领域，曾长期任职 Balderton Capital。两个人最终在维也纳共同创办 Earendil。(Earendil)
但 Earendil 从一开始就没有简单把自己定义成一家“AI Agent 公司”。
它是一家 Public Benefit Corporation，并把自己的核心使命写进公司 Purpose：
Strengthen Human Agency。
Earendil 对 AI 的基本判断可以概括成一句话：
AI 可以成为极其强大的工具，但真正的 Agent 应该仍然是人。
其官方表达更加形象：
人挥舞锤子，而不是锤子挥舞人。 (Earendil)
这也是为什么 Pi 与 Earendil 在理念上非常契合。
Pi 强调用户可以修改 Harness、选择模型、控制上下文和扩展能力；Earendil 强调 Human Agency。两者背后其实是同一种产品哲学：
不是让用户被 AI 产品定义，而是让用户拥有塑造 AI 的权力。
五、被收购之后，Pi 仍然保持 MIT 开源
开源社区最担心的问题自然是：
一家获得风险投资支持的公司收购 Pi 后，会不会逐渐关闭源代码？
Earendil 和 Mario 对此给出了相当明确的制度安排。
Pi 核心继续采用 MIT License。用户仍然可以自由使用、修改、Fork，甚至基于 Pi 构建商业产品。
Earendil 同时提出了未来可能采用的三层商业结构：
第一层是 MIT Core，即 Pi 核心，承诺保持 MIT；
第二层可能是 Fair Source，用于一些增值能力，源代码可见，并可能经过一定期限后转为完全开源；
第三层是 Proprietary Enterprise，主要包括企业级能力、服务器基础设施等商业服务。
截至 Mario 公布这一结构时，后两层仍主要是未来规划，而不是已经全面落地的产品。(Mario Zechner)
这个设计本质上是在解决一个长期存在的开源商业化难题：
如何既保证基础设施开放，又让维护基础设施的公司能够获得持续收入。
六、Pi 1.0：从个人项目进入稳定基础设施阶段
2026 年 10 月 1 日，Pi 正式发布 1.0。
这是另一个重要节点。
Earendil 表示，经过持续的维护、强化和开发之后，Pi 已经成为一个足够稳定、可以继续在其上构建产品的基础。(Earendil)
与此同时，Pi 仍然坚持极简路线。
Earendil 公布的数据表明，Pi 默认 System Prompt 与 Tool Definitions 总计不到约 1000 Token，核心依然围绕极少数基础工具展开。官方认为这种极简设计不仅是审美选择，同时能够减少上下文和 Token 开销。(Earendil)
但“极简”并不意味着拒绝变化。
例如 Pi 最初刻意不内置 MCP，而到了 2026 年 9 月，团队重新调整了这一策略，在新的架构条件下增加了相关支持。(The Register)
这实际上说明 Pi 的 Minimalism 并不是教条式的“功能越少越好”。
真正原则是：
只有那些足够通用、足够成熟，而且确实应该进入 Harness 核心的能力，才进入核心。
七、Pi Durable：Pi 开始突破 Coding Agent 的边界
与 Pi 1.0 同时发布的 Pi Durable，可能比 1.0 本身更值得关注。
因为传统 Pi 有一个天然边界：
它主要假设一个人在一台本地或远程机器前，通过 Terminal 控制一个 Agent。
如果 Agent 进程崩溃，人可以重新启动；
如果任务中断，人可以告诉它继续；
Session 主要围绕单个人展开。
但如果 Agent 真正开始进入企业和普通人的长期工作环境，这种架构就不够了。
Agent 需要：
长期运行；
进程崩溃后自动恢复；
跨设备访问；
支持无限延伸的 Conversation；
允许多个用户共同控制；
在各种内部、外部故障之后恢复状态。
Pi Durable 正是为这一层而设计。
Earendil 将其定义为一个用于构建 long-running、durable、malleable agents 的 Harness。它并不是用来替代 Pi Coding Agent，而是在 Pi 之上探索更通用的 Agent Runtime。(Earendil)
因此可以把两者简单理解为：
Pi 解决“Agent 怎么工作”；
Pi Durable 开始解决“Agent 怎么长期活着”。
这标志着 Pi 的边界第一次明显超出了 Coding Agent。
八、Lefos：从程序员工具走向普通人的 Agent
如果把视角继续往上拉，就会看到 Earendil 的另一个项目——Lefos。
Lefos 的定位并不是 Coding Agent，而是一种通过 Email 与人长期协作的 Machine Entity。
用户不需要一直打开一个特殊的 AI App，而可以通过已经存在几十年的开放协议——Email——与它协作，也可以把其他人加入同一个协作过程。(Earendil)
这让 Earendil 的产品布局逐渐呈现出一种层次关系：
Pi → Agent Harness
解决模型、工具、上下文、Session 和扩展问题。
Pi Durable → Durable Agent Runtime
解决长期运行、恢复、超长 Session、多入口和多人控制问题。
Lefos → Machine Entity / 用户产品
探索如何把长期存在的 Agent 真正带入普通人的工作和生活。
因此，Pi 并不是 Earendil 的全部。
它更像是这家公司 Agent 技术栈中非常重要的基础层。
九、Pi 最终想成为的，可能不是最强 Coding Agent
理解到这里，再看 Pi 的目标就会发生变化。
如果竞争标准只是“谁写代码 Benchmark 更高”，那么 Pi 最终面对的是 Claude Code、Codex 以及越来越多由顶级模型厂商直接提供的 Coding Agent。
这场竞争对于独立工具并不容易。
但 Pi 选择的是另一条路：
模型能力属于模型公司，Harness 的控制权属于用户。
模型会持续变化。
今天最强的是一个模型，半年后可能换成另一个模型；Coding Agent 的最佳工作流也会持续变化。
因此 Pi 不试图提前规定一个永远正确的 Agent 工作方式，而是尽量保持核心足够小，让用户能够根据模型能力和自己的工作方式重新塑造 Harness。
这也是 Pi 所强调的 malleability——可塑性。
从这个角度看，Pi 真正长期竞争的对象甚至不是某一个 Coding Agent，而是一种软件理念：
AI 时代的软件，到底应该替用户做越来越多决定，还是应该给予用户越来越大的控制权？
Earendil 显然选择后者。
十、从 Pi 到 Earendil：真正的目标是 Human Agency
因此，把 Pi 简单定义成“一个开源 Claude Code 替代品”已经越来越不准确。
它正在经历三次身份变化：
第一阶段：Coding Agent。
Mario 为自己打造一个简单、可靠、模型中立的编程助手。
第二阶段：Agent Harness。
OpenClaw 等项目证明 Pi 可以成为其他 Agent 的基础组件，Pi 开始成为“构建 Agent 的工具”。
第三阶段：Agent Infrastructure。
进入 Earendil 后，Pi 与 Pi Durable、Lefos 开始形成从 Harness、长期 Runtime 到最终 Agent 产品的完整探索。
这条路线背后真正不变的其实不是某项技术，而是一个价值判断：
Human Agency。
未来的大模型一定会更强，Agent 也一定会获得更长的运行时间、更丰富的工具权限和更大的自主行动能力。
问题将逐渐不再是：
“AI 能不能完成这个任务？”
而变成：
“当 AI 什么都能做的时候，人还拥有多少控制权？”
Pi 给出的答案，是把选择模型、修改 Harness、控制上下文、定义工具和塑造工作流的能力尽可能留给用户。
Pi Durable 则试图在 Agent 长期运行之后，仍然保留这种可控性和可塑性。
Lefos进一步探索，当 Agent 不再只是 Terminal 里的程序，而成为一个长期存在、能够与多人协作的 Machine Entity 时，人和 Agent 应该建立怎样的关系。
所以从更长周期看，Earendil 想做的可能从来不只是一个 Coding Agent 公司。
Pi 是可塑的 Agent Harness，Pi Durable 是长期 Agent 的运行底座，Lefos 是面向真实世界的人机协作实验。
三者最终指向的是同一个问题：
AI 越来越像 Agent 之后，人如何仍然成为真正拥有目标、选择和最终控制权的那个 Agent？
这可能才是理解 Pi 最重要的线索。
Pi 的目标不是替人握住方向盘。
而是在 AI 能力不断增强的时代，造一辆越来越强的车，同时确保——
方向盘仍然握在人手里。