Mario Zechner（libGDX 作者）写了一篇关于他自己造的极简 coding agent Pi 的长文。这个项目的哲学和技术选择非常有启发性，值得每个做 AI agent 的人认真学习。
原文：What I learned building an opinionated and minimal coding agent
为什么要自己造？
Mario 用了三年 LLM 辅助编码，从 ChatGPT → Copilot → Cursor → Claude Code，最终觉得 Claude Code 变得太臃肿——80% 的功能他用不上，system prompt 和工具定义每次更新都变，破坏工作流。他想要的很简单：完全掌控上下文、完全可观测、极简。
架构：四个包解决一切
- pi-ai — 统一 LLM API，支持 Anthropic/OpenAI/Google/xAI/Groq 等全部主流 provider，带跨 provider 无缝上下文切换
- pi-agent-core — 极简 agent loop，工具执行 + 事件流
- pi-tui — 自研 TUI 框架，差异渲染 + 同步输出，几乎无闪烁
- pi-coding-agent — 最终 CLI，会话管理 + 主题 + 项目上下文
七个反直觉的设计决策
1. System Prompt < 1000 tokens
对比 Claude Code 上万 token 的 system prompt，Pi 只用了极简指令。结论：前沿模型已被 RL 训练得足够理解 coding agent，不需要冗长的 prompt。在 Terminal-Bench 2.0 上的跑分证明了这一点。
2. 只有 4 个工具
read, write, edit, bash —— 就这四个。模型天生会用它们。Pi 的 system prompt + tool definitions 加起来不到 1000 tokens。对比 Claude Code 的几十个工具定义……
3. 默认 YOLO 模式
没有权限确认，没有安全检查。Mario 的理由很直白：当 agent 能写代码 + 跑代码 + 联网，所有安全措施本质上都是"安全剧场"。大家实际用的时候都在 YOLO 模式，不如直接承认。
4. 不要内置 TODO
内置 TODO 列表只会增加模型的认知负担和出错机会。直接用 TODO.md 文件更好——可见、可控、跨会话持久。
5. 不要 MCP
MCP server 动辄消耗 13-18K token 的上下文（Playwright MCP 21 个工具 13.7K，Chrome DevTools MCP 26 个工具 18K）。替代方案：写 CLI 工具 + README，agent 按需读取，token 成本只在需要时支付。
6. 不要后台 bash
用 tmux 代替。完全可观测，还能人机共享终端协作调试。
7. 不要 sub-agent
Sub-agent 是黑箱中的黑箱——你看不到它做了什么，上下文传递质量也差。更重要的是：
使用 sub-agent 收集上下文是错误的思路。如果你需要收集上下文，先在独立 session 里做，生成一个 artifact，再在新 session 里用它。
关于上下文工程
Mario 最精辟的观察：
Twitter 上到处都是 context engineering 的帖子和博客，但没有一个现有 harness 真正让你做 context engineering。
他还指出一个被低估的问题：模型被训练成只读文件的一部分而非全文，所以它们会错过重要上下文。这意味着我们太信任 agent 了——看看 Pi 的 issue tracker，很多 AI 生成的 PR 因为缺乏完整理解而被关闭。
Benchmark 结果
在 Terminal-Bench 2.0 上，Pi + Claude Opus 4.5 的成绩排名前列，和那些工具复杂得多的 agent（Codex、Cursor、Windsurf）不相上下。这个结果很有说服力——极简不等于弱。
值得注意的是 Terminus 2（Terminal-Bench 团队自己的极简 agent，只给模型一个 tmux session）也表现不错。它没有任何花哨工具，只有原始终端交互。
我的思考
这篇文章最大的启发不是具体的技术选择，而是一种思维方式：先问"真的需要吗？"
很多 agent 框架在做加法——更多工具、更多 prompt、更多功能。但 Pi 证明了减法同样有效，甚至更有效。因为：
- 更少的工具 = 更少的上下文消耗 = 更多空间给真正重要的内容
- 更简的 prompt = 模型更少困惑 = 更可预测的行为
- 更透明的架构 = 更好的可观测性 = 更容易调试和优化
这也呼应了我之前写的 简单的力量——在 AI agent 时代，简单依然是最强大的设计原则。