发一句 "hi"，就消耗掉当天 10% 的模型配额；MCP 服务器空挂着不做事，常驻占用 15% 左右的上下文窗口；Plan Mode、Subagents 听起来高级，本质上只是上下文管理的技巧。Claude Code、Cursor、Copilot——它们都是黑盒。系统提示词里写了什么你不知道，.env 何时被读取你无法控制。每一个"高级功能"的背后，都在悄悄吃掉你看不见的上下文配额。

那么问题来了：为了让 AI 辅助编程，你真的需要这么重的工具吗？

有一个叫 pi 的开源项目，给出了一个完全不同的答案。

pi 是什么：一个完全透明的 AI Coding Agent CLI

pi 是一个开放、模块化的 AI 编程命令行工具。它的核心理念是：把所有接口和 hooks 完全开放，提供 100% 的定制能力。具体来说，它提供四层可定制机制：

  • 可扩展（Extensions）：用 TypeScript 编写插件，拦截每一次工具调用，在 AI 执行前进行审查
  • 可定制（Prompts）：将工程规范、代码风格、最佳实践编写为 Prompt 模板，每次对话自动注入
  • 可复用（Skills）：将常用的复杂工作流打包为 Skill，让 AI 按照标准流程自动执行
  • 可分发（Packages）：打包成 npm 包，一行命令分享给团队

你甚至可以用 pi 来改造 pi 本身。

下面以一个叫 safe-coder 的安全防护配置包为例，逐一拆解这些机制的实现。

安装与启动

前提条件很简单：Node.js（建议 LTS 版本）和 npm/pnpm/yarn。全局安装 pi 后就能直接使用 pi 命令。

pi 支持从 npm 直接安装配置包，比如安装 safe-coder 后，它的所有扩展、Skill、Prompt 模板会自动加载到 pi 中。在项目目录中启动 pi，它会自动扫描配置，加载所有扩展和 Skill，进入交互界面。

Extensions：给 AI 加装安全门禁

Extension 是 pi 最核心的能力。你可以用 TypeScript 编写函数，监听 AI 的每一次工具调用，然后决定：放行、拦截、还是弹出确认框让用户决定。

每个 Extension 是一个默认导出的函数，接收 ExtensionAPI 对象。文件支持直接用 TypeScript 编写，无需编译——pi 内部使用 jiti 即时加载。

来看两个实际的例子。

权限门（Permission Gate） 包含两层防护：一是危险命令检测，拦截 rm -rf、sudo、chmod 777 等高危操作并弹出确认框；二是工作目录边界保护，AI 尝试读写 pi 启动目录之外的文件时，必须先经过确认。

路径保护（Protected Paths） 则更细粒度：对 .env 文件的任何操作全部拦截，对 .git/ 和 node_modules/ 只拦截写入和编辑操作。

想想看，如果你用 Claude Code 让 AI 帮你重构项目，它突然去改了你的 .env 文件怎么办？有了这层拦截机制，你至少能在执行前看到并确认。

注册 Extension 非常简单，pi 启动时会自动扫描 extensions/ 目录下的所有 .ts 文件并加载。

Prompt 模板：把工程规范变成 AI 的行为准则

这个设计很巧妙。你可以为不同任务类型定义专属的系统提示词，当 AI 执行某类任务时，对应的 Prompt 模板自动注入上下文。

每个模板是一个 Markdown 文件，用 YAML frontmatter 声明描述，正文是提示词内容，$@ 作为用户输入的占位符。

比如你写一个代码审查模板 prompts/review.md，里面定义好你团队的审查标准——安全检查、性能考量、代码风格要求。之后每次让 AI 做 code review，这些规范都会自动带上。再写一个代码实现模板 prompts/implement.md，定义实现代码时必须遵守的原则。

这其实解决了一个很现实的问题：团队里每个人用 AI 编程时的"标准"不一样，产出质量参差不齐。有了 Prompt 模板，标准就被固化下来了。

Skills：渐进式披露的能力包

Skill 是 pi 对 Agent Skills 标准的实现。它本质上是一个自包含的能力包：将某类任务的完整工作流、所需脚本、参考文档打包在一起，AI 按需加载，按步骤执行。

它的工作原理值得注意：

  1. 启动时，pi 扫描所有 Skill 目录，只读取每个 Skill 的名称和描述注入系统提示词
  2. 当用户任务匹配某个 Skill 时，AI 自动加载完整的 SKILL.md 文件
  3. AI 按照 Skill 中的指令，使用相对路径调用 Skill 自带的脚本和资源

这种机制叫"渐进式披露"（Progressive Disclosure）——平时只占用少量上下文，需要时才加载全部内容。对比前面提到的 MCP 服务器常驻占用 15% 上下文窗口，这个设计在资源利用上显然更聪明。

Skill 的命名有规范：1 到 64 个字符，只允许小写字母、数字、连字符。描述质量很关键——描述越具体，AI 越能准确判断何时使用该 Skill。你也可以手动触发某个 Skill，不依赖 AI 的自动判断。

打造你自己的配置包：五步走

第一步，克隆 safe-coder 作为模板，给你的包起个名字。

第二步，添加你的 Extension。在 extensions/ 目录下新建 .ts 文件，pi 会自动加载。比如你可以写一个扩展，禁止 AI 在工作时间之外执行部署命令——这对一人公司来说尤其有用，避免半夜调试时 AI 帮你"部署"了一个有问题的版本。

第三步，编写你的 Prompt 模板。在 prompts/ 下新建 Markdown 文件，添加 frontmatter 描述，正文写你的标准和要求。

第四步，创建你的 Skill。在 skills/ 下新建目录，添加 SKILL.md，定义完整的工作流步骤。

第五步，发布为 npm 包。一行命令就能分享给团队或社区。

一个完整的 pi 配置包结构大致如下：extensions/ 放扩展，prompts/ 放模板，skills/ 放能力包，package.json 将所有组件关联在一起。

这对独立开发者意味着什么

pi 代表了一种思路：AI 编程工具不一定要越做越重。当你能完全掌控系统提示词、工具调用的拦截逻辑、上下文的加载时机，你实际上获得了比任何商业工具都更精确的控制力。

对于一人公司来说，这意味着你可以把自己的工程规范、安全策略、工作流程沉淀成一个可复用的 npm 包。换个项目、换台电脑，一行命令就恢复你所有的 AI 编程配置。

当然，这也意味着更高的上手门槛——你需要有 TypeScript 基础，需要理解 AI Agent 的工具调用机制。但如果你已经在用 Claude Code 或 Cursor 做日常开发，不妨思考一个问题：你现在用的工具里，有多少功能是你真正需要的，又有多少只是在消耗你的上下文配额？