AI Engineer Europe 2026
Building pi in a World of Slop
Mario Zechner · pi.dev(OpenClaw 的 agent 内核)
上下文必须是你自己的:pi 只有极短的系统提示、四个工具(read/write/edit/bash)和可热重载的 TypeScript 扩展,agent 能自己改自己;同时提醒大家「慢下来」,关键代码逐行读。
内容概要
Mario 讲了三幕。第一幕:他离开 Claude Code,不是因为它不好,而是「我的上下文不是我的」:系统提示与工具定义每个版本都变、在不合适的位置插入 system reminder、没有可观测性、hooks 浅且每次起新进程;OpenCode 会裁剪工具输出、在每次编辑后注入 LSP 报错。TerminalBench 上最简单的 Terminus(只给 tmux 按键与读输出)跑赢各家原生 harness,说明 harness 形态远未定型。于是他做了 pi:最小内核 + 极强扩展,文档和示例随包附带,让 agent 读完就能给自己写扩展。第二幕:pi 成为 OpenClaw 内核后,大量 agent 提交垃圾 issue/PR,他用「人话写 issue 才放行」等方法过滤(后来被做成 Vouch)。第三幕:agent 不会从错误中学习、没有瓶颈、痛苦被延迟,十个 agent 两周就能造出企业级复杂度;任务要有边界、有评估函数,关键代码要亲手写和读。
幻灯片截图
截图来自原视频,仅用于评论与学习。
要点(点击时间跳到原视频)
- 1:57
真正的问题是上下文不在自己手里:系统提示与工具定义随版本变动,system reminder 插在不合适的位置(还写着「可能相关也可能无关」),没有可观测性、只能用 Claude、扩展性弱,每个 hook 都要起一个新进程。
- 3:36
他称 Amp 和 Factory Droid 是编码 harness 里的保时捷和兰博基尼;OpenCode 团队也很强,但会在一定条件下裁剪工具输出(等于给模型做脑叶切除),每次编辑后从 LSP 注入报错(人不会写一行查一次错),还曾默认开启 CORS 宽松的本地服务器。
- 4:44
TerminalBench 上,只给模型「向 tmux 发按键、读输出」的 Terminus 不分模型家族都跑赢原生 harness。结论:我们还在「瞎折腾然后发现」阶段,编码 agent 的形态远非终态,需要更好的折腾方式——可自我修改、可塑的 agent。
- 6:21
pi = 四个包:多模型 AI 抽象(含跨模型上下文交接)、agent 内核(一个 while 循环 + 工具调用)、不闪烁的终端 UI、编码 agent 本身。系统提示只有几行,加上 skills 的几行;工具只有 read、write、edit、bash。模型被 RL 训练成编码 agent,不需要一万 token 告诉它这件事。
- 6:36
自我修改的秘诀:随包附带手写的文档和扩展示例,告诉 agent「这是文档、这是如何写扩展的代码」,它就能给自己加功能。默认 YOLO,不弹每次 bash 的审批框,而是给足绳子让你按自己的安全需求搭。
- 8:16
扩展就是 TypeScript 模块:能定义工具、斜杠命令、快捷键,监听任意事件,保存会话状态,自定义压缩和模型提供商,并且热重载;发布直接用 npm/GitHub,不再造一个「市场」孤岛。怎么写扩展?让 pi 按你的规格写,然后在会话里迭代。
- 10:24
在 compaction 之前,pi 在 10 月的 TerminalBench 排第六。但重点不是 pi,而是「夺回你对工具和工作流的控制,自己造」。
- 11:00
第二幕:pi 成为 OpenClaw 的内核后,大量 OpenClaw 实例往他的仓库发垃圾 issue/PR。对策:PR 自动关闭并要求「用人话、一屏以内写 issue」,通过者加入白名单(agent 不会回头读评论,这是完美过滤器,后被 Mitchell 做成 Vouch);给相关 issue 降优先级;把 issue 嵌入 3D 空间看聚类;必要时关闭 tracker 去「开源度假」。
- 12:03
第三幕「慢下来」:agent 在复利式地累积错误,没有学习、没有瓶颈、痛苦被延迟到你身上;评审 agent 也只能抓到一部分。agent 从互联网上学到的复杂度大多是旧垃圾代码,每个决定都是局部的,十个 agent 加两个人两周就能造出企业级复杂度。
- 14:16
「足够详细的规格叫什么?叫程序。」规格留白的地方,模型会用它从网上学来的平庸代码填满。人会出错但会学习、会感到痛苦并重构;agent 会一直往代码库里倒垃圾,AGENTS.md 和复杂记忆系统救不了。
- 16:10
好任务的特征:范围清楚到 agent 一定能找到需要的全部信息(所以要模块化),最好有评估函数(爬坡、AutoResearch);非关键、无聊的工作,用户问题的复现,都适合交给 agent;最后由人评估,留下合理的部分。
- 16:56
最后一页:慢下来,想清楚做什么和为什么;学会说不,少做功能,用 agent 打磨真正重要的;控制需要审阅的生成代码量;非关键代码随便,关键代码逐行读,重要的东西亲手写。摩擦正是在脑中建立系统理解的过程。
可以用在日常工作里的
- 编码 Agent
检查你用的 harness 背着你往上下文里加了什么(system reminder、裁剪、LSP 注入);需要时选可观测、可定制的工具。
- Harness
自研 agent 时先做最小内核(短提示 + 少量通用工具),把扩展点和文档做好,让 agent 能自己写扩展。
- 开源维护
对 agent 生成的 issue/PR 设「人类门槛」:要求人写的简短描述、维护白名单(如 Vouch),并用聚类工具处理重复问题。
- 工程
按「爆炸半径」分级:非关键代码交给 agent,关键代码人来写和逐行审;把代码库模块化,让每个任务的上下文边界清晰。
- 产品
学会说不:功能更少但更重要,把 agent 的产能用在打磨而不是堆功能。