ریشه‌های PI agent و فلسفه مینیمالیسم

ویدیوی سازنده pi agent (I Hated Every Coding Agent, So I Built My Own — Mario Zechner (Pi)) که خودم رو مجاب کرد.

Pi Agent چیه؟ تحلیل کامل معماری و مقایسه با Claude Code و Codex و OpenCode و Prime Agent

پیکسول فروشگاه آنلاین تخصصی برای محصولات دیجیتال با تحویل آنی است. گیفت‌کارت، اشتراک هوش مصنوعی، ابزارهای برنامه‌نویسی و خدمات تلگرام. این مطلب رو نوشتم چون خیلی از بچه‌های برنامه‌نویس این روزها دنبال یه هارنس واقعی و شفاف می‌گردن، نه یه ابزار بسته‌ای که هر چند وقت یه بار رفتارش عوض بشه.

چند سالی می‌شه که هوش مصنوعی از حالت تکمیل کد ساده خارج شده و رفته سمت عامل‌های خودکار. لایه‌ای که همه چیز رو مدیریت می‌کنه اسمش شده Agent Harness. این لایه مسئولیت دریافت مسئله، مدیریت بافت، فراخوانی ابزارها و کنترل سشن‌های رو داره. توی این بازار شلوغ، Pi Agent که دامنش pi.dev هست و ماریو زکنر ساخته، یه جورایی واکنش به همون پیچیدگی‌های الکی و عدم شفافیت ابزارهای تجاریه.

شعارش رو دوست دارم: هارنس‌های کدنویسی زیادن، ولی این یکی مال خودته. این فقط شعار نیست. یه جور بیانیه معماریه. تو این مطلب بلند می‌خوام معماری، فلسفه، ویژگی‌ها و مقایسه‌ش با بقیه رو کامل باز کنم. آخرش هم نشون می‌دم چطور با اشتراک ChatGPT (که Codex داره) یا Kimi Code یا Claude می‌تونی همین Pi رو حسابی قوی کنی.

از کجا شروع شد و چرا زکنر این کار رو کرد

داستان از آوریل ۲۰۲۵ شروع می‌شه. ماریو زکنر که همون سازنده libGDX معروف هست، توی یه هاکاتون شبانه هوش مصنوعی شرکت کرد. دعوت‌کننده‌ها پیتر اشتاینبرگر (سازنده OpenClaw) و آرپین روناخر (سازنده Flask و Sentry) بودن. اونجا فهمید عامل‌های کدنویسی چقدر می‌تونن قوی باشن. بعدش چند هفته Claude Code رو ابزار اصلی خودش کرد.

ولی کم‌کم اذیت شد. پیچیدگی‌های اضافه هر روز بیشتر می‌شد. شرکت یهو پرومپت سیستم رو عوض می‌کرد و رفتار عامل غیرقابل پیش‌بینی می‌شد. ترمینال پرپر می‌زد. و بدتر از همه، نمی‌تونست ابزار رو برای کار خودش توسعه بده. قبل از اینکه خودش دست به کار بشه، Codex CLI و Amp و OpenCode رو هم امتحان کرد.

نقطه عطف وقتی بود که با پروژه Terminus آشنا شد. اون عامل فقط یه جلسه tmux و کلیدهای خام ترمینال به مدل می‌داد. زکنر دید که مدل با همون دسترسی ساده هم خیلی کارها رو درست انجام می‌ده. این سوال براش پیش اومد: اگر مدل با یه شل خام کارش رو راه می‌ندازه، این همه ابزار از پیش ساخته و حالت برنامه‌ریزی سنگین برای چیه؟

نتیجه‌ش شد Pi. یه هارنس با حداقل فرضیات پیش‌فرض و حداکثر آزادی برای توسعه‌دهنده. بعد از اینکه زکنر به شرکت Earendil پیوست، هسته اصلی همچنان MIT موند. بعضی ویژگی‌های اضافه Fair Source شدن و بخش‌های سازمانی تجاری. ولی اصل قضیه همون موند: ابزار مال تو باشه.

معماری فنی چطوریه

Pi مثل خیلی از ابزارهای دیگه یه تیکه کد یکپارچه نیست. مونو-ریپو هست و چند پکیج جدا داره. هر کدوم کار خودش رو می‌کنه.

لایه pi-ai مسئول ارتباط با مدل‌هاست. بیش از ۱۵ ارائه‌دهنده رو ساپورت می‌کنه. Anthropic، OpenAI، Google، xAI، Groq، Ollama، Azure، Bedrock، Kimi For Coding و چند تا دیگه. جالب اینه که می‌تونی جلسه رو با یه مدل شروع کنی و بدون از دست دادن بافت ابزارها بری سراغ مدل دیگه. توکن‌های تفکر و هزینه لحظه‌ای رو هم دقیق حساب می‌کنه.

لایه pi-agent-core چرخه اصلی عامل رو می‌چرخونه. ابزارها رو اجرا می‌کنه و اگر خطایی پیش بیاد، برنامه رو کرش نمی‌کنه. خطا رو به عنوان نتیجه ابزار برمی‌گردونه تا مدل بتونه خودش رو اصلاح کنه. این کار باعث می‌شه سشن‌های طولانی خیلی پایدارتر بمونن.

pi-tui هم همون رابط ترمینالشه. با رندرینگ تفاضلی ساخته شده تا پرپر نزنه. ویرایشگر متن و مارک‌داون هم داره و سبک کار می‌کنه.

لایه آخر یعنی pi-coding-agent همون CLI نهایی هست که همه چیز رو به هم وصل می‌کنه. سشن‌های، فایل‌های کانتکست پروژه، تم‌ها و افزونه‌ها از اینجا مدیریت می‌شن.

منطقه گنگی و مدیریت پنجره کانتکست (context window)

این بخش یکی از چیزایی هست که واقعاً برام جالب بود. مفهومی هست به اسم منطقه گنگی یا Dumb Zone. وقتی پنجره کانتکست (context window) مدل حدود ۴۰ تا ۶۰ درصد پر می‌شه، دقت استدلال و پیروی از دستور و فراخوانی ابزارها افت محسوسی پیدا می‌کنه.

Claude Code پرومپت سیستمش رو بالای ۱۰ هزار توکن (token) نگه می‌داره. یعنی یه تیکه بزرگ از پنجره کانتکست (context window) رو از همون اول اشغال می‌کنه و مدل زودتر وارد منطقه گنگی می‌شه. Pi اما کل پرومپت سیستمش رو زیر هزار توکن (token) نگه داشته. فقط نقش بنیادی عامل رو تعریف می‌کنه و بقیه فضا رو برای کد واقعی پروژه آزاد می‌ذاره. نتیجه؟ مدل تو پروژه‌های بزرگ هنوز هوشمند می‌مونه و هزینه API هم کمتر می‌شه.

این موضوع context window (پنجره کانتکست) و مدیریت درست token (توکن) یکی از دلایلی هست که خیلی‌ها از Claude Code میان سمت Pi.

چهار ابزار و فلسفه کمینه‌گرایی

Pi فقط چهار ابزار پیش‌فرض داره:

• read برای خوندن فایل و تصویر

• write برای ساختن فایل جدید

• edit برای ویرایش دقیق و جراحی‌گونه

• bash برای اجرای مستقیم دستورات شل

استدلال زکنر ساده‌ست. وقتی مدل به bash دسترسی داره، خودش می‌تونه فایل پیدا کنه، گیت بزنه، پکیج نصب کنه و تست اجرا کنه. دیگه نیازی به صد تا ابزار اختصاصی نیست. توکن کمتری هم برای توصیف ابزارها مصرف می‌شه و اجرا قطعی‌تر می‌شه.

برای کانتکست پروژه هم سیستم هرمی داره. SYSTEM.md دستورات کلی رو نگه می‌داره و AGENTS.md دستورات مخصوص پروژه رو. Pi خودش از پوشه سراسری و پوشه‌های والد و پوشه فعلی این فایل‌ها رو می‌خونه و با هم ترکیب می‌کنه. می‌تونی استانداردهای کدنویسی و قوانین تست رو بدون دست زدن به پرومپت سیستم اصلی به مدل بدی.

سشن‌های به شکل گراف درختی (DAG)

این بخش واقعاً فرق داره با بقیه. تاریخچه جلسه خطی نیست. ساختار داده گراف جهت‌دار بدون چرخه یا همون DAG هست. همه چیز توی فایل‌های JSONL به صورت append-only ذخیره می‌شه.

می‌تونی هر جا که خواستی شاخه بزنی، برگردی عقب و یه مسیر دیگه رو امتحان کنی بدون اینکه تاریخچه قبلی از بین بره. دقیقاً مثل branch توی گیت. دستور /tree برای دیدن و جابه‌جایی بین شاخه‌هاست. /export کل جلسه رو به صورت HTML تعاملی می‌ده. /share هم یه gist امن می‌سازه. با /reload هم می‌تونی افزونه‌ها رو بدون ری‌استارت داغ بارگذاری کنی. Ctrl+L هم برای سوییچ سریع مدل وسط جلسه.

هدایت زنده هم خوب کار می‌کنه. Enter پیام هدایت می‌فرسته و ابزارهای باقی‌مونده رو متوقف می‌کنه. Alt+Enter پیام رو می‌ذاره توی صف تا بعد از تموم شدن نوبت جاری پردازش بشه.

توسعه‌پذیری واقعی

Pi بیش از ۲۰ هوک توی چرخه حیات داره. می‌تونی با TypeScript افزونه بنویسی و پرومپت رو قبل از ارسال دستکاری کنی، فراخوانی ابزارها رو رهگیری کنی، قوانین سخت بذاری یا حتی UI ترمینال رو عوض کنی.

جالب‌ترین بخش خودمیزبانی هست. می‌تونی از خود Pi بخوای سورس افزونه‌ت رو ویرایش کنه، بعد /reload بزنی و بلافاصله فعال بشه. مهارت‌ها هم با الگوی افشای تدریجی کار می‌کنن. یعنی فقط وقتی مدل لازم داره بارگذاری می‌شن و پرومپت سیستم رو سنگین نمی‌کنن.

خیلی از ویژگی‌هایی که بقیه ابزارها به زور داخل هسته گذاشتن (مثل MCP، ساب‌ایجنت، پلن مود) رو Pi عمداً حذف کرده تا هسته سبک بمونه. جامعه خودش اینا رو به صورت پکیج ساخته و استفاده می‌کنه.

امنیت و حالت YOLO

Pi پاپ‌آپ تایید مجوز نداره. زکنر می‌گه این پاپ‌آپ‌ها فقط حس امنیت کاذب می‌دن. بعد از چند ده بار تایید، آدم دیگه نمی‌خونه و فقط تایید می‌زنه. پس مرز امنیت رو نباید توی لایه هارنس پیاده کرد. باید رفت سراغ ایزوله کردن با داکر یا ماشین مجازی یا ابزارهایی مثل leash و pi-guardrails.

برای همین پیش‌فرض روی حالت YOLO کار می‌کنه. سریع و بدون اصطکاک. مسئولیت ایزوله کردن با خود توسعه‌دهنده‌ست.

مقایسه با رقبا

معیارPi AgentClaude CodeCodex CLIOpenCodePrime AgentمجوزMIT + Fair Sourceبستهبستهمتن‌بازMITابزار پیش‌فرضفقط ۴ تازیاد و متصلصلباستانداردمفسر پایتونحجم پرومپت سیستمزیر ۱۰۰۰ توکنبالای ۱۰ هزارسنگینمتوسطمتغیرتعداد ارائه‌دهندهبیش از ۱۵ تا + محلیفقط Anthropicفقط OpenAIمحدودچند تاساختار جلسهگراف DAGخطیخطیخطیJSONL + REPLسوییچ مدل وسط جلسهدارهندارهندارهمحدوددارهتوسعه‌پذیریTypeScript و هوک و خودمیزبانبستهندارهمحدودخوداصلاحیمدل امنیتYOLO + ایزوله خارجیپاپ‌آپ تاییدپاپ‌آپ تاییدپاپ‌آپ تاییدبدون سندباکس قوی

Prime Agent رویکرد متفاوتی داره. بافت رو به عنوان متغیر توی مفسر پایتون نگه می‌داره و از مدل‌های بازگشتی استفاده می‌کنه. تو بنچمارک‌های طولانی خوب کار می‌کنه ولی سنگین و پرهزینه‌ست و امنیتش هم جای بحث داره. Pi برای کار روزمره سبک و قابل پیش‌بینی‌تره.

چطور ChatGPT Codex یا Kimi Code رو توی Pi استفاده کنیم

Pi چندارائه‌دهنده‌ایه. می‌تونی کلید API یا اکانت اشتراکی رو وصل کنی و مدل رو وسط جلسه عوض کنی.

• برای Codex و مدل‌های GPT از اشتراک ChatGPT پیکسول استفاده کن. تحویل آنی و اصل. سازگاری با pi.dev هم تایید شده.

• برای مدل‌های قوی با کانتکست بزرگ و سانسور کمتر، اشتراک Kimi AI رو بگیر.

• اگر قبلاً با Claude Code کار می‌کردی و حالا می‌خوای کنترل بیشتر داشته باشی، اشتراک Claude رو فعال کن و مدل‌های Anthropic رو توی Pi ران کن.

• برای تجربه IDE کامل در کنار ترمینال، اشتراک Cursor گزینه خوبیه.

پیکسول تحویل آنی داره، اصل می‌ده و پشتیبانی واقعی داره. چند دقیقه بعد از خرید می‌تونی مدل رو توی Pi استفاده کنی.

چرا ارزش داره Pi رو انتخاب کنی

اول اینکه مالک ابزار خودتی. پرومپت سیستم یهو عوض نمی‌شه. می‌تونی کد رو ببینی، هوک بنویسی و حتی خود ابزار رو با خودش توسعه بدی.

دوم اینکه با نگه داشتن پرومپت زیر هزار توکن (token) و مدیریت درست پنجره کانتکست (context window) هم هزینه کمتری می‌دی و هم مدل دیرتر گیج می‌شه.

سوم اینکه آزادی مدل داری. مدل محلی با Ollama برای کارهای حساس، یا سوییچ به هر مدل ابری که دوست داری. برای بچه‌های ایرانی این موضوع خیلی مهمه چون با اشتراک‌های پیکسول بدون دردسر به مدل‌های قوی دسترسی پیدا می‌کنن و برای بخش‌های خصوصی می‌تونن محلی کار کنن.

چهارم اینکه تعاملش انعطاف‌پذیره. شاخه زدن توی جلسه، سوییچ مدل و هدایت زنده باعث می‌شه تو راننده باشی نه مسافر.

جمع‌بندی

Pi یه هارنس بالغ و قابل مالکیت برای کسایی هست که از تورم ویژگی و عدم شفافیت خسته شدن. سبک، شفاف و قابل توسعه‌ست. اگر می‌خوای امروز شروع کنی، نصبش ساده‌ست و بعدش فقط کافیه یکی از اشتراک‌های پیکسول رو فعال کنی:

• اشتراک ChatGPT با دسترسی به Codex

• اشتراک Kimi AI

• اشتراک Claude

• اشتراک Cursor

پیکسول فروشگاه آنلاین تخصصی برای محصولات دیجیتال با تحویل آنی است. آنی، اصل، امن و با پشتیبانی واقعی. انتخاب با خودته.