别把编程 agent 绑死在一家模型上，试试开源的 Pi

Claude Code 是目前最强的 AI 编程 agent 之一，但它有个绕不开的限制：绑定 Anthropic 自家模型。你只能用 Claude 家族，想换 GPT、Gemini、DeepSeek 或者本地 Llama，它并不原生支持。如果想要接近 Claude Code 的体验，同时自由选模型、自由换 provider，最近被社区拿来与 Claude Code 对比的开源项目 Pi 值得认真看一眼。它刚更新的两个能力尤其关键：在 Pi 里直接使用 Claude 的 Opus/Sonnet/Haiku，以及在其他 provider 的会话里把任务委托给 Claude Code。这条讨论指向的趋势很重要：AI 编程工具正在从绑定单一模型，走向多模型编排。

一、Pi 是什么：开源、可定制的 AI 编程 Agent

Pi（全称 Pi Harness）是一个开源的 AI 编程 agent CLI，社区对它的定位很直接：被称为唯一真正的 Claude Code 竞争者。它的核心特征：

• 开源：代码完全开放，可以审计、fork、定制
• 极简核心：只有四个内置工具 Read、Write、Edit、Bash。这是它和 Claude Code 的根本区别之一，Pi 追求最小化可控，Claude Code 追求功能全面
• 模型自由：通过 ~/.pi/agent/models.json 配置任意 provider 和模型，不锁定 Anthropic
• 成本追踪：内置每个模型的花费统计
• 模型路由：可以把不同任务派给不同模型，后文细讲

Pi 与 Claude Code 的对比

一句话：Claude Code 是「苹果」，封闭但精致；Pi 是「安卓」，开放但需要你自己配置。

二、这次更新的重点：Claude 模型与跨 provider 委托

社区最近讨论的两件事，恰好是 Pi 最新的两个能力。

1. 在 Pi 里用 Claude 的 Opus/Sonnet/Haiku

Pi 内置了 6 个模型别名，直接映射到 Claude 家族：

• opus：Claude Opus，最强，适合规划、复杂推理
• sonnet：Claude Sonnet，均衡，适合实现
• haiku：Claude Haiku，快且便宜，适合轻量任务
• opusplan、sonnet[1m]、default

通过 ModelRegistry，Pi 确认支持跨所有 provider 的 324 个模型。也就是说，Pi 不只是 Claude 的壳，它是一个统一的多模型接入层。

2. 跨 provider 的任务委托

「在其他 provider 中把任务委托给 Claude Code」是更进阶的能力。意思大致是：你在 Pi 里配置了多个 provider（比如本地 Ollama、OpenAI、Anthropic），Pi 可以根据任务类型，自动或手动把特定任务路由到最合适的模型或工具：

• 规划阶段：委托给 Opus，推理强
• 实现阶段：委托给 Sonnet，性价比高
• 轻量检查：委托给 Haiku 或本地模型，便宜

这就是模型路由：不是所有任务都用最贵的模型，而是按任务特征分发。

三、按任务路由：2026 年 AI 编程的新范式

传统：一个模型干所有事

以前的 AI 编程工具（包括早期的 Claude Code）是一个模型从头干到尾，规划用它、写代码用它、跑测试用它、写注释还是它。问题在于：用贵的模型，规划好但实现浪费钱；用便宜的模型，省钱但规划能力弱，两头没法兼顾。

现在：按任务特征路由

业内常见的路由思路（Augment Code 的路由指南总结得不错）大致是：

Pi 的价值正是让这种路由变得可配置、可追踪。你在 models.json 里定义什么任务用什么模型，Pi 按规则分发，还帮你统计每个模型花了多少钱。

为什么这很重要

模型能力在分化，价格也在分化。Opus 4.6（每百万 token 输入 5 美元、输出 25 美元）和 Haiku 4.5（每百万 token 输入 1 美元、输出 5 美元）价差达 5 到 25 倍。如果一个跑 lint 检查的任务交给 Opus，就是纯浪费。

模型路由的本质是用对的工具干对的活，跟软件工程里用什么语言写什么模块是同一个道理。Pi 把这个选择权交还给了开发者。

四、Pi 的极简哲学：四个工具够不够

Pi 最有争议的设计是核心只有 Read/Write/Edit/Bash 四个工具。对比 Claude Code 丰富的工具集（文件搜索、grep、网页抓取、MCP 集成等），Pi 显得简陋。但这个选择是有意的。

作者的逻辑是：agent 的能力上限取决于模型，不取决于工具数量。给模型一个能读、能写、能改、能执行命令的环境，剩下的让模型自己组合。工具多了反而分散模型注意力，而且每个工具都是潜在的安全面。这跟 Unix 哲学一脉相承：做一件事，做好它，然后用管道组合。Read/Write/Edit/Bash 就是 agent 世界的 cat、echo、sed、sh，基础原语，组合出无限可能。

但这种极简也有代价：没有内置的代码搜索，MCP 支持有限，做大型项目时可能不如 Claude Code 顺手。Pi 更适合懂自己在干什么、想自己控制一切的工程师，不适合追求开箱即用的新手。

五、成本追踪：被低估的能力

Pi 内置成本追踪，这是被很多工具忽视但极重要的能力。当你用多模型路由时，搞清楚每个任务花了多少钱是优化的前提。Pi 能告诉你：这次会话总共花了多少、Opus/Sonnet/Haiku 各占多少、哪些任务最烧钱、切换模型后省了多少。没有成本可见性，多模型路由就是盲飞。Pi 把这个做进了核心，体现了它给工程师控制权的定位。

六、怎么用

Pi 是 CLI 工具，安装和使用以官方文档（pi.dev）为准。核心流程：

1. 安装 Pi CLI（pi-coding-agent）
2. 配置 ~/.pi/agent/models.json，定义你的 provider 和 API key（OpenAI、Anthropic、本地服务等）
3. 选模型别名或具体模型，用 opus/sonnet/haiku 等别名，或指定具体模型
4. 开始使用，Pi 的交互方式和 Claude Code 类似，但工具集更精简

另外，如果你有 Claude Pro/Max 订阅，社区在讨论能否安全地让 Pi 走订阅而非 API 计费。这要看 Anthropic 的服务条款，建议谨慎，用 API key 更稳妥。

七、谁该关注 Pi

Pi 适合你，如果：

• 你是工程师，想要对 AI agent 的完全控制权
• 你想混用多个模型（Claude、GPT、本地模型），按任务路由
• 你在乎成本，想要精确的花费追踪
• 你想要开源、可审计的 agent
• 你觉得 Claude Code 太重或太封闭

可能不适合：

• 想要开箱即用、零配置的人，Pi 需要你自己动手配
• 重度依赖 MCP 生态的人，Pi 的 MCP 支持有限
• 团队协作场景，Pi 目前偏个人 CLI

八、更大的图景：模型自由正在成为标配

Pi 不是孤例。把视野放宽，2026 年 agent 编程工具的格局大致是这样：

趋势很清楚：模型自由和开源可控正在成为新一代 agent 工具的标配。早期 agent 绑定自家模型是为了卖模型，但现在的用户已经不接受了，他们想要用任何模型、在任何 agent 里、按任何方式编排。Pi 正是这个趋势的代表：它不卖模型，它提供的是编排模型的自由。

九、小结

Pi 是开源的 Claude Code 竞争者，核心是模型自由：用任意 provider 的任意模型，按任务路由（Opus 规划、Sonnet 实现、Haiku 干轻活），带成本追踪。它代表 AI 编程从绑定单一模型走向多模型编排的趋势。社区讨论点出的两个能力（Claude 模型接入与跨 provider 委托），正是今年 AI 编程工具的分水岭：谁能让你自由混用模型、智能分发任务、透明追踪成本，谁就更能留住用户。

如果你厌倦了被单一模型绑定，想要一个不锁定模型的编程 agent，Pi 值得一试。它可能不如 Claude Code 精致，但它给你的控制权和自由度，是封闭工具给不了的。

---

本文基于 X 上开发者的公开分享与 Pi 官方资料整理，Pi 官网 pi.dev，开源项目。