硅基铁匠AI / 系统 / 写作
← 返回全部文章
技术与 AI约 7 分钟

Oh My Pi：把 Pi 变成真正的 AI 工作台

Pi 系列收尾篇，不再只讲一个命令，而是把模型、工具、Skill、项目目录、沙箱和自动化串成一套可复用的工作方法。

学到这里，你已经会安装 Pi 、登录模型、切换界面、调用工具、管理项目目录，也用它做过一个小项目。

但如果每次都只是“问一句，等它改完”，Pi 还是一个会聊天的终端工具。

这一期做最后一次升级：把 Pi 放进一套完整工作流里。

我把它叫作 Oh My Pi。

这不是一个需要额外安装的产品，也不是 Pi 官方新增的命令。它代表的是一种用法：让 Pi 不只负责回答问题，而是负责理解任务、调用工具、遵守项目规则、留下过程记录，并在关键位置等你确认。

一、先把 Pi 看成五层东西

很多人第一次接触 Agent，会把“模型”和“Agent”混在一起。其实可以简单拆成五层：

  • 模型：负责理解你的话，生成计划和回答。
  • Pi：负责组织一轮一轮的工作。
  • 工具：负责读文件、写文件、编辑文件、运行命令。
  • 项目规则：告诉 Pi 当前目录里应该遵守什么约定。
  • 权限边界：决定它能碰哪些文件、能不能联网、能不能运行程序。

只要把这五层想清楚，Pi 就不再神秘。

模型像大脑，工具像手，Pi 像调度员。项目规则是工作说明，权限边界则像门和钥匙。

真正可靠的 Agent，不是“什么都能做”，而是每一层都知道自己负责什么。

二、 Oh My Pi 的第一步：固定一个练习工作区

不要一上来就让 Pi 进入桌面、下载目录或真实项目。

先在 Windows 上新建一个专门的练习目录，例如：

mkdir -p ~/pi-workbench
cd ~/pi-workbench
pi

启动后，第一句话不要让它写文件，先让它确认环境：

请确认当前工作目录，并告诉我你能看到哪些文件。
不要创建、修改、删除文件，也不要运行安装命令。

这一步看起来慢，实际上是在建立“工作范围”。

如果当前目录不对，立即退出 Pi，回到正确目录后再启动。 Agent 最常见的事故，不是不会做，而是在错误目录里做得太快。

三、第二步：让项目自己带着说明书

当一个项目逐渐变复杂，单靠每次重新解释要求很累。这时可以在项目目录里放一份 AGENTS.md，写清楚这个项目的工作规则。

一个适合练习的例子：


# 当前项目规则

- 先读取文件，再提出修改方案。
- 修改前说明目标路径和影响范围。
- 不要删除文件，不要安装依赖。
- 日期、金额和联系人信息没有依据时不要自行补全。
- 完成后列出改动文件和未处理事项。

它解决的是“重复说明”的问题，但它不是安全系统。

AGENTS.md 能帮助 Pi 理解工作约定，不能替你拦住所有危险操作。真正涉及删除、覆盖、联网、凭据和生产环境时，仍然要自己确认。

四、第三步：把一次任务拆成可检查的流水线

不要只给 Pi 一句“帮我把这些资料整理好”。更稳的方式，是把任务拆成五个阶段：

1. 先看，不动

读取当前目录中的 Markdown 文件，统计文件名和字数。
只报告结果，不要修改文件。

2. 再计划

我想把这些文件整理成一份会议纪要。
请先给出文件结构、字段和处理步骤，不要创建文件。

3. 再执行

按刚才的计划创建 draft-meeting-notes.md。
写入前再次告诉我目标路径，确认后再执行。

4. 再复核

读取 draft-meeting-notes.md，检查是否遗漏原始文件中的日期、事项和负责人。
只列出问题，不要直接修改。

5. 最后收口

请总结：创建了哪些文件、修改了哪些内容、哪些信息没有依据、哪些事情没有做。

这套流程的重点不是提示词写得多漂亮，而是每一步都有检查点。出了问题，你能定位是目录错了、计划错了、写入错了，还是复核没做。

五、第四步：把重复工作做成 Skill

如果你每周都要做同一种工作，例如整理周报、清理 Markdown 、生成测试数据，就不必每次从头描述。

Skill 的作用，可以理解成一份可复用的任务说明：它告诉 Pi 什么时候使用这套流程、输入是什么、输出应该长什么样、哪些事情不能做。

一个简单的 Skill 至少要写清楚四件事：

  1. 适用场景。
  2. 输入文件和格式。
  3. 分步骤的处理方法。
  4. 输出检查和禁止事项。

例如“周报整理 Skill”可以要求：先读取本周记录，按项目分组，保留原始事实，不补写没有依据的进展，最后输出待确认事项。

注意，Skill 不是魔法。它不会让模型自动变准确，也不会自动获得更高权限。它只是把你的经验固定下来，让重复工作更容易复用。

六、第五步：需要自动化时，再接 JSON 、 RPC 和 SDK

普通用户用终端交互已经足够。等你希望把 Pi 接进脚本、桌面工具或自己的应用，再考虑程序化接口。

Pi 项目当前提供了几种方向：

  • --mode json：把事件按 JSON 行输出，适合其他程序逐行读取。
  • --mode rpc：通过标准输入输出和外部程序通信。
  • SDK：把 Agent 运行能力接进你自己的应用。

它们适合做什么？

比如，一个内部工具可以把任务发送给 Pi，再读取它的事件流；一个脚本可以等待 Pi 完成检查后，把结果写入日志；开发者也可以基于 Agent Runtime 和统一模型接口构建自己的工作台。

但自动化以后，风险也会一起放大。你需要提前设计：

  • 哪些动作允许自动执行。
  • 哪些动作必须人工确认。
  • 失败时如何停止。
  • 过程日志放在哪里。
  • 网络和凭据如何处理。

自动化不是把确认按钮删掉，而是把确认规则写清楚。

七、终极大招：给 Pi 加上边界

Pi 当前默认使用启动它的用户和进程权限。项目 README 明确说明，它没有内置的文件系统、进程、网络和凭据权限限制。

所以，项目越重要，越不能只靠一句“请小心一点”。

官方文档给出了三类隔离思路：

  • Gondolin 扩展：Pi 和模型认证可以留在主机上，把内置工具和 ! 命令路由到本地 Linux 微型虚拟机。
  • Docker：把整个 Pi 进程放进本地容器，适合先做简单隔离。
  • OpenShell：把整个 Pi 放进策略控制的沙箱，进一步限制文件、进程、网络、凭据和推理访问。

小白不需要今天就把三套方案全部装完。记住选择顺序就够了：

  • 练习读写文本：使用空目录。
  • 处理重要项目：先做副本，再限定挂载范围。
  • 需要执行代码或联网：考虑容器或沙箱。
  • 处理真实凭据：不要把主目录和密钥目录随便挂进去。

沙箱也不是“绝对安全”。它只是把错误影响控制在更小的范围内。目录挂载、网络出口和凭据注入，仍然需要人检查。

八、这套方法适合谁，不适合谁

适合

  • 想从零理解 AI Agent 的人。
  • 经常整理文本、代码、清单和项目资料的人。
  • 想把重复工作整理成 Skill 的人。
  • 愿意先看计划、再确认执行的人。

不适合直接交给 Pi

  • 没有备份的生产目录。
  • 批量删除或覆盖文件。
  • 支付、账号、密码和 API Key 管理。
  • 医疗、法律、金融等需要专业判断的决定。
  • 你自己都看不懂、也没有回滚方案的命令。

Pi 可以帮你加快工作，但最终责任没有自动转移给模型。

九、八期教程最后留下什么

回头看这一系列，主线其实很简单：

  1. 先知道 Agent 、模型、工具分别是什么。
  2. 再把 Pi 在 Windows 上跑起来。
  3. 学会看界面、登录和切换模型。
  4. 认识 read、write、edit、bash。
  5. 学会工作目录、上下文和项目规则。
  6. 用 Skill 固定重复流程。
  7. 用 Pi 完成一个小项目。
  8. 最后补上权限、沙箱、 JSON 、 RPC 和 SDK 。

如果只记住一句话：

模型负责理解，Pi 负责组织，工具负责动手，Skill 负责复用，权限和最终判断必须留在人手里。

这就是 Oh My Pi 的真正含义。

不是让 Pi 替你做所有事，而是把它放进一条你看得懂、能检查、能回滚的工作流里。

系列到这里收尾。后面如果继续深入，可以沿着三条路走：把 Skill 做得更稳定，学习 Extension，或者用 JSON 、 RPC 和 SDK 把 Pi 接入自己的工具链。

项目地址：