从零到一拆解 Pi Agent 的核心架构，讲透模型流、Agent Loop、工具调用与上下文压缩的实现细节。1 最小概念与架构纵观 Pi 的基础骨架，维持一个智能体运转只需要五个最基础的核心概念：概念做什么如果没有它会怎样消息 Message保存用户、助手、工具结果的历史记录模型不知道前面发生过什么，缺乏记忆模型 Model根据上下文生成下一步动作或文本系统没有任何推理和规划能力工具 Tool把模型连接到外部世界产生实际副作用只能聊天，不能读文件、执行命令、改代码循环 Loop反复处理模型输出 - 工具结果 - 再请求模型只能执行单步对话，无法自主完成复杂任务事件 Event把内部执行过程暴露给 UI 和日志系统前端只能看到最终答案，看不到中间的思考与执行过程参考 Pi 的开源仓库，整个系统被清晰地划分为三个职责明确的层级。这种分层让代码极其易于测试和扩展：包名称核心定位与理解关键职责@earendil-works/pi-ai模型适配层统一多家大模型 API 差异、流式事件、消息格式、工具 schema@earendil-works/pi-agent-coreAgent 内核层维护 Agent Loop、工具调用核心、事件总线、状态管理、队列控制@earendil-works/pi-coding-agent产品运行层会话持久化管理、资源自动加载、内置系统工具、扩展挂载、TUI/RPC/print 多模式适配pi-ai：把供应商差异关在一层不同的模型供应商（如 OpenAI、Anthropic 等）对于工具调用、推理内容（Reasoning）、缓存机制、错误处理以及流式协议的表达方式千差万别。Pi 通过这一层将所有差异统一封装成标准的 Message、Tool、AssistantMessageEvent，并对外暴露统一的 streamSimple() 接口。上层 Agent Loop 完全不需要关心当前面对的是 Anthropic 的 tool_use 还是 OpenAI 的 function call，它只需要处理统一后的标准化 toolCall 内容块。pi-agent-core：纯粹的运行时这一层剥离了所有终端 UI 和扩展文件加载的逻辑。它只专注于管理 Agent 的状态，对外暴露 prompt()、steer()、followUp()、abort() 等控制指令。真正的循环（Agent Loop）在此运行：发起模型请求、拦截工具执行、判断是否需要进行下一轮（Turn）对话。由于它的职责足够单一，开发者可以非常轻松地编写单元测试来验证控制流的正确性。pi-coding-agent：工程化产品层写出一个循环并不困难，困难在于把它变成每天都能稳定运行的开发工具。产品层接管了所有麻烦但极其关键的工程化任务。它负责会话的 JSONL 序列化保存，确保重启后任务能够无缝继续；它负责扫描并加载项目的 AGENTS.md 规则、可用的技能库以及扩展插件；它还内置了读写文件、执行 bash 命令等编码基础工具，并实现了针对长会话的上下文压缩机制。2 消息与流式事件Agent 系统中流动的数据血脉不是简单的字符串拼接，而是结构化的消息列表。模型每次进行推理时，都需要看到一个结构严谨、逻辑连贯的上下文。工具的调用细节也必须作为消息返回给模型视野，否则模型完全无法判断刚才的外部操作是否成功、输出了什么。在 Pi 的模型适配层中，基础消息被精简为三类核心结构：typeMessage=UserMessage|AssistantMessage|ToolResultMessage;interfaceUserMessage{role:"user";content:string|ContentBlock[ 最简智能体Pi Agent核心架构
从零到一拆解 Pi Agent 的核心架构，讲透模型流、Agent Loop、工具调用与上下文压缩的实现细节。1 最小概念与架构纵观 Pi 的基础骨架，维持一个智能体运转只需要五个最基础的核心概念：概念做什么如果没有它会怎样消息 Message保存用户、助手、工具结果的历史记录模型不知道前面发生过什么，缺乏记忆模型 Model根据上下文生成下一步动作或文本系统没有任何推理和规划能力工具 Tool把模型连接到外部世界产生实际副作用只能聊天，不能读文件、执行命令、改代码循环 Loop反复处理模型输出 - 工具结果 - 再请求模型只能执行单步对话，无法自主完成复杂任务事件 Event把内部执行过程暴露给 UI 和日志系统前端只能看到最终答案，看不到中间的思考与执行过程参考 Pi 的开源仓库，整个系统被清晰地划分为三个职责明确的层级。这种分层让代码极其易于测试和扩展：包名称核心定位与理解关键职责@earendil-works/pi-ai模型适配层统一多家大模型 API 差异、流式事件、消息格式、工具 schema@earendil-works/pi-agent-coreAgent 内核层维护 Agent Loop、工具调用核心、事件总线、状态管理、队列控制@earendil-works/pi-coding-agent产品运行层会话持久化管理、资源自动加载、内置系统工具、扩展挂载、TUI/RPC/print 多模式适配pi-ai：把供应商差异关在一层不同的模型供应商（如 OpenAI、Anthropic 等）对于工具调用、推理内容（Reasoning）、缓存机制、错误处理以及流式协议的表达方式千差万别。Pi 通过这一层将所有差异统一封装成标准的 Message、Tool、AssistantMessageEvent，并对外暴露统一的 streamSimple() 接口。上层 Agent Loop 完全不需要关心当前面对的是 Anthropic 的 tool_use 还是 OpenAI 的 function call，它只需要处理统一后的标准化 toolCall 内容块。pi-agent-core：纯粹的运行时这一层剥离了所有终端 UI 和扩展文件加载的逻辑。它只专注于管理 Agent 的状态，对外暴露 prompt()、steer()、followUp()、abort() 等控制指令。真正的循环（Agent Loop）在此运行：发起模型请求、拦截工具执行、判断是否需要进行下一轮（Turn）对话。由于它的职责足够单一，开发者可以非常轻松地编写单元测试来验证控制流的正确性。pi-coding-agent：工程化产品层写出一个循环并不困难，困难在于把它变成每天都能稳定运行的开发工具。产品层接管了所有麻烦但极其关键的工程化任务。它负责会话的 JSONL 序列化保存，确保重启后任务能够无缝继续；它负责扫描并加载项目的 AGENTS.md 规则、可用的技能库以及扩展插件；它还内置了读写文件、执行 bash 命令等编码基础工具，并实现了针对长会话的上下文压缩机制。2 消息与流式事件Agent 系统中流动的数据血脉不是简单的字符串拼接，而是结构化的消息列表。模型每次进行推理时，都需要看到一个结构严谨、逻辑连贯的上下文。工具的调用细节也必须作为消息返回给模型视野，否则模型完全无法判断刚才的外部操作是否成功、输出了什么。在 Pi 的模型适配层中，基础消息被精简为三类核心结构：typeMessage=UserMessage|AssistantMessage|ToolResultMessage;interfaceUserMessage{role:"user";content:string|ContentBlock[