oh-my-pi 深度调研:从「反 Claude Code」到把 IDE 塞进终端的疯狂 Fork

一个"叫不出名字"的项目,怎么长成了这样

Mario Zechner——libGDX的作者——2025年底做了一个决定:不再用Claude Code了。他曾经是Claude Code的重度用户,重度到专门写过一个叫cchistory的工具去追踪它系统提示词的每次变化,甚至反编译了二进制文件去给它加官方没做的功能。但他最后受不了的,不是Claude Code不好用,而是它总在变——系统提示词和工具定义每次更新都在变,模型行为跟着漂移,他搭的工作流一次次被破坏。

于是他自己写了一个agent。四个工具(read、write、edit、bash),一个只有几百token的系统提示词,没有MCP,没有权限审批。他给它取名"Pi",理由很直接:这样没人能Google到它。

这个项目现在被maintained under Earendil(Mario在2026年4月加入该公司,他自己写博客调侃"我卖身了",核心代码仍保持MIT协议)。而故事的另一条线,是一个叫can1357(Can Boluk)的开发者,把Pi fork了出去,取名oh-my-pi——却干了一件几乎跟Mario哲学完全相反的事:往这个极简核心里塞进了LSP语言服务器集成、DAP真调试器、哈希锚定编辑格式、角色化模型路由……活生生把它变成了"终端里的一整个IDE"。

这篇文章想把oh-my-pi这个项目本身讲清楚:它从哪来、技术上到底做了什么、和原版Pi的哲学分歧在哪,以及放到Claude Code、Cursor、OpenCode这些主流编程Agent里,它处在什么位置。

oh-my-pi是什么

oh-my-pi(命令行别名omp,也有分支叫ompk)是GitHub用户can1357维护的开源终端AI编程Agent,仓库地址是github.com/can1357/oh-my-pi,官网ohmypi.xyz。它的定位很直接:一个专为终端打造的AI编程Agent——具备哈希锚定编辑、经过优化的工具harness、LSP语言服务器集成、Python运行环境、浏览器操作能力、子agent协同,以及更多。

一些基础数据:

维度 数据
GitHub Stars 24.4k
许可证 MIT
语言构成 TypeScript 81.2%、Rust 10.0%、Python 7.7%、JavaScript 0.6%
核心代码量 约5.5万行Rust
内置工具数 32个
LSP操作 14种
DAP操作 28种
模型Provider支持 40+

值得一提的是,oh-my-pi的生态本身也在快速裂变——GitHub上能找到多个平行fork,比如oh-my-pk、saki-oh-my-pi、oh-my-pi-agent、oh-omp等,说明这条"极简核心+重度扩展"的路子吸引了相当多开发者跟进,但也意味着生态比较碎片化,选型时得认准是哪个仓库、哪个维护者。

四个技术支点

多数终端编程Agent对文件的"编辑"能力,本质上还是字符串搜索替换加行号定位。oh-my-pi选择了一条更硬核的路:直接把IDE和调试器的核心能力搬进agent的工具集。

oh-my-pi四个核心技术支点:Hashline编辑、LSP语义重构、DAP真调试器、角色化模型路由

Hashline Edits:不靠行号,靠内容哈希

标准的AI文件编辑方式是把完整原文件和完整修改后版本一起发给模型,或者靠行号定位要改的地方。这两种方式在大文件上都费token,而且一旦多个编辑操作接连发生,行号会漂移——Agent A改了第50行,后面所有行号都往下挪,Agent B原本瞄准"第60行"的编辑这时候就打在了错误的位置上。

oh-my-pi的Hashline Edits用内容哈希做锚点:一小段从具体行内容派生出的短哈希标识符,编辑操作引用这个哈希,而不是行号或整段原文。好处是两个:一是省token(在Grok 4 Fast上输出token能减少约61%,在Claude Opus上大约省一半);二是对行号漂移天然免疫——即便文件在编辑过程中发生了位移,只要目标内容还在,哈希锚点依然能找到它。有实测提到,在Claude Code里跑并行子agent编辑同一文件时会因为行号漂移而编辑失败,换到oh-my-pi后并发编辑变得可靠。

LSP集成:语义级重构,不是字符串替换

当你让一个Agent"重命名一个模块",多数终端Agent的做法是搜索这个字符串然后替换——这会漏掉别名导入、漏掉barrel文件(统一导出文件)里的re-export,还可能因为替换不彻底产生语法错误。

oh-my-pi直接对接项目的语言服务器(TypeScript、Go、Python等),发出工作区级别的重构指令。语言服务器理解代码的语义结构,所以重命名操作能正确传播到所有引用、barrel文件和re-export上,落盘之前就是结构正确的,而不是"字符串匹配出来大概率正确"。

DAP:真调试器,不是print大法

多数Agent调试bug的方式是插入print()或console.log()重新运行——这对并发问题、竞态条件、段错误这类需要观察程序实时运行状态才能定位的问题基本无效。

oh-my-pi支持Debug Adapter Protocol(DAP),能把真实调试器attach到运行中的进程上。支持的调试器包括Go的dlv、Python的debugpy、C/C++的lldb-dap。接入之后,它能设断点、单步执行、查看调用栈、检查实时变量状态——靠观察而不是靠推断源代码来定位运行时bug。

角色化模型路由:不同活儿分给不同模型

oh-my-pi连接Anthropic、OpenAI、Grok等多家provider,而且不是"选一个模型跑所有任务",是给不同任务类型分配不同的模型配置:

这样贵的模型调用只花在真正值得的任务上,日常琐碎工作走性价比更高的选项。有实测提到,把规划任务切到GLM-5、执行任务切到Qwen之后,API成本下降了约40%。另外,如果你已经登录了Claude Code账号,oh-my-pi还能自动导入其设置和插件。

其他值得一提的能力:review命令能分析PR、给出合并结论并按严重程度排优先级,还能批量扫多个分支或并行审查未提交的改动;子agent可以把复杂任务拆到并行的隔离环境里跑,完成后合并结果;把GitHub的issue、PR、diff当成本地文件一样读取;"Hindsight Memory"会把每次会话压缩成项目的持久心智模型,让跨会话的长期上下文延续下去。

vs. Pi(它的亲爹):一场哲学倒转

理解oh-my-pi绕不开先理解Pi本身在拒绝什么。Mario Zechner的论点很直白:前沿模型已经被强化学习训练到对"什么是编程agent的标准行为"有极深理解,不需要一万多token的系统提示词去反复提醒。需要ripgrep?让模型自己调rg。需要GitHub?调gh。需要浏览器?让Pi给自己写个浏览器工具。

Pi因此故意不做的事情:没有MCP、没有内置子agent(推荐用tmux开新的Pi实例)、没有plan mode(推荐写plan markdown文件)、没有后台bash执行(tmux提供)、没有内置待办列表。会话以树结构存储而不是线性对话记录,/tree能跳回任意历史节点,/fork能从任意历史消息分叉出新会话。

Pi的极简没有牺牲能力——在TerminalBench基准上,用Claude Opus 4.5跑分,Pi排名第二,仅次于Terminus,而且是在没有MCP支持、没有子agent、没有plan mode、没有后台bash、没有内置待办的情况下拿到的成绩,当时甚至还没实现上下文压缩逻辑。

oh-my-pi则是相反方向的答案:既然模型不需要传统意义上"喂指令的系统提示词",那把节省下来的空间用来接入真正能提升agent能力的基础设施(LSP、DAP)不是更好?两边的分歧本质是同一个问题的两种回答——"agent到底需要多少harness",Pi说越少越好,oh-my-pi说该重的地方要重。

vs. Claude Code:电池全家桶 vs 自己拼装

Claude Code是Anthropic官方的编程agent,走的是完全相反的产品哲学——10+内置工具、Sub Agents、Agent Teams、Plan Mode、MCP(客户端+服务端)、Agent Skills、插件、Hooks、检查点回滚、5种权限模式外加OS级沙箱,覆盖终端、VS Code、JetBrains、桌面应用、浏览器和手机端。系统提示词曾经达到1万到1.4万token,2026年针对Claude 5代模型砍掉了80%以上——这个"删harness"的动作本身,某种程度上是对Pi那套极简论点最有力的验证。

两者的核心差异点:

模型选择:Claude Code只跑Claude系列(Opus/Sonnet/Haiku),垂直整合程度高,模型本身就是在这套harness里训练出来的行为习惯;oh-my-pi/Pi系是model-agnostic,能接40+ providers,同一会话内可以中途切换模型。

订阅与计费:Claude Code走订阅制(Pro每月20美元起,Max档100-200美元),账单可预测;oh-my-pi/Pi免费开源,按API调用量付费。这里有个关键限制——Anthropic在2026年1月到4月逐步切断了第三方harness使用Claude订阅OAuth的能力,OpenCode、Cline、Pi系工具全部被断开,现在只能用API Key的价格跑Claude模型(比订阅贵不少)。OpenAI Codex团队则走了反方向,公开鼓励第三方harness接入。

权限模型:Claude Code默认拒绝高风险操作,需要用户审批,还有OS级sandbox;oh-my-pi/Pi默认没有权限系统,第一条prompt就是完整用户权限,安全边界靠容器化隔离(Docker、microVM)实现。Mario本人的论点是"权限审批大多是安全剧场,代码能被执行的那一刻游戏已经结束了"。

有一份第三方实测(Composio,用同一个模型DeepSeek V4 Flash分别接入不同harness跑30道agentic任务)给出的数字是:Pi通过率20/30、单次成功成本0.028美元;Claude Code通过率16/30、单次成功成本0.195美元。需要注意这个测试跑的是Pi本体而非oh-my-pi,且用的是非Claude模型(等于给Claude Code卸了它专门优化的那个引擎),所以不能直接当成"oh-my-pi比Claude Code强"的证据,只能说明"轻harness+便宜模型"这条路径在特定基准下有成本优势。多篇文章的共识结论是:功能表格上Pi系工具赢在便宜、灵活、透明,但日常打开率上,即便是Pi的粉丝也大多把Claude Code当主力,Pi/oh-my-pi留给需要多provider、需要本地模型、需要深度定制的场景。

vs. Cursor:终端派 vs IDE派

Cursor是VS Code的fork,图形化编辑器,强项是行内Tab补全、实时编辑反馈、全仓库索引式的上下文理解——本质是"贴着代码写"的心流工具,2026年ARR突破10亿美元,是开发者工具史上增长最快的产品之一。它和oh-my-pi代表的是完全不同的交互范式:Cursor让你留在编辑器里被AI辅助,oh-my-pi/Claude Code让你把整个任务丢给终端里的agent自主执行完再看结果。

oh-my-pi的宣传语直接把话说穿了——"把整个IDE塞进终端"。它想证明:只要接入了LSP和DAP这两个IDE最核心的能力,终端agent在代码理解深度上完全能够对标图形化IDE,不需要牺牲终端agent的自主性和可编排性。这是"终端派 vs GUI派"路线之争里,终端阵营目前打得最激进的一张牌。

vs. OpenCode:两种"开源牌"打法不同

OpenCode是另一个MIT开源的编程Agent,Go编写,单二进制文件,走的是"开箱即用的开源替代品"路线——plan mode、subagent、MCP都是内置的,权限式沙箱,10+ providers,配置驱动。它跟Claude Code更像是同一类产品的开源版,跟Pi/oh-my-pi的"可编程平台"定位不完全重合。有一份aimultiple的编程基准测试里,OpenCode综合分排第一(0.816),高于Claude Code(0.789)和Cursor(0.751)——但要注意这类基准结果和跑分方法、任务集选择强相关,横向比较时最好看具体任务类型是否匹配你的场景。

五方对照表

oh-my-pi、Pi、Claude Code、OpenCode、Cursor五方对照表:形态、开源协议、独家技术、模型支持、权限安全、系统提示词、适用人群

值得注意的风险

选oh-my-pi或者Pi系工具之前,有两点值得提前知道:

扩展的信任边界模糊。oh-my-pi/Pi的插件/扩展模型是TypeScript代码,直接运行在agent进程里,拥有和agent本体一样的系统权限——一旦某个社区扩展被攻破,攻破的就是agent自己,没有沙箱可以逃逸。社区里已经有对这个生态提出批评的声音(thevinter的"Bad Vibes From Pi"一文),核心担忧是不少社区扩展本身也是"vibe coding"出来的产物,质量参差不齐。官方的建议是把扩展当依赖项一样审查,并且把整个agent运行环境容器化。

Anthropic订阅锁定带来的成本不确定性。如果你的工作流重度依赖Claude模型,用oh-my-pi/Pi系工具就意味着放弃订阅制的可预测账单,转向按token计费——这在重度使用场景下账单可能明显更贵,也可能因为角色化路由和更省token的编辑格式而更便宜,具体取决于你的任务类型和模型选择策略。

该不该选oh-my-pi

结合前面的对比,几种典型场景:

值得强调的是,这几类工具并不互斥。多篇实测文章都提到同一个模式:把Claude Code当日常主力,把Pi系工具留给需要多provider切换、本地模型、或者深度自定义工作流的场景,两边并行使用,按任务类型切换。

小结

oh-my-pi这个项目最有意思的地方,不是它做了什么功能,而是它在"agent到底需要多少外围工程"这个2026年最核心的争论里,选择了一个和自己出身完全相反的答案。它的母项目Pi用一场"删繁就简"的实验证明了轻量harness也能跑出高分,而oh-my-pi则用LSP、DAP、Hashline编辑证明了往harness里加真正硬核的基础设施(而不是啰嗦的提示词)同样能换来实打实的能力提升。两条路径都在往前走,谁也没能一劳永逸地证明自己是唯一正解——这大概正是当下终端编程Agent领域最真实的状态:industry仍处在"messing around and finding out"的阶段,没有定论,只有不断被验证或推翻的架构假设。


本文数据截至2026年8月13日。开源项目的功能、性能和生态都在快速变化,建议以GitHub仓库最新README和官方文档为准。


参考来源

  1. can1357/oh-my-pi GitHub仓库. https://github.com/can1357/oh-my-pi
  2. oh-my-pi官网. https://ohmypi.xyz/
  3. OMP (Oh My Pi): AI Coding Agent with LSP, DAP Debugger, and Hashline Edits, betterstack.com. https://betterstack.com/community/guides/ai/oh-my-pi-ai-coding-agent/
  4. Building Pi: A Minimal, Extensible Coding Agent Framework, zenml.io LLMOps Database. https://www.zenml.io/llmops-database/building-pi-a-minimal-extensible-coding-agent-framework
  5. Pi Agent vs Claude Code After 100 Hours of Real Use, Composio (dev.to). https://dev.to/composiodev/pi-agent-vs-claude-code-after-100-hours-of-real-use-1dfp
  6. oh-my-pi vs Claude Code: Which AI Coding Harness Should You Use?, docs.bswen.com. https://docs.bswen.com/blog/2026-04-20-oh-my-pi-vs-claude-code/
  7. Pi vs Claude Code vs Codex vs OpenCode: Which Coding Agent Should You Use in 2026?, docs.bswen.com. https://docs.bswen.com/blog/2026-08-10-pi-vs-claude-code-vs-codex-vs-opencode
  8. Claude Code vs Cursor benchmark comparison, aimultiple.com. https://www.research.aimultiple.com/ai-coding-benchmark/

相关阅读

🛒 京东 挑好物逛京东(B组)

京东大促进行中,超值好物等你来选

去京东看看 →

* 京东联盟推广链接,你不需要多花钱,我们获得小额佣金

🟠 淘宝 淘宝数码家电会场

淘宝精选好物,超值优惠等你来抢

去淘宝看看 →

* 淘宝联盟推广链接,你不需要多花钱,我们获得小额佣金

🛒

推荐搭配装备

善其事,利其器。以下硬件能最大化你的AI体验👇

京东
⚡
MacBook Pro 14寸 M4 Pro
AI开发者首选笔记本,性能续航双优
¥15000-20000
淘宝
⚡
联想拯救者Y9000P 2026
AI开发游戏本,i9+RTX4070
¥9000-12000
🔵 京东 🟠 淘宝

🔗 通过以上链接购买可支持本站持续运营 🙏