Настройка Pi Coding Agent 1.0: от установки до первой задачи

Pi позволяет настроить работу агента с выбранной моделью

Pi — минимальная оболочка агента: программа, которая даёт модели доступ к файлам и командам. Представьте рабочий стол с инструментами: выбранная модель решает, что делать, а Pi предоставляет средства для выполнения задачи.

Четыре встроенных инструмента, включённых по умолчанию, обеспечивают основной цикл работы:

Модель запрашивает инструмент, Pi выполняет вызов, а результат возвращается в диалог. Цикл может повторяться до завершения задачи. Эти четыре инструмента включены по умолчанию; список всех встроенных инструментов версии 1.0 шире. Справочник инструментов Pi, цикл работы агента.

Если вы уже пользуетесь Claude Code или Codex, оценивайте Pi по тому, какие рабочие процессы хотите настраивать самостоятельно. Я советую пробовать его с конкретной идеей: например, командой для проверки репозитория или навыком для повторяющихся миграций. Более широкий выбор — в подборке агентов для программирования без привязки к одной модели.

Что изменилось в терминале и работе инструментов Pi 1.0

В релизе 1.0.0 полноэкранный режим стал стандартным, а codemode и вход в аккаунт доработали. TUI — интерфейс, который отображается прямо в терминале. При настройке пригодятся следующие изменения:

MCP подключает агента к внешним инструментам. OAuth — способ предоставить доступ через вход в аккаунт, не передавая инструменту свой пароль. Codemode позволяет модели составлять вызовы инструментов на JavaScript и возвращать в диалог выбранные результаты. Сокращение промпта относится к этому режиму и не означает, что каждая задача обойдётся на 40% дешевле. Описание релиза Pi 1.0.0, справочник codemode.

В том же релизе появились генерация изображений из скриптов codemode, Radius в /login и quietStartup: "header". Для первой задачи с кодом эти возможности можно отложить. Описание релиза.

Настройка Pi Coding Agent: первая задача за 28 минут

Начните со знакомого репозитория, рабочей команды запуска тестов и доступа к поддерживаемой модели. Расписание ниже — ориентир: время загрузки, входа и тестирования зависит от вашей среды. Выберите задачу, результат которой успеете проверить до конца сессии.

Минуты с 0 до 5: установка и открытие проекта

Для установки через npm требуется Node.js 22.19 или новее. Команда ниже закрепляет версию Pi 1.0.0, чтобы порядок действий соответствовал релизу, разобранному в статье:

node --version
npm install -g --ignore-scripts @earendil-works/pi-coding-agent@1.0.0
pi --version
cd /path/to/project
pi --tui-mode regular

Замените /path/to/project на папку своего проекта. Команда pi --version должна показать 1.0.0. Запуск просто через pi включает новый полноэкранный режим по умолчанию. Официальный альтернативный способ для macOS/Linux — curl -fsSL https://pi.dev/install.sh | sh: он устанавливает актуальный релиз. Документация по установке, быстрый старт.

Минуты с 5 до 10: подключение существующего аккаунта

Внутри Pi выполните /login, выберите поставщика модели и пройдите предложенную процедуру входа. Затем выполните /model и выберите доступную модель. Поставщик определяет способ доступа, а модель — систему, которая генерирует ответы.

В документации Pi по аутентификации перечислены вход с подпиской Anthropic и вариант OpenAI Sign in with ChatGPT. OpenAI описывает использование тарифа как разрешение на подходящие запросы при условии, что аккаунт соответствует требованиям. Использование API-ключа оплачивается отдельно. Поставщики OAuth в Pi, документация OpenAI по входу.

На сайте Pi перечислены Anthropic, OpenAI, Google, OpenRouter, Ollama и другие поставщики. Поддержка поставщика не означает, что в каждом аккаунте доступны все его модели. Если нужной модели нет, сначала проверьте аутентификацию: /model показывает модели, для которых есть действующие учётные данные. В окне выбора нажмите Ctrl+S, чтобы сохранить модель по умолчанию. Документация по выбору модели.

Для Ollama настройте ~/.pi/agent/models.json по примеру совместимой конечной точки из документации проекта. В нём используются http://localhost:11434/v1, тип API openai-completions, фиктивный ключ ollama и идентификатор модели, доступной в вашей установке. Открытие /model перечитывает этот файл. Такой локальный вариант позволяет попробовать Pi без платного аккаунта модели.

Минуты с 10 до 13: инструкции для репозитория

Добавьте короткий AGENTS.md в корень репозитория или дополните существующий. Pi находит инструкции в ~/.pi/agent/, родительских каталогах и текущем каталоге. Если меняете их во время сессии, выполните /reload. Документация по настройке.

Инструкции должны описывать ваш реальный репозиторий. Например:

Use the existing test runner and neighboring test conventions.
Keep this task within the function and tests I name.
Do not add dependencies or change the public API.
Run the focused tests and report the exact command and result.
Leave commits and publishing to me.

Если знаете точную команду для запуска нужных тестов, добавьте её. AGENTS.md направляет работу модели, но не ограничивает её права доступа.

Минуты с 13 до 23: одно полезное изменение

Выберите существующую вспомогательную функцию, для которой поведение при пустом вводе описано, но регрессионного теста ещё нет. Прикрепите эту функцию и соседний тест через @ — средство выбора файлов в Pi — и дайте агенту такую задачу:

Регрессионный тест защищает ожидаемое поведение от поломок в будущих изменениях. Такая задача даёт конкретный diff и не требует от Pi перепроектировать приложение. В руководстве по быстрому старту описаны выбор файлов через @ и проверка изменений после задачи. Документация по первой задаче.

Минуты с 23 до 28: проверка результата

Прочитайте изменённый тест и посмотрите git diff — список изменений в файлах. Убедитесь, что проверка в тесте соответствует ожидаемому поведению, затем самостоятельно запустите нужные тесты. Успешный прогон подтверждает работоспособность изменения, но оценить полезность проверки и границы задачи всё равно предстоит вам.

Критерий завершения первого запуска прост: выбранный поставщик заработал, Pi внёс нужное изменение, а вы понимаете diff. Дополнительные настройки оставьте на следующую сессию.

Pi бесплатен, а расходы зависят от модели

Лицензия MIT не добавляет плату за рабочее место. При доступе по подписке расходуется то, что предоставляет тариф; с API-ключом поставщик выставляет счёт за использование. С локальной моделью затраты переходят на ваше оборудование и его эксплуатацию.

Рассмотрим пример расчёта для API. Стандартное использование GPT-6.1 Sol с коротким контекстом у OpenAI стоит $2 за миллион входных токенов и $10 за миллион выходных токенов. Токены — фрагменты содержимого, которые учитываются при расчёте оплаты. Официальные цены OpenAI.

Допустим, суммарно за все запросы небольшой задачи набрался такой объём:

Это пример арифметики, а не замер реальной задачи. Он предполагает стандартную обработку, не более 272,000 входных токенов в каждом запросе, отсутствие записи в кэш и отдельно оплачиваемых инструментов. Для кэшированного ввода, записи в кэш, более длинных запросов и других режимов обработки действуют иные тарифы. Сто задач с точно таким же использованием обошлись бы в $30 базовой оплаты модели. Подробные тарифы GPT-6.1 Sol.

При выборе бюджета решите, оправдывает ли нужная вам настройка затраты на её поддержку. Pi снимает плату за лицензию оболочки, но расходы на модель, проверку человеком и инженерную поддержку рабочего процесса остаются.

Как расширить рабочий процесс без лишней сложности

Инструкции подходят для правил проекта, навыки — для повторяемых процедур, расширения — для действий, выполняемых программным кодом.

Файл SKILL.md начинается с имени и описания навыка. Чтобы явно загрузить нужный навык, вызовите /skill:name. Расширения выполняются внутри процесса Pi, поэтому изучите их код перед загрузкой. Навыки, расширения.

Команда pi install ./local-package устанавливает пакет, подготовленный локально. Для опубликованного пакета используйте pi install npm:@scope/package@version, подставив настоящее имя и версию. Добавьте --local, чтобы записать объявление пакета для проекта в .pi/settings.json. После изменения ресурсов в активной сессии выполните /reload. Документация по пакетам.

Для внешнего сервиса MCP настройте сервер и выполните /mcp login <server>, если требуется OAuth. Добавляйте это подключение позже, когда основная конфигурация уже работает. Документация MCP.

Шесть полезных задач — по ожидаемой практической отдаче

Лучше всего начать с повторяющейся работы в знакомом репозитории. Ниже — варианты рабочих процессов; их польза зависит от кодовой базы и того, насколько внимательно вы проверяете результат.

1. Добавить регрессионный тест для обнаруженной ошибки. Основатель, который поддерживает веб-приложение с подпиской, может прикрепить воспроизведение ошибки, реализацию и тесты, попросить Pi написать падающий тест и внести точечное исправление, а затем повторно запустить нужные проверки. Ценность в том, что наблюдавшийся сбой становится постоянным тестом.
2. Проверить изменение перед созданием pull request. Разработчик может передать Pi локальный diff и навык проверки репозитория, попросив найти возможные дефекты, указать файлы и объяснить выводы. Конкретная проблема, найденная до ревью, может сократить переписку при проверке.
3. Мигрировать отдельную часть приложения. Сопровождающий проект разработчик может оформить порядок миграции как навык, применить его к одному модулю и запустить проверки. Возможная экономия — в повторном использовании процедуры для похожих модулей с проверкой каждого diff.
4. Разобраться в незнакомом репозитории. Новый инженер может попросить Pi проследить один запрос от точки входа до хранилища, а затем сохранить заметки со ссылками на файлы и нужными командами проверки. Такие записи помогают сократить повторяющиеся вопросы при знакомстве с проектом.
5. Написать небольшой скрипт обслуживания. Специалист, который отвечает за устаревающие тестовые данные, может попросить Pi подготовить скрипт, проверить его на примерах входных данных и описать использование. Проверенный скрипт способен заменить повторяющиеся ручные правки.
6. Создать внутренний рабочий процесс для разработчиков. Технический руководитель может упаковать собственную команду и навыки либо интегрировать Pi через режим print для разовых команд, RPC для управления отдельным процессом или библиотеку SDK для встраивания сессий в приложение. Польза — в адаптации агента к повторяющейся задаче; интеграция и поддержка остаются обязанностью руководителя. Интерфейсы интеграции.

Самая перспективная разработка — проверка кода под конкретный репозиторий

Пакет для проверки перед слиянием — наиболее очевидная возможность: задача повторяется, а потенциальный покупатель уже знает цену задержек на ревью. Небольшая инженерная команда может платить за поддерживаемый пакет, который проверяет её собственные правила и предоставляет проверяющим подтверждения своих выводов.

Проверка спроса показала 1,300 оценочных поисковых запросов в месяц в Google в США по фразе “ai code review”. CodeRabbit Essentials даёт ориентир по цене: $24 за разработчика в месяц при годовой оплате или $30 при ежемесячной оплате. Это признаки интереса к задаче и существующей категории платных продуктов, но не доказательство спроса на пакет для Pi. Источник поискового объёма — обзор ключевых слов DataForSEO, проверенный 3 октября 2026 года. Цены CodeRabbit.

Минимальная версия, которую можно продавать, могла бы включать навык ревью, команду сбора локального diff, проверки для конкретного репозитория и отчёт со ссылками на файлы. На первых порах оставьте выполнение локальным. Главная сложность — отличаться от других решений: универсальный промпт легко скопировать, а пакету Pi нужны собственные сопровождение, управление доступом и поддержка. Продавайте качество проверок репозитория и их регулярное обновление.

Стартовый пакет для команды — вторая возможность. Инженерный руководитель может купить настройку и сопровождение единой конфигурации поставщиков, AGENTS.md, общих навыков и небольшого набора одобренных расширений. Проверка спроса показала 1,600 оценочных поисковых запросов в месяц в США по фразе “open source ai coding assistant”; замер DataForSEO сделан в тот же день. Первая версия могла бы состоять из одного пакета и процедуры подключения для репозиториев одной команды. Сложность в том, что поисковый интерес не доказывает готовность платить за установку: постоянная ценность должна заключаться в поддержке рабочего процесса команды.

Когда Pi не подходит: команда не хочет отвечать за настройки

Выбирайте инструмент, сопровождение которого берёт на себя поставщик, если команда ожидает готовые механизмы подтверждения действий, изоляцию и стандартные рабочие процессы как часть поддерживаемого продукта. Инструменты Pi используют права процесса, который его запускает. Доверие к проекту определяет, какие ресурсы проекта загружаются, но не изолирует вызовы инструментов. Рабочая папка не мешает командам обращаться к другим доступным путям. Модель безопасности Pi.

Расширения могут добавлять подтверждение действий или защиту путей, а контейнер — ограничение на уровне операционной системы. Но реализовывать и поддерживать эти решения придётся вашей команде. Песочница JavaScript в codemode также не меняет права вызываемых инструментов. Возможности расширений, codemode.

В ядре Pi также нет встроенных субагентов и режима планирования. На мой взгляд, это удачный компромисс для разработчика, которому нужна небольшая основа для собственной настройки, и неудачный — для команды, которая хочет передать эти решения поставщику. Принципы устройства проекта.

В понедельник дайте Pi одну задачу с чёткими границами: исправить ошибку или добавить тест в репозитории, который вы поддерживаете. Сохраните diff и результат тестирования, затем решите, какую повторяющуюся процедуру стоит оформить как навык. Если вам нужен рабочий процесс под вашу команду, начните с разработки ИИ-агентов.