Pi Agent和Claude Code

📅 2026/7/8 10:51:56 👁️ 阅读次数 📝 编程学习

Pi Agent和Claude Code

在windows电脑上安装为Pi agent，并配置自定义模型。
在windows电脑上安装为Claude Code，并配置自定义模型。
配置相同模型的话，Pi Agent 和 Claude Code 相比，那个更好，2者的优劣势。

要在 Windows 上从零开始配置一个自主可控的 AI 编程助手，Pi Agent 和 Claude Code 是两种核心路径的代表。简单来说，这像是一个选择：自定义积木 vs 智能成品。

如果你享受从零搭建，渴望极致的掌控和成本效益，Pi Agent 是你的“变形金刚”，我通常会首先推荐 Pi Agent；如果你需要开箱即用，专注于大型项目的复杂重构，Claude Code 则是那个强大的“专用工具”。

维度	Pi Agent (自定义积木)	Claude Code (智能成品)
核心理念	极简、可编程的“终端套件”，提供可随时修改的`TypeScript`扩展环境。	功能全面、开箱即用的“完整产品”，由 Anthropic 官方打造。
上手门槛	中等偏高。需要熟悉命令行、Node.js 和 `TypeScript`，适合高阶开发者。	低。安装后通过官方登录即可使用，适合新手和希望快速上手的用户。
架构设计	“零依赖” ，仅提供 4 个核心工具。所有额外功能都作为可选的扩展。	“内置一切”，提供 18+ 种工具、子代理、权限系统、LSP 等。
模型支持	支持任何 API，包括 OpenAI、Anthropic、Google 等，特别是 Ollama、LM Studio 等本地模型，可彻底离线使用。	主要依赖官方 Claude模型，但可通过环境变量或包装器（如 `claude-glm-installer`）调用其他兼容 API。
成本分析	开源免费，仅需支付 API 调用费用或运行本地模型。	订阅制，约 $20/月，重度使用可能另有计费。
社区生态	社区驱动，拥有 `TypeScript` 扩展、技能包等。生态正在快速成长，自由度极高。	官方支持，生态完善，集成度高，可直接使用 `CLAUDE.md` 等官方标准。

💡 配置自定义模型

两者都支持在配置文件中通过设置 API key 和 Base URL 来对接其他兼容的模型提供商。

Pi Agent 实战：比如将 Pi Agent 与 Ollama 或 LM Studio 这类本地服务器连接，即可用上 Gemma 4 这样的模型，实现完全离线的 AI 编程环境。

🏆 深度对比与适用场景

一个“瘦”到极致的 TypeScript 套件和一个功能完备的独立工具，它们的优劣势具体如何：

对比维度	🟢 Pi Agent	🔴 Claude Code
核心理念与哲学	极简、可编程的终端套件。像一个工具箱，提供可随时修改的 `TypeScript` 扩展环境。	功能全面、开箱即用的完整产品。由 Anthropic 官方打造。
上手门槛	中等偏高。需要熟悉命令行、Node.js 和 `TypeScript`，适合希望深度定制的高阶开发者。	低。安装后通过官方登录即可使用，适合新手和希望快速上手的用户。
架构设计	"零依赖" ，仅提供 `read`、`write`、`edit`、`bash` 4 个核心工具。所有额外功能都是可选的扩展。	"内置一切"，提供 18+ 种工具、子代理、权限系统、LSP 等。
模型支持	支持任何 API，包括 OpenAI、Anthropic、Google 等。尤其对 Ollama、LM Studio 等本地模型支持极佳，可彻底离线使用。	主要依赖官方 Claude 模型，但可通过环境变量或包装器（如 `claude-glm-installer`）调用其他兼容 API。
扩展性	无限。内核极小，能通过 `TypeScript` 扩展深度定制，甚至让 AI 自己扩展自己。	有限。支持通过插件添加工具，但定制深度和自由度与 Pi 不在一个量级。
性能与成本	极高。系统提示词极短。单次请求仅约 2,600 tokens。开源免费，只需支付 API 调用费用或本地运行模型。	较低。系统提示词庞大。单次请求高达约 27,000 tokens。需购买订阅，约 $20/月，重度使用可能另有计费。
优势	1. 极致成本效益：更少的 tokens 意味着更低的 API 费用。 2. 灵活可控：从模型到行为，一切皆可掌控。 3. 真正的离线能力：可与本地模型完美结合，保障代码隐私。	1. 强大的复杂任务处理：在理解大型代码库、多文件重构方面表现优异。 2. 官方生态完善：集成度高，享有官方持续更新与支持。
劣势	1. 学习曲线：需要投入时间学习其设计哲学和扩展方式。 2. "非主流"：不内置权限弹窗、MCP 等"标配"功能，需自行组装。	1. 成本高昂：持续的订阅费和较大的 token 消耗对个人开发者是不小负担。 2. 灵活性不足：核心功能由官方决定，定制能力有限。
适用场景	首选！尤其适合追求极致控制、预算敏感、重视代码隐私、希望使用本地模型的高阶开发者。	适合预算充足、追求开箱即用、需要处理大型复杂项目重构的专业重度用户。

当使用相同模型时，这种哲学差异会直观地体现在性能和成本上。Pi Agent 极简的设计让它像一个毫无冗余的“精准工具”，而 Claude Code 完备的功能集则像一辆功能齐全但自重较大的“重型卡车”。

🚀 在 Windows 上快速部署

部署步骤配置思路是相通的，下面是把它们跑起来的具体步骤。

1. 安装 Pi Agent

前置要求：

Node.js (v14+) 或 Bun 运行时。
Git for Windows：提供 Pi 所需的 bash 环境。

步骤：

安装：以管理员身份打开 Git Bash 或 PowerShell，执行：
```
npm install -g @mariozechner/pi-coding-agent
```
或通过 Bun 安装（推荐，速度更快）：
```
bun install -g @oh-my-pi/pi-coding-agent
```
验证安装：
```
pi --version
```
配置自定义模型：Pi 的配置非常灵活，你可以在 ~/.pi/agent/models.json 中定义新模型。对于本地模型，例如通过 Ollama 运行 qwen2.5-coder，可以这样配置：
```
{"models": [{"id": "ollama-qwen","name": "Qwen 2.5 Coder (Ollama)","provider": "openai-compatible","model": "qwen2.5-coder:latest","baseUrl": "http://localhost:11434/v1","apiKey": "ollama"}]
}
```
然后，在 Pi 的会话中输入 /model ollama-qwen 即可切换到该模型。

2. 安装 Claude Code

前置要求：

Node.js (v14+)。
Git for Windows：获得更好的 Unix 命令兼容性。

步骤：

安装：以管理员身份打开 PowerShell 或 Git Bash，执行：
```
npm install -g @anthropic-ai/claude-code
```
验证安装：
```
claude --version
```
配置自定义模型：
- 环境变量法：使用支持 Anthropic API 或 OpenAI API 的第三方模型服务。通过设置环境变量来覆盖 Claude Code 的默认后端。
```
$env:ANTHROPIC_AUTH_TOKEN = "你的第三方API Key"
$env:ANTHROPIC_BASE_URL = "https://api.third-party.com/v1"
```
- 包装器法：使用社区工具如 claude-glm-installer，它能自动创建别名，让你用 ccg 等命令调用 GLM 模型，且不影响原版 Claude Code 的使用。
```
npx claude-glm-installer
```

总结：

对于追求掌控与效率的你，Pi Agent 那条充满极客精神的 DIY 之路，无疑充满了无法抗拒的吸引力。它能让你深刻体会到"工具为你所用"的自由。虽然 Claude Code 在某些特定场景下有其优势，但它终将需要向更开放、更低成本的方案进化。

资讯详情

Pi Agent和Claude Code