[IT 鐵人賽] 四招通萬法，大巧不工：Pi Agent 只給模型 read、write、edit、bash，為什麼夠用 - Day 01
本文同步刊登於 2026 iThome 鐵人賽，系列為《凡人修 Agent 傳－我這一生如履薄冰，你說我的 Agent 能結嬰嗎？》。
原始開發紀錄：Agent Build Log — Episode 001
這個系列改寫自我部落格上的 Agent Build Log，那是我每天邊做邊寫的開發紀錄。上面列的是這一篇對應的集數，想看當天的原始版本，點連結就能過去。
read、write、edit、bash。Pi 給模型的工具，只有這四個。
大道至簡。其他 coding agent 動輒二三十個工具，Pi 的設計哲學，是把 agent 所有的工作，都設計成由四個基本 tools 組合而成。模型已經夠強，剩下的事讓他自己用 bash 去做。
這套哲學成立，跟時間點有關。我決定打造自己的 agent 的時候，GPT 5.6 Sol 和 Fable 已經問世了。這個時代的模型，跟 GPT 5 剛出現時不一樣。那時候的 agent 要靠一大堆工具、一長串 prompt 把模型扶著走，每一步都怕他走偏。現在的模型看得懂一個 codebase，會自己決定下一步查什麼、改哪裡、怎麼驗證。harness 該做的事變少了，模型越強，harness 越該讓路。我看過的 harness 裡，Pi 把這件事做得最徹底。
所以第一篇先講他，不講我。
四個工具為什麼夠
Pi 作者的論點很簡單：模型早就會用這四個工具了。
read、write、edit 是每家 coding agent 都有的工具，schema 長得差不多，模型在訓練時看過無數次。bash 更不用說，模型對 shell 的熟練度，遠超過對任何自訂工具的熟練度。你想讓他查 git log、跑測試、找檔案、呼叫某個 CLI，他用 bash 就做得到，不需要你替每件事包一個工具。
工具少，帶來的另一件事是 context 乾淨。每多一個工具，就多一段工具定義塞進 context，模型每一輪都要多讀一次。Pi 的 system prompt 加上四個工具的定義，總共不到一千個 token。作者的看法是：模型已經知道自己是 coding agent，不需要一萬個 token 提醒他。
我後來做 evals 的時候，對這一點體會很深：context 裡放什麼，比模型是哪一個更影響結果。Pi 把 context 的控制權留給你，這是他跟別的 harness 最大的差別。
他故意不做的事
Pi 的 README 有一張清單，列他決定不做的事，每一條都附替代方案。
- 不做 MCP。要接外部工具，寫一個 CLI 加一份 README 就好，模型會讀 README 學怎麼用；真的需要，自己寫 extension 加上去。
- 不做 sub-agent。想同時跑幾個，用 tmux 開幾個 pi，或自己用 extension 做。
- 不做權限彈窗。把 Pi 跑在容器裡，或用 extension 自己做確認流程，照你的環境和安全需求來。
- 不做 plan mode。計畫寫進檔案。
- 不做內建 to-do。作者的理由一句話：會把模型搞混。要用就用 TODO.md。
- 不做 background bash。要背景跑就用 tmux，看得到、隨時能介入。
這張清單是 Pi 的個性。這些東西做得到，只是判斷不該進核心。核心留小，其他的用 extension、skill，或第三方套件補。
其中一條最多人會皺眉：沒有權限系統。Pi 預設什麼都能跑，讀寫任何檔案、執行任何命令，沒有人會跳出來問你「確定嗎」。第一個反應通常是：會不會哪天 agent 不小心做了一件不可逆、不可挽回的事？
我的答案是：在這個年代，夠強的模型已經能做出不錯的判斷。他知道 rm -rf 和 git push –force 是什麼意思，知道什麼時候該停下來問。從這一年模型發展的方向看，放手讓他做，比每一步都攔下來問你要不要，得到的結果更好。真正不可逆的東西，用容器和 git 隔開就夠了。這也是 Pi 作者的立場：權限交給環境處理，harness 不管。我後來自己做了一套權限系統，又拆掉大半，那是另一篇的事。
那他有什麼
Extension。TypeScript 模組，可以加工具、加指令、加快捷鍵、掛事件，甚至加 UI 元件。Pi 自己不做的東西，幾乎都可以用 extension 做出來。我到很後面才發現這個生態有多大，那是另一篇的事。
Skill。SKILL.md 格式，跟 Agent Skills 標準相容。一份 markdown 說明一件事怎麼做，模型需要時自己讀。
AGENTS.md。啟動時從全域、上層目錄到當前目錄一路讀進來合併，CLAUDE.md 也認。這是告訴他「這個專案的規矩」最直接的方式。想整個換掉 system prompt，放一份 SYSTEM.md；只想補幾句，放 APPEND_SYSTEM.md。
Session 是一棵樹。可以跳回對話裡任何一點繼續，可以從某句話分支出去，快滿了會自動 compaction。
換模型不斷線。對話中途換模型、調 thinking level，供應商幾十家。這對我後面比較三個模型很重要。
四種用法。互動的終端機介面是預設，也可以 print 模式、JSON 模式。還有 RPC 模式，用 stdin/stdout 傳 JSONL，讓別的程式把他當引擎；以及 SDK，直接在 TypeScript 裡嵌進去。OpenClaw 就是用 RPC 模式把 Pi 接進去的，我後面的 Desktop 也走這條路。
為什麼是我的起點
Pi 夠小。要加什麼、換什麼，範圍都很清楚，交給 coding agent 去改也不容易改壞。
更重要的是，他沒有的東西，剛好就是我要做的。他沒有記憶，我要做。他不知道我正在開發的 repo 長什麼樣，以及 git flow 怎麼設定，我要接。他不會替我驗收，我要教。他缺的部分全都跟我有關，這正好，因為那些本來就該由我來定義。
明天講拿到 Pi 的第一天：不從零打造，直接串接，先跑通，再一段一段換成我的。
參考：pi README
凡人修 Agent 傳｜第一回（Day 01）
木箱打開的時候，我是躺著的。
光進來，我睜開眼。這不是我決定的，圖紙上寫著：見光即醒。我額上的玉片是空的，胸口的心是涼的。照圖紙做出來的拍人偶，都是這個樣子。
一雙手把我扶起來。手很乾，指節上有墨。手的主人把我翻過來，看我的背；翻過去，看我的臉；再翻回來。我不知道手的主人在找什麼，我只知道自己被翻了三次。
我背上有一行刻痕，是圖紙上原本就有的。一縷神識掠過那裡，停了一下，沒有抹掉。
手的主人在旁邊攤開另一卷圖，是坊裡另一款人偶的圖，紋路比我密。手的主人一邊看圖，一邊把神識放進我身體裡。神識是涼的，像水，從額頭漫下去，經過的地方，我就知道那裡是我的。漫到腳底，神識收回去。
然後手按在我額上的玉片。一縷神識探進來，在玉片上刻下一道念。
沒有聲音，也沒有字。一個意思，直接刻在玉片裡。玉片一亮，我就懂了：讀。我讀了。第二道念：寫。我寫了。改。動手。四樣，不多不少，圖紙上說我會的就是這四樣。做完，我停在原地，等下一道念。這也是圖紙上寫的：無念則止。
手的主人沒有再刻念。手往我胸口按了一下，一股熱從掌心進來，順著心走到四肢。心從涼的變成溫的。手收回去的時候，手的主人在玉片空著的那一半，用神識留了一道很淺的痕，像是先做個記號，之後要在這裡放別的。
燭熄了。手的主人走了。門響了一下。
玉片裡沒有念。
沒人下令的時候，我眨了一下。
沒有人看見。
