Pi vs Hermes vs OpenClaw，Pi 是什么？怎么选？

一句话概括

Pi 是一个开源的 AI 编程 agent 工具包——你在终端里跟它对话，它能帮你读代码、改代码、跑命令，本质上是"一个住在终端里的 AI 程序员"。52k 星，TypeScript 写的，架构非常干净。

整体结构：四层积木

把 Pi 想成一栋四层楼的房子，每层解决一个问题：

下面一层一层讲。

第 1 层：tui —— 终端里的"React"

解决什么问题？ 终端本质上只能显示文字。你要在里面做出好看的交互界面（高亮代码、显示 diff、画进度条），需要一个渲染引擎。

怎么做的？

• 差分渲染（Differential Rendering）：不是每次重画整个屏幕，而是只更新变了的部分。跟 React 的虚拟 DOM diffing 是一个思路。每个组件有个 render(width) 方法返回一组文本行，框架对比上一帧，只重画不一样的行。
• 组件化：就像前端的 Component，它有 Text（文字）、Box（方框）、Editor（文本编辑器）、Markdown（渲染 Markdown）、Image（终端里显示图片）、SelectList（选择列表）等。
• 编辑器组件：内置了一个完整的多行文本编辑器，支持 Undo/Redo、Kill Ring（Emacs 式剪贴板）、自动补全、粘贴检测。用 Intl.Segmenter 做 grapheme 级别的光标移动（emoji 不会被切成半个）。
• 终端 Markdown：用 marked 解析 Markdown，然后用 ANSI 转义码给标题加颜色、给代码块加高亮、给链接加下划线。你在终端看到的漂亮格式化输出就是这层做的。

类比： 如果整个 Pi 是一辆车，tui 就是"仪表盘"——负责显示信息和接收输入。

第 2 层：ai —— “万能翻译官”

解决什么问题？ 市面上十几家 AI 厂商（Anthropic、OpenAI、Google、Mistral、AWS Bedrock、Azure……），每家的 API 格式都不一样。你不想每换一个模型就重写一遍代码。

怎么做的？

• 统一类型系统：定义了 Message（消息）、ToolCall（工具调用）、Usage（token 用量）等通用类型。不管底层是 Anthropic 还是 OpenAI，对上层来说消息格式一模一样。
• Provider 懒加载注册：每个厂商是一个独立文件（anthropic.ts、openai-responses.ts、google.ts……），只有你用到某个厂商时才加载它的代码。通过 registerBuiltins() 注册，加载失败不崩溃。
• 流式输出：所有厂商统一返回 AssistantMessageEventStream（一个 async iterable），事件包括文字片段、思考过程（thinking）、工具调用、token 计数。上层只需要 for await (const event of stream) 就行。
• 智能缓存：支持 Anthropic 的 prompt cache、OpenAI 的 cache affinity 等各家特有的缓存机制，让长对话更快更便宜。

支持的厂商（不完全列表）： Anthropic、OpenAI、Google Gemini、Google Vertex、Mistral、AWS Bedrock、Azure OpenAI、DeepSeek、xAI、Groq、Together、Fireworks、Hugging Face、OpenRouter、GitHub Copilot……

类比： ai 层就是一个"万能充电头"——管你是 iPhone 还是安卓，USB-C 还是 Lightning，它都能给你充上电。

第 3 层：agent-core —— “大脑”

解决什么问题？ 光能调 LLM 还不够，你得实现一个循环：“用户说话 → 问 LLM → LLM 要调工具 → 执行工具 → 把结果喂回 LLM → LLM 继续说”。这个循环要能处理各种边界情况（中断、重试、上下文太长要压缩、多轮嵌套调用等）。

这个循环有两层：

• 内循环：处理工具调用和"steering"消息（可以在 agent 运行中途注入额外指令）
• 外循环：处理 follow-up 消息（agent 本来要停了，但队列里还有后续任务）

工具调用生命周期：

1. beforeToolCall 钩子 → 可以拦截或修改
2. 执行工具（支持串行或并行）
3. afterToolCall 钩子 → 可以改写结果
4. 发事件通知外部

Agent Harness（agent 线束）： 在 Agent Loop 外面再包一层，负责：

• 会话持久化：把对话存成 JSONL 文件，下次能接着聊
• 上下文压缩（Compaction）：对话太长了，自动总结前面的内容，腾出空间
• 分支总结（Branch Summarization）：把历史对话压缩成摘要
• 技能系统（Skills）：可加载的能力模块

类比： agent-core 就是"自动驾驶系统"——感知（读 LLM 回复）、决策（要不要调工具）、执行（跑工具），循环往复。

第 4 层：coding-agent —— 用户直接用的产品

解决什么问题？ 把前三层组装成一个拿来就能用的 CLI 编程助手。

7 个内置工具：

工具的实现有个很聪明的设计：操作接口可替换。默认用本地文件系统，但你可以注入一个 SSH 实现，让工具在远程机器上执行。

四种运行模式：

1. Interactive（交互模式）：完整的终端 UI，打字对话
2. Print（打印模式）：非交互，适合管道 echo "fix bug" | pi
3. JSON：结构化输出
4. RPC：作为服务端，接收 JSON-RPC 请求（给 IDE 插件用）

会话系统：

• 每次对话是一个"会话"（Session），存在 .pi/sessions/ 目录下
• 格式是 JSONL（每行一个 JSON，追加写入，极快）
• 支持 --continue（接着上次聊）、--resume（选一个历史会话）、--fork（从某个点分叉出新对话）
• 会话里记录了所有消息、工具调用结果、文件快照、模型切换……完整的审计轨迹

扩展系统（Extensions）： 这是 Pi 最酷的设计之一。你可以写 TypeScript 文件放到 .pi/extensions/ 里，给 Pi 添加能力：

• 自定义工具（比如加一个查 Jira 的工具）
• 自定义命令（/my-command）
• 自定义 UI 组件（在界面上加信息）
• 钩子（bash 命令执行前检查、compaction 完成后通知……）
• 甚至有人写了个 Doom 游戏跑在 Pi 的终端 UI overlay 里

上下文管理（Compaction）： 对话太长时，token 会超出模型的上下文窗口。Pi 的做法：

1. 检测 token 用量接近上限
2. 找到合适的"切割点"（一般是对话中自然的分段）
3. 把前面的对话交给 LLM 做摘要
4. 用摘要替换原始消息，释放空间
5. 继续对话，用户无感知

数据流全景：当你敲入一句话

工程亮点

1. 供应链安全做得很硬核：所有依赖精确锁版本、--ignore-scripts 安装、shrinkwrap 锁传递依赖、pre-commit 阻止意外锁文件提交、CI 跑 npm audit
2. 多 agent 并行安全：AGENTS.md 里有详细规则——禁止 git add .、禁止 git reset --hard、只 add 自己改的文件
3. TypeScript 使用 strip-only 模式：不用 enum、不用参数属性、不用 namespace——这些需要编译时转换的语法都不用，保证代码可以被 Node 直接 strip 类型后执行
4. Monorepo 但不用 Turborepo/Nx：手动 cd + npm run build 管理构建顺序，够朴素，不引入额外复杂度

横向对比：Pi vs Hermes vs OpenClaw

这三个项目都是 AI agent 框架，但设计哲学完全不同。用一个比喻：Pi 是乐高积木，Hermes 是自学习机器人，OpenClaw 是开箱即用的家电。

三者定位

架构差异

Pi 的思路：四层积木，每层可拆

Pi 的核心武器是分层和可替换。tui、ai、agent-core、coding-agent 四个包互不耦合，你可以只用 ai 层接 LLM，也可以只用 agent-core 跑自己的循环。扩展系统让你不用 fork 就能加功能。会话存成 JSONL，可观测、可审计、可分叉。

Hermes 的思路：自主学习闭环

Hermes 最独特的是"用着用着自己变强"。它有三个 Pi 没有的能力：

• 技能自生成：完成复杂任务后，自动把解决过程提炼成可复用的 skill，下次遇到类似问题直接调用
• 跨会话记忆：agent 主动整理记忆（不是简单的历史记录），用 FTS5 全文检索，还会给用户建画像（“这个用户偏好 X 风格”）
• 定时任务：内置 cron 调度器，用自然语言配置（“每天早上 8 点帮我总结昨天的 PR”），结果可以推到 Telegram/Discord/邮件

代价是架构更重、更黑盒——你不太容易看清它学了什么、为什么做这个决策。

OpenClaw 的思路：全都帮你装好

OpenClaw 走的是"全家桶"路线：100+ 插件预装、25+ 通信渠道（微信、Telegram、Discord、邮件……）、语音能力、可视化 Canvas UI。npm install 五分钟跑起来，不需要懂代码。但灵活性有限——你很难把它的某一层拆出来单独用。

关键能力对比

怎么选？

取决于你要解决什么问题：

• “我在做自己的 AI agent 产品，需要可靠的底层积木” → Pi。它的分层设计就是为了让你拆着用，每一层都有独立的 npm 包和稳定的 API。
• “我想要一个越用越懂我的私人助手” → Hermes。自学习能力是它的核心差异化，适合长期使用、个人定制的场景。
• “我不想写代码，就想快速跑起来一个能用的 AI 助手” → OpenClaw。全家桶路线对非技术用户最友好。

一个有意思的趋势：Pi 和 Hermes 都拿到了 ~50k 星，但走的是完全相反的路——Pi 做减法（核心工具只有 7 个，其他全靠扩展），Hermes 做加法（40+ 工具、自动学习、定时任务全内置）。最终谁赢不好说，但对于想理解 agent 架构的人来说，两个都值得读。Pi 教你怎么分层，Hermes 教你怎么做记忆和学习。