外观
Pi vs OMP:同一份代码的两个答案
一句话结论:Pi 和 OMP 不是竞品,而是一次分叉留下的两种取舍 —— 哪些能力该由 Agent 自带,哪些该留给用户决定。Pi 把选择权交给用户,OMP 把能力提前做好。(来源论点:作者结论,高置信;数字部分本页已独立核验,标注于文末)
背景:不是竞品,是分叉
多数人会把 OMP(Oh My Pi)当成 Pi 的对手,但它其实是从 Mario Zechner 的 Pi 项目分叉出来的。两边的骨架仍然相同:终端交互、TypeScript 扩展、会话树与会话管理、多模型支持。
| Pi | OMP(Oh My Pi) | |
|---|---|---|
| 主导 | Mario Zechner(libGDX 作者)/ Earendil | Stencil Labs |
| 起点 | 2025-08 创建仓库 | 2025-12 从 Pi(badlogic/pi-mono)分叉 |
| 一句话 | 极简内核,工作流自组 | 开箱即用,高频能力内置 |
分叉之后两边的取向立刻分开:Pi 坚持"基础四件套 + 可组合原语",OMP 把开发中反复用到的能力(语言服务、调试器、子 Agent、浏览器、桌面控制)直接焊进运行环境。
作者特别澄清:Pi 现在已经内置 MCP 与 Codemode,不再是早期"接 MCP 必须装插件"的状态。它的取向没变——仍然让用户自己组合工作流,只是不再把基础能力全推给社区。
对比维度表
| 维度 | Pi | OMP |
|---|---|---|
| 设计取向 | 精简内核,把工作流决定权交给用户 | 保留扩展能力,强化原生工具,追求开箱即用 |
| 原生工具面 | 基础 4 件套:read / write / edit / bash(MCP、Codemode 已内置) | 31 个内置工具,部分默认关闭、按需开启 |
| 代码理解与编辑 | 基础文件工具 + Shell;导航与结构化修改靠扩展或外部工具 | 原生 LSP(14 类操作)、AST 搜索与改写(ast_grep / ast_edit)、基于 DAP 的调试(28 类操作)、Hashline 编辑 |
| 多 Agent | 不默认提供;社区 pi-subagents 可做分发、并行、串联、后台任务 | 内置 task 工具:并行子 Agent、隔离工作区、结构化结果;Agent Hub 可查看状态并介入 |
| 联网与电脑操作 | 靠 pi-web-access 等扩展补充 | 自带 web_search、browser、computer(真实桌面窗口、截图、系统级输入、无障碍树) |
| 扩展体系 | Pi Package 统一分发扩展 / Skills / 提示词模板 / 主题,npm、git 安装 | 独立插件管理与 Marketplace,支持 npm、git、本地插件,兼容 Claude Code 目录格式,保留 Pi 扩展兼容层 |
| 模型与路由 | 15+ Provider,/model 切换,models.json 或扩展加自定义 Provider | 60+ Provider,按角色路由(default / smol / slow / plan 等九种)、失败回退链、多凭据轮换、按项目路径限制可用模型 |
| 上下文与长任务 | 会话树 + 自动压缩;扩展可接管压缩与上下文构建 | 工具输出裁剪、多策略压缩、可选后台预压缩、Snapcompact(把历史渲染成紧凑图片供视觉模型读)、可选持久记忆 |
| 底层实现 | TypeScript | TypeScript + 约 8 万行 Rust(Shell、文件搜索、AST、工作区隔离、图像压缩等) |
| 生态 | pi.dev 包目录收录 5,366 项(作者 2026-11-16 计数),可检索、可统计 | 无统一收录量;自有插件 + Marketplace + 部分 Pi / Claude Code 生态 |
| 维护成本 | 核心小,用户需要投入配置与扩展工作 | 原生模块多、维护面大,用户需要投入的工作更少 |
关键差异
1. 争的不是"能否扩展",而是"默认给什么"
两边都能扩展,TypeScript 扩展在两边都是第一等公民。真正分道扬镳的是默认值:
- Pi 默认给你四个工具和一套原语,子 Agent、计划模式、权限确认都需要自己接;
- OMP 默认给你一整套开发动作,扩展用来补缺口而不是搭地基。
这和 Harness 领域另一组样本是同一条轴:一边是"可组合内核",一边是"成品发行版"。
2. 工具面的深度,改变的是 Agent 的工作方式
Pi 的循环是典型的"改—跑—试":读文件、改文件、执行、看输出。OMP 把 LSP、AST、DAP 接进来之后,Agent 可以:
- 跨文件重命名时让语言服务器更新引用,而不是靠 grep 猜;
- 程序异常时看断点、调用栈、变量,而不是反复改代码重跑;
- 用 Hashline 按内容锚点定位修改,文件在期间被改动时拒绝过期补丁,减少"改错位置"。
这不是工具数量的差别,而是"能不能看见结构"的差别:看得见结构的 Agent 不必用试错来替代理解。
3. 多 Agent 从"能并发"到"看得见"
Pi 把子 Agent 留给社区(pi-subagents),OMP 内置 task 并配了 Agent Hub:隔离工作区避免兄弟 Agent 互相覆盖文件,结构化返回省去解析自由文本,Hub 里能看进度、插话、终止卡住的 worker。
差别在于调度是否可观察:并发本身不难,难的是人不打开日志也知道现在有几件事在跑、卡在哪一件。
4. 生态的两种复利
- Pi 的复利是可发现:统一包目录、统一计数,找东西和评估生态规模都容易。
- OMP 的复利是少折腾:兼容别人的目录格式、大部分能力已经装好,装完就能干活。
代价对称:Pi 的核心小、维护轻,但配置成本转移给了用户;OMP 的集成度高,但原生代码与模块更多,维护面和升级风险也更大。
放回本站的知识地图
| 本站主线 | 这组对比对应的问题 |
|---|---|
| 从一次 LLM 调用到完整 Harness | 两家共享同一套 Harness 骨架(上下文装配、工具调用、循环、会话持久化) |
| Harness(智能体执行框架) | 分叉点就在"harness 默认装载多少能力" |
| 从模型到 Super-agent | 都还停在"让智能体干活"这一层:OMP 的 Agent Hub 是向上一层伸的第一只手,但还不是调度平面 |
和 DSH vs Codex 对照着读更有意思:DSH 走"一切皆插件"的工厂路线,Codex 走"精装整车"的发行版路线。Pi ≈ DSH 一侧,OMP ≈ Codex 一侧 —— 同一个分叉点,两次不同方向的转身。
选型建议
| 你的情况 | 优先选 | 理由 |
|---|---|---|
| 想自己设计工具、命令、子 Agent、上下文策略 | Pi | 内核小、所有维度可替换,不必接受预设工作流 |
| 要基于 SDK 构建自己的 Agent 系统 | Pi | 四层扩展 + SDK / RPC,改造面最大 |
| 每天把 Agent 当主力编程工具,不想逐个找插件 | OMP | LSP、调试器、子 Agent、浏览器、桌面控制已在盒子里 |
| 团队要统一模型策略与成本 | OMP | 角色路由 + 回退链 + 凭据轮换 + 路径级模型限制 |
| 已有大量自研 Pi 扩展 | 先留 Pi | 内部 API 与配置目录已分叉,迁移前需逐个验证兼容 |
作者的取舍可以作为参考:开发与深度定制 Agent 选 Pi,日常把 Agent 当生产力工具先试 OMP。补充一点:两者都提供 SDK 与 RPC,二次开发不是 Pi 的专利。
三个容易读错的地方
- Provider 数量 ≠ 模型效果。两家都能接同一批基础模型,实际差别来自工具设计、提示词与执行流程。
- 上下文策略更复杂 ≠ 更省 Token。裁剪、预压缩、Snapcompact 都需要同模型、同任务实测;图像化压缩对视觉模型有效,对纯文本模型未必。
- 生态数字是目录条目数,不是质量指标;5,366 项里有多少仍在维护,原文未给。
核验说明(2026-11-16)
| 项 | 状态 |
|---|---|
| 两仓库存在、MIT、TypeScript;Pi 122,311 star,OMP 39,169 star;OMP README 自述为 Pi 的 fork | 已核验(GitHub API) |
| OMP:60+ providers、31 built-in tools、14 lsp ops、28 dap ops、约 8 万行 Rust(分项合计 81,600 行) | 已核验(README) |
OMP 模型角色为九种(原文只列四种);Snapcompact 为独立包 @oh-my-pi/snapcompact | 已核验(README / monorepo) |
| Pi 已内置 MCP 与 Codemode | 已核验(仓库 docs/mcp.md、docs/codemode.md) |
Pi 包目录 5,366 项、OMP 对 Claude Code Marketplace 与 Pi Package 的兼容范围、pi-subagents 能力边界 | 作者自述,未核验 |
数字随版本与时间变化,引用时请连同日期一起使用。原始材料见
docs/_raw/2026-11-16-pi-vs-omp-same-origin-two-paths.md。
关联词条
- Pi:极简、开源的终端 AI 编程 Agent(tool)
- OpenAI 全面开源 Codex Harness(tool)
- DeepSeek Harness vs Codex Harness:发动机之争(comparison)
- DeepSeek Harness 与 Pi 的架构拆解对比(comparison)
- Harness(智能体执行框架)(concept)
- 从模型到 Super-agent:能力是怎么一层层长出来的(concept)
- 返回 对比分析