作者对比了 Pi Agent 和 DeepSeek Harness 两款 Agent 工具的选择问题。Pi Agent 核心精简，适合喜欢自己掌控工作流、DIY 工具和 Context 的用户，但插件装多易冲突；DeepSeek Harness 采用 Everything is a Plugin 思路，配有桌面 App，适合想快速上手、不喜欢终端的用户，但仍处测试版且有破坏性升级风险。作者指出省 Token 的关键不在初始 Context，而在工具加载方式、历史内容携带、任务重复执行及 Prompt Cache 复用率。最后建议：熟悉终端的写码者选 Pi，偏好图形界面者选 DSH。
本文是一篇面向小白的 DeepSeek Harness（DSH）完整上手教程。作者介绍了 DSH 的核心特点：门槛低（DeepSeek 账号登录即用）、一切皆插件（连 Agent 循环都可替换，社区插件超 6000 个）、过程可回放（轨迹功能）。文章详细讲解了下载安装、登录方式（账号与 API Key 两种）、界面各功能入口（模式、权限、模型、推理强度等）的含义，并分析了计费方式与省钱技巧，同时提醒它仍是预览版，未经过安全审计，需注意数据安全。后续还将涵盖插件市场、原理拆解、实战练习及与 Pi、Claude Code、Codex 的对比。
文章面向 ESP32 新手，提出"想做什么 → 挑开源项目 → 照着项目买板子"的入门路径。首先介绍 ESP32 芯片家族（C3、S3、C6 等）的定位差异，指出玩 AI 语音应选 ESP32-S3 N16R8。然后盘点主流开源项目：小智 AI（语音助手）、ESPHome（智能家居）、Muse Gadgets 与 Hermes Gadget SDK（给 Agent 装身体）、Groki Bot（桌面机器人）、esp32-iphone-agent（AI 操作手机）等，并分析各自硬件要求。最后讲解购买板子的三条路线：面包板 DIY（50-80 元）、成品小智（60-100 元）、一体开发板（100 元以上），并给出型号后缀 N16R8 的含义解读和选购建议。
作者整理了一份 ESP32 免费开源学习资源清单，涵盖官方 ESP-IDF 编程指南与框架仓库、Arduino-ESP32 入门库、Random Nerd Tutorials 教程站、立创实战派 S3 开源文档，以及 awesome-esp、esp-iot-solution 等开源项目合集。文章按权威手册、新手教程、灵感合集分类，并给出不同人群的学习路径建议：零基础从 Arduino + 立创文档起步，进阶再用 ESP-IDF。作者还分享了自己的玩法：把文档链接丢给 Claude Code 等 Agent，让其读手册配环境写代码、调试报错。
文章针对 Pi 编程代理插件市场插件过多、选择困难的问题，给出系统性的选择指南。作者核对了 46 个插件，淘汰 9 个停止维护或无人使用的，提出'常驻 3 个插件'的核心建议：pi-cc-extensions（优化输出排版）、pi-web-access（联网搜索）、pi-context-view（查看上下文占用）。文章先讲清 Skill、Extension、Package 三个概念及安装、试用的基本命令，再按 7 个场景（订阅接入、多线程、上网、浏览器操作、省 Token、安全、写代码）推荐每个场景的最佳选择，最后教读者通过四个指标自行判断插件可靠性和避开同名包的坑。
文章介绍了 Earendil 随 Pi 1.0 发布的实验性框架 Pi Durable，它解决的痛点是 Agent 长任务中断后无法继续。作者从零动手搭建了一个网页版个人 Agent「Pi Durable 小助手」（已开源），逐个演示其核心特性：任务每步存档、进程崩溃后从断点恢复；Document 让待办等应用状态与对话记录一致保存；后台任务实现回答后仍能触发提醒；子 Agent 与归属树支持派活与追踪；Fork 可从任意消息分叉新对话；多端同步与插话让多设备共享同一会话。最后指出可用它构建属于自己的 Hermes 式持久 Agent。
本文翻译自 Earendil Engineering 的《Prompt Caching In Agents》，系统讲解编程 Agent 中提示缓存的原理与实践。文章介绍了 KV 缓存的工作机制（prefill 与 decode 阶段）、缓存的两种存放方式（会话亲和性与分布式缓存）、前缀匹配对缓存命中的决定性作用，以及显式缓存与自动缓存的区别。还解释了为何修改工具定义会破坏缓存、TTL 过期导致短请求昂贵、缓存未命中的计费代价，以及 Pi 为何保持旧记录稳定而不激进剪枝，帮助读者在上下文、缓存复用、延迟与成本之间取得平衡。
本文译自 Earendil Engineering 的《How Compaction Works in Pi》，讲解编程 Agent（如 Pi、Claude Code、Codex）中的上下文压缩机制。LLM 的上下文窗口有限，随着对话和工具调用不断积累，请求会超出上限。解决方案之一是压缩：用 LLM 生成的摘要替换较早的历史记录，同时原样保留近期消息。文章详细介绍了 Pi 的实现——触发时机（接近上限自动触发或 /compact 手动触发）、token 预算、压缩提示的设计（像一份交接简报，包含目标、进度和关键决定），以及压缩与提示缓存的关系：压缩会打破前缀缓存，导致后续请求需重新计算。
本文介绍了如何用 ChatGPT Agent 实现多邮箱自动整理：将 Gmail、Outlook、QQ 邮箱的新邮件自动转发到一个主 Gmail，再将其连接到 ChatGPT 插件，并创建每天早上 9 点运行的定时任务。任务会把过去 24 小时的邮件按「需要我处理」「重要通知」「资讯速览」三类分类，生成带待办和原邮件链接的清单。文章详细讲解了各邮箱的转发设置步骤、Gmail 与 ChatGPT 的连接与授权区别、定时任务的创建与测试方法、通知提醒配置，以及转发、连接、定时任务三个环节的常见问题排查。整套方案无需写代码、无需自建服务。
本文译自 Earendil 的 What is a Harness?，以攀岩安全带类比 Agent Harness，面向初学者介绍其概念与工作原理。文章指出 Agent = Model + Harness，Harness 是为 AI 模型提供运行环境的软件，核心职责包括四点：提供系统提示、提供可调用的工具、构建 Agent 循环、以及作为转换层支持多种 AI 模型。作者通过比较小学排名并撰写建议邮件的示例，演示了 Agent 循环的完整流程。文章还强调开源中立 Harness（如 Pi、OpenClaw 等）能将自主权交还用户，用户可以拥有、改造自己的 Harness，自由选择模型并比较结果与成本，从而避免对 AI 实验室单一应用的依附。
作者分享了自己深度学习 Pi Agent 两个月后，将零散的学习心得整理成一本开源蓝皮书的完整过程。文章涵盖整理 98 条学习推文并提炼判断、选择 VitePress 作为技术方案、两轮 UI 返工、创建 GitHub 开源仓库、使用 Cloudflare Pages 部署并绑定域名，以及主动发邮件向 Earendil 获取文章翻译授权的经历。作者提供了可照做的实操步骤，说明即使没有前端经验，也能从材料整理到网站上线的全流程完成一本可公开访问、持续维护的开源知识手册。
本文以“任务结束提醒”为例，手把手讲解如何为 Pi 编写第一个 Extension。作者先区分了 Skill、Extension、Package 三个概念，然后明确了具体需求：Pi 一轮处理结束后在桌面弹出通知，方便切换窗口后回来查看结果。文章演示了如何用自然语言让 Pi 自己生成扩展代码，保存到 .pi/extensions/ 目录，通过 /reload 加载并用 /notify-test 测试，使用 iTerm2 的 OSC 9 协议发送通知。还介绍了全局与项目级扩展的区别、常见问题排查方法，以及如何修改文案和停用扩展。强调第一次动手只需解决一个小问题，随需求逐步完善。
文章详细记录了作者在 M 系列 Mac 上从零搭建 Grok Bot 的完整流程。Grok Bot 是 xAI 推出的 Agent 产品，配备持续运行的云电脑，可操作浏览器和终端，并通过插件接入 X 等外部服务。作者先确认账号资格并完成安装登录，随后介绍了 Bot 对话、插件市场和云电脑三大核心界面；通过接入 Cloudflare WARP 调整云电脑网络出口，避免风控问题；再手动开通 X Developer Account、创建项目与 App，补齐插件配置。最终成功通过 MCP 读取 X 账号最新帖子及互动数据，实测获得 240 美元免费 API 额度。文章建议从只读任务开始，对写入操作保留人工确认。
本文是一篇面向零基础用户的 Pi Agent 终端实操教程。作者在独立练习目录中，用一份虚构会议记录作为输入，引导 Pi 生成行动清单，并回到命令行独立验收原文件、输出文件、负责人和日期。文章涵盖 Pi 的能力边界与本地 Agent 概念、安装登录、界面四大区域解读、可验收提示词的写法（材料、动作、限制、验收四要素）、SHA-256 校验与独立验收方法，以及 Skill、Extension、Pi Package、Project Trust 与沙箱等扩展与安全知识，最后给出适合新手的安全升级路线。
文章介绍了 Pi Agent 的作者 Mario Zechner（@badlogicgames）。他是奥地利人，曾是游戏框架 libGDX 的开发者，也做过 RoboVM。2025 年底他用两晚时间写出极简 coding agent Pi，默认只有 read、write、edit、bash 四个工具，系统提示词极短，强调可自由定制。后来被 Flask 作者 Armin Ronacher 的公司 Earendil 收购，Mario 入股加入团队但保持技术方向主导权和开源。他反对 Agent 越做越重，认为 CLI 比 MCP 更省更稳，Pi 的干净、可改、不绑模型的风格正源于他的个人理念。
作者作为程序员，长期使用 Claude Code、Codex 等开发类 Agent，却因技术视角而忽略了普通用户需求。他将 Agent 分为个人、工作、开发三类，发现豆包和飞书分别对应个人与工作场景，弥补了他的认知盲区。文章反思了“技术的诅咒”，指出 AI 产品应封装复杂性，从用户需求出发，而非追求功能堆砌。最终总结两点：工具应服务于真实需求，设计应回归用户视角。
