AI落地社
返回知识库
总览 · Pi Coding Agent 学习蓝皮书

从 Prompt 到 Agent Loop

Pi Coding Agent 蓝皮书

PRINCIPLE MAP · 完整运行链路 Pi 工作原理:从一条 Prompt 到一次完整 Agent Loop 前面的课程分别讲过 Session、Context、System Prompt、Tool、Skill、Compaction 和 Cache。单独看,每个词都不难;真正容易卡住的是: 当你提交一条任务以后,它们究竟怎样连在一起? 这一篇只做一件事:把一次请求从输入到完成完整跑通。读完以后,你应该能看着 Pi 界面里的模型…

更新于 2026-10-23 07:00:25 · 作者 AI落地社

你将获得

  • 学习:完整学习目录
  • 学习:30 分钟第一次成功
  • 学习:导论 · 为什么读这本书
  • 学习:十条仍然成立的判断
  • 学习:凡例与本版说明
  • 学习:序章 · Pi 作者 Mario Zechner

内容大纲

  1. 完整学习目录
  2. 30 分钟第一次成功
  3. 导论 · 为什么读这本书
  4. 十条仍然成立的判断
  5. 凡例与本版说明
  6. 序章 · Pi 作者 Mario Zechner
  7. 1. 安装前检查
  8. 2. 安装并启动 Pi
  9. Windows 中文安装路径
  10. 3. 登录与模型设置
  11. 4. 从练习目录开始
  12. 维护 · 更新、退出与卸载
  13. 5. 第一次任务
  14. 6. 文件与工作目录
  15. 7. 会话的保存与续写
  16. 8. 上下文与压缩

正文预览

PRINCIPLE MAP · 完整运行链路

Pi 工作原理:从一条 Prompt 到一次完整 Agent Loop

前面的课程分别讲过 Session、Context、System Prompt、Tool、Skill、Compaction 和 Cache。单独看,每个词都不难;真正容易卡住的是:当你提交一条任务以后,它们究竟怎样连在一起?

这一篇只做一件事:把一次请求从输入到完成完整跑通。读完以后,你应该能看着 Pi 界面里的模型回复、工具调用和工具结果,说清它现在位于哪一步,以及下一步为什么还会再次调用模型。

先记住一句话

Pi 是组织运行过程的 Agent Harness。模型负责判断下一步,工具负责接触真实环境,Session 保存过程,Context 是某一次模型调用真正收到的输入。

先看完整运行链

Pi 从一条 Prompt 到一次完整 Agent Loop:Pi 从当前 Session 组装 Context,调用模型;模型可以反复调用工具并读取结果,最后回复用户并把过程写回 Session;上下文过长时才进入 Compaction。

图里最重要的不是箭头数量,而是中间那一圈:

模型 → Tool Call → 工具执行 → Tool Result → 模型再次推理

只要模型仍然需要外部信息或动作,这个循环就可以继续。模型可能先读取文件,再搜索内容,再修改文件,最后运行检查;每次工具返回的结果都会成为下一次模型判断的依据。模型不再请求工具、而是给出普通回复时,这一轮 Agent Loop 才结束。

图中的 Compaction 使用虚线,因为它不是每条 Prompt 都会经过的固定步骤。只有上下文接近限额、手动执行 /compact,或相应机制被触发时,Pi 才会把较早内容整理成摘要,再带着保留的近期消息继续。

不要把所有术语排成一条流水线

下面这条写法适合记忆大方向:

输入任务 → 读取 Session → 构建 Context → 调模型 → 调工具 → 返回结果
→ 再次推理 → 回复用户 → 写入 Session → 必要时 Compaction → 继续

但真实结构里有三个需要修正的地方。

1. System Prompt、Tool 和 Skill 共同参与 Context 组装

它们不是三个依次执行的站点。

  • System Prompt 规定 Pi 以
会员专享

暂无权限 · 仅对 VIP 会员开放

开通会员解锁全文,添加客服老师微信

  • ✓网站会员全年访问全部会员内容
  • ✓Skills / 工作流源文件(百度网盘)
  • ✓资料下载与课程正文
  • ✓社群微信群入口(开通后联系客服)

已有卡密?去激活

已有账号?登录后开通更顺畅