我以为模型在干活，它连文件都打不开

上个周末，我好奇 Agent 到底怎么干活，去把 Pi Agent 的原理过了一遍。我以为模型在读文件、在跑命令、在改代码，结果发现它连手都没有。活是它想的，动手的一直是 Agent 框架。

也不是说模型不聪明，方案是它写的、逻辑是它推的。只是想和做是分开的，中间隔着一张张申请表。

01 模型只负责填表

模型从头到尾只做一件事：读进一段文字，吐出一段文字。 它够不着我的电脑，读不了文件，跑不了命令。

那 Agent 为什么能干活？因为框架给它配了手。

比如我说“把这个文件里的中文逗号换成英文的”，框架发给模型的不只是我这句话，还捎上一份工具目录，告诉它现在能用什么、每张申请表怎么填。模型看完，回一张格式固定的表：我要用 read，参数是 essay.txt。

框架拿到表，找到 read 工具打开文件，把内容塞回对话再发给模型。模型看完内容，再申请 edit 改逗号。改完没有新申请，循环就停。

整个过程模型只负责想和填表，动手、汇报都是框架的事。

agent-loop

Agent 的工作循环：模型负责想，Pi 负责动手。

我学的时候想当然了两次。一次是以为我电脑上所有文件都会自动交给模型，其实只有它主动申请读过的才会出现在对话里，其他文件对它来说根本不存在。另一次是以为模型会开局规划好先读后改的整套流程，其实它走一步看一步，每一步都看上一步的结果再定。

模型的回复里不再有工具申请，循环就停了。

不是框架设了计时器，也不是规定最多跑几轮，是模型自己判断活干完了，直接给我一段文字回复，球回到我手上。我接着提意见，循环又转起来。

比如让它写一篇项目工作文章。给了主题，它先读项目的 AGENTS.md 了解背景，读完写出草稿，停下来等我看。我提意见，它用 edit 逐条改。人的确认就是循环的天然停止点。

Pi 的核心工具四样：read、write、edit、bash。前三个把最高频的读、写、改做得精细，bash 什么命令都能跑。

四样就够了，这是 Pi 的哲学：不给大脑塞一堆专用工具，给一双手让它自己想办法。工具少，每轮重发的目录就短，留给正事的空间就大。

Skill 和工具是两回事。工具是预制好的程序，没有就做不了；Skill 就是一篇操作文档，用人话写着某件事的步骤。框架平时只给模型挂一句简介，用到了，模型自己拿 read 把整篇读进来，照着步骤用那四样工具执行。用不到的 Skill 一个字都不占对话。

MCP 是行业里的一个通用接口标准，照着标准做的浏览器操作件、数据库件，支持 MCP 的 Agent 接上就能用。Pi 故意不内置它：命令行工具加一篇 README 就能干同样的事，还更透明。

模型本身不记得上一轮说过什么。每一轮，框架都要把完整对话记录从头到尾重新打包发一遍。它看起来记得前面的事，只是因为框架每次都把那些内容重新塞给它看了。

对话越来越长，装不下怎么办？Pi 有三招。

第一招，工具汇报先掐头。命令输出太长，默认只留最后 2000 行或 50KB，完整内容存进临时文件，汇报里如实说截断了、完整版在哪，模型自己决定够不够用。留末尾，是因为结论和报错通常在末尾。

第二招，压缩。对话逼近上限，框架让模型把旧对话重写成一份交接备忘录：目标、进展、关键决定、下一步。旧对话整体扔掉，只留最近一小段原文。我原先以为压缩是在原文里挑没用的删，这是我第三次想当然，实际是整体重写一份转述，旧原文一句都不留。省地方，但可能丢细节。

第三招最朴素：重要的东西写进文件。计划写进 TODO.md，经验写成技能文档，长期规矩写进 AGENTS.md。文件不占对话，需要时 read 取回。

所以聊久了它会突然忘了我开头提的某个要求，多半是前半场被压缩成备忘录时，那个细节没被写进去。真重要的要求，让它落进文件，别指望对话记忆。

别的 Agent 当卖点的功能，Pi 明确不做：内置 MCP、子 Agent、计划模式、待办清单、权限弹窗。逻辑一以贯之：凡是四样工具加一篇文档能组合出来的，就不值得做成内置功能。 内置越多，每轮发出去的手册越长，用的人也越被绑进别人的工作习惯里。

它还能自己改自己。手册里写着自己的说明书在哪，我说“给自己加个功能”，它就去读说明书，搞懂扩展怎么写，再用 write 把扩展文件写出来，重新加载就能用。

回到开头。模型没有手，动手的是 Pi。我说一句话，Pi 把工具和 Skill 的目录交给模型，模型一轮一轮填表，Pi 执行完把结果塞回去，模型不再申请了，就把话还给我。

我下一步是把交付项目管理过程写成一份 AGENTS.md，让 Pi 按规章走，不要每次临场发挥。下次看它跑的时候，我想试试能不能数清中间到底填了几张表。