我把整套 Claude Code 配置重建在了 Pi 里，方法如下

我把整套 Claude Code 设置重建进了 Pi。下面是方法 2026 年 7 月 21 日 · 8 分钟阅读 · 查看来源 ↗ Claude AI 设计 一篇关于 harness（外壳/框架）工程的完整教程：它是什么，为什么它比模型本身更重要，以及如何精确地在 Pi 里搭出你自己的 harness。 什么是 harness 工程？ 每个 AI 智能体都由两部分组成。模型——那个你从 Anthropic、OpenAI 或 Moonshot 租来的原始大脑。以及 harness——你围绕它构建的一切。你的指令、你的工具、你的记忆、你的规则。 这个领域最终落定的一句简写： 智能体 = 模型 + Harness Harness 工程，就是有目的地去配置那第二部分，让模型的原始能力转变成你可以托付真实工作的可靠行为。同样的模型，更好的 harness，产出会好得惊人。那个差距，就是几乎你所有杠杆所在的地方。 而如果你在用 Claude Code，你其实早就在做这件事了。你的 CLAUDE.md、你的 skills 文件夹、你的自定义命令。那就是一个 harness。你一直在凭直觉做它的工程。 这篇教程存在的原因：大约一年里，我的 harness 只能在一个模型上跑。 当我想让 Kimi K3 干真活时，切换的感觉就像要把一切都推倒重来。所以我把它整套重建进了一个叫 Pi 的编程智能体里——在 Pi 里，harness 就是你能看见、能编辑的普通文件。 这是完整的设置，命令全都在。 第一步：安装 Pi 并登录 npm install -g --ignore-scripts @earendil-works/pi-coding-agent cd /path/to/your-project pi 然后在 Pi 里： /login 这一条命令几乎覆盖了你需要的一切。你可以用现有的 Claude Pro/Max 订阅、一个 ChatGPT/Codex 套餐、GitHub Copilot 或 OpenRouter 登录，而我用的就是 OpenRouter 来跑 Kimi K3。 登录一次，那个 provider 的每个模型都会出现在你的列表里。 从那以后，切换模型就是： /model 整个活就这么多。Ctrl+L 也能做同样的事。 （如果你哪天想要某个内置没有的特别东西，比如一个本地 Ollama 模型，往 ~/.pi/agent/models.json 里加一个 JSON 文件就行。大多数人永远不用碰它。） 第二步：让 Pi 帮你迁移 Claude Code 设置 这一步让整件事一个下午就能搞定，而不是一周。 别用手重建任何东西。让 Pi 指向你现有的设置，请它把自己复制过去。 我实际用的提示词，大致是： 审查我的整套 Claude Code 设置。我的 CLAUDE.md、我的 .claude/skills 文件夹、 我保存的提示词和命令、我的工具连接。然后为我写出等价的 配置，针对我实际的工作方式做优化。 智能体配置了智能体。它读了我的指令文件，把我的 skills 迁过去，重建了我的快捷键，并写出了它自己的配置。 我审查了它写的东西，修好几处它弄错的，然后我就跑起来了。 从这一刻起，harness 工程就不再像打杂了。下面全是它设置的东西，这样你就知道该检查什么、该调什么。 第三步：你的上下文文件 我为 Claude Code 写的每条规则，都住在单个 CLAUDE.md 里。Pi 直接读 CLAUDE.md 和 AGENTS.md，所以几个月的调校原封不动地迁移过来了。 值得知道的两层： ~/.pi/agent/AGENTS.md 是全局的。它跟着你进每一个项目，所以关于「你」以及「你怎么工作」的规则放这里。 项目根目录里的 AGENTS.md 或 CLAUDE.md，只关于那一个项目。 改任何一个文件，然后跑 /reload 就能生效，不用重启。 如果你花过任何时间教你当前的智能体怎么工作，那份工作是可移植的。你只是还不知道而已。 第四步：自定义系统提示词（Claude Code 不让你干的那件事） 这是 Pi 的杀手锏，值得明说。Claude Code 和 Codex 不让你碰系统提示词。Pi 把整个东西都交到你手里。 系统提示词是智能体的常驻行为，在你输入任何东西之前就加载好了。有两个文件控制它，项目里在 .pi/ 下，或者全局在 ~/.pi/agent/ 下： APPEND_SYSTEM.md 把你的规则叠加在 Pi 默认之上。安全、可回退，从这里开始。 SYSTEM.md 完全替换默认。强大，也容易搞坏。默认值才是让 Pi 擅长编辑文件、运行命令的东西，所以在你搞清楚它为你做了什么之前，别替换它。 我的建议：先往 APPEND_SYSTEM.md 里放几条行为规则，然后看着它们出现在每一场会话里。 这是「装修一个房间」和「把房子拆了」的区别。 第五步：skills 和保存的提示词 这里最轻松的路子跟第二步一样：告诉 Pi 去拿你的 skills 文件夹并迁过来，或者让它指向你已经在用的那个文件夹，让它去接线。 Pi 用的是和 Claude Code 相同的 skills 标准，所以我的 skills 零转换就过来了。 对于你一遍遍敲的那些提示词，往 ~/.pi/agent/prompts/ 里丢一个 markdown 文件，它就变成一个斜杠命令。 一个叫 daily-email.md 的文件，意味着敲一下 /daily-email 就能一按键触发那一整段提示词。 第六步：造出你旧 harness 从没有过的自定义部件 因为 Pi 里的一切都是文件，任何你能描述的东西你都能造。这才是 harness 工程变得好玩的地方。 例子：我想让智能体在我们工作过程中学习，就像 Hermes 这类工具宣传的自动学习记忆那样。于是我用了大概十分钟自己把它造了出来。 项目里一个记忆文件，加上一个保存好的提示词，告诉智能体复盘会话、并把任何值得记住的东西追加到那个文件里。现在智能体会复利了。 每一场会话都比上一场开始得更聪明，而记忆是一个我自己能读、能编辑的 markdown 文件。 这才是这一步真正的意义。你不受限于工具出厂带的东西。 如果你能描述一种行为、一个记忆系统、一道质量关卡、一个每周复盘的习惯，你就能把它做成 harness 的一部分。我的自定义部件大多就是一个文件加一个保存好的提示词。 日常循环 一旦设置好了，一切就靠寥寥几条命令运转。 用 /model 选一个模型，开始。任务中途，如果你想换个脑子，再跑一次 /model，接着干。 便宜的模型用来测试，强的模型用来干真活，同一套设置。 当对话变长时，我的做法是写一份交接文档。我让 Pi 写一份摘要：我们在哪、我们决定了什么、接下来是什么，存成一个 markdown 文件。 然后我跑 /new，开一场新会话，把它指向那份交接文档。Pi 没有「清空」按钮，老实说这样更好。你免费得到了每一场长任务的书面记录。 还有，盯着页脚。Pi 实时显示 token 数和会话成本，用真钱（或者跑 /session 看完整明细）。 当你看得到仪表时，你会不假思索地做出更便宜的选择。 为什么我会用 Pi 而不是 Claude Code 具体点，不写宣言。 你能控制系统提示词。Claude Code 和 Codex 把它锁死了。 Pi 让你按项目或全局地叠加它或替换它，这意味着智能体的性格由你来塑造。 harness 的每个部分都是你拥有的一个文件。上下文、skills、提示词、模型配置。 没有东西藏在 UI 后面，所以你可以版本化它、备份它，在任何地方重建它。 而且你可以在你的设置后面跑任何模型。你的文件、你的 skills、你的规则，今天指向 Claude，明天指向 Kimi K3，下个月指向别的什么。 值得说清楚：你不需要一个新订阅来做这件事。你现有的 Claude Code 订阅直接登录进 Pi，所以你能在已经付费的那个套餐上，把本文的一切都试一遍。 便宜的模型测试，强的模型干真活，中间不用重建。 模型来来去去。你在它们周围建起的 harness 是你的。 诚实的缺点 Pi 没有内置沙盒。它以你的全部权限运行，就像你自己坐在自己机器前一样。 当你信任自己在做的东西时，这没问题；但任何躺在项目里的东西都可能试图操控这个智能体。如果你在你不信任的代码上跑它，先把它放进容器里。别跳过这一步。 它还年轻，而且动得很快。每周都在变。如果你想要一个永远不会让你意外的工具，它暂时还不是。 还有，是的，它是自己动手型。没人把一个做好的 harness 递到你手上。但本文的第二步就是那条捷径：你让智能体替你建，整件事一个下午就能搞定，而不是一周。 最后一句诚实的话。一个优秀的 harness 能让一个好模型更好。它没法把一个烂模型变好。地板仍然是模型，所以选一个能打的。 模型上头条。harness 干实事。 如果你用 AI 智能体构建任何东西，harness 工程是我今年会从它开始的那项技能。不是提示词技巧。是模型周围的设置。 到了 2026 年，模型每隔几周就变一次。某个更快或更便宜的落地，所有人一阵手忙脚乱，而那些建了可移植 harness 的人，只是换个脑子，接着往前走。 如果你想留这份地图，收藏它。我在写更多。 模型上头条。harness 干实事。 标签：# X # Claude # AI # 设计 # 指南 # Chatgpt # Hermes 相关文章 如何用 AI 做设计而不拿到一模一样的屏幕 模型返回的是它所见过的平均值。设计，是你拒绝让它取平均的那部分。 AI Claude 设计