Pi-Mono auf Smart AIPI: Der günstigste Weg, einen schlanken Coding-Agenten zu betreiben — mit Grill-Me, Superpowers und Caveman

Die Bewegung für schlanke Agenten hat ein Flaggschiff. Pi-Mono ist das Monorepo hinter pi, einem Terminal-Coding-Harness von Mario Zechner (Creator von libGDX), das einen Coding-Agenten auf das Wesentliche reduziert und alles andere in Extensions auslagert. Wie Zechner in seinem Mastra-Talk "I Hated Every Coding Agent, So I Built My Own" sagte: etablierte Harnesses sind Raumschiffe mit 80% Funktionalität, die die meisten Entwickler nie anfassen, und ihre System Prompts ändern sich mit jedem Release — und zerstören damit die persönlichen Workflows, die du sorgfältig darüber aufgebaut hast.

Pi antwortet mit radikalem Minimalismus: vier Tools, voller YOLO-Modus, keine mitgelieferten Extras. Hackbarkeit statt Vollständigkeit. Auf Smart AIPIs Pay-as-you-go OpenAI-kompatiblem endpoint wird dieser Minimalismus direkt zum günstigsten ernstzunehmenden agentischen Coding-Setup, das es heute gibt.

Was Pi-Mono eigentlich ist

Pi-mono ist das Monorepo (github.com/badlogic/pi-mono, gespiegelt unter earendil-works/pi); die CLI-Binary heißt einfach pi. Das Repo gliedert sich in eine Handvoll fokussierter Pakete:

• pi-agent-core — die Runtime: Tool-Aufrufe, State, der eigentliche Agent-Loop.
• pi-ai — eine vereinheitlichte Provider-Bibliothek, die Anthropic, OpenAI-kompatible, Bedrock, Vertex, Mistral, Groq, Cerebras, xAI, DeepSeek, OpenRouter, Hugging Face, Ollama und etwa ein Dutzend weitere ansprechen kann. Wichtig: Sie kann den Kontext umschreiben, um Provider mitten in einer Session zu wechseln, ohne State zu verlieren.
• pi-tui — eine Terminal-UI mit differenziertem Rendering.
• pi-coding-agent — die sichtbare CLI, die die Teile zusammenführt.

Die Standard-Tool-Oberfläche besteht exakt aus vier Tools:

Alles darüber hinaus — Subagents, Plan Mode, Permission-Gates, MCP-Server, Sandboxing — lebt in pi-skills oder Drittanbieter-Extensions, optional installierbar. Pi läuft standardmäßig im vollen YOLO-Modus: keine Permission-Prompts, uneingeschränkter Dateisystem- und Shell-Zugriff. Das ist eine bewusste Entscheidung. Wenn du Sicherheitsgeländer willst, installierst du sie.

Warum Pi-Mono und Smart AIPI perfekt zusammenpassen

Die pi-ai-Bibliothek von Pi behandelt jeden Provider als OpenAI-förmigen oder Anthropic-förmigen endpoint hinter einer einheitlichen Schnittstelle. Das Gateway von Smart AIPI stellt die komplette OpenAI-Oberfläche bereit — chat, responses, embeddings, images, audio, anthropic-förmige messages — über eine einzige base URL mit einem einzigen API key. Die beiden Designs greifen sauber ineinander:

• Ein key, jedes Modell. Derselbe Smart AIPI API key gibt dir GPT-5.5, GPT-5.4, GPT-5.4-mini, GPT-5.3-codex, GPT-Image-2 und Anthropic-kompatibles Claude-Routing — und Pi kann mitten in einer Session zwischen ihnen wechseln.
• Pay-as-you-go-Preismodell. Kein Abo, kein Kontingent, kein Throttling. Du zahlst für die tokens, die du tatsächlich berechnest. Pis winziger System Prompt sorgt dafür, dass jeder Turn für den stehenden Kontext weniger kostet als bei einem funktionslastigen Harness.
• End-to-End prompt cache. Smart AIPI bewahrt OpenAIs prompt cache key unverändert durch das Gateway, sodass dein Repo + agents.md + Verlauf über lange Sessions im cache bleiben. Die Cache-Hit-Raten aus der Praxis liegen bei 95–98%, wodurch gecachter Input auf $0.125 pro 1M tokens fällt — 10× günstiger als uncached.
• WebSocket-Session-Persistenz. Lange pi-mono-Sessions bleiben auf einem warmen cache statt bei jedem Turn den vollen Input-Preis zu zahlen.

Die drei Skills, die Pi-Mono vervollständigen

Pi liefert absichtlich nichts für die Task-Planung, keine meinungsstarke Engineering-Methodik und keine Output-Kompressionsschicht. Das ist kein Bug — das ist der ganze Punkt. Die Community hat alle drei Lücken mit komposierbaren Skills gefüllt, die sich über das /skill:name-Aufrufmuster in Pi einhängen. Die drei, die sich am ersten Tag lohnen:

1. Grill-Me — Task-Erstellung mit hohem Reasoning

Wo: github.com/mattpocock/skills, von Matt Pocock.

Grill-me tut genau das, was der Name verspricht: Das Modell befragt dich zu deiner Aufgabe, bis jede Einschränkung unmissverständlich ist. Dateien im Scope. Erfolgskriterien. Edge Cases. Was "done" bedeutet. Typischerweise drei bis fünf kurze Turns. Du antwortest; der Skill gibt eine präzise, ausführbare Spezifikation zurück.

Der wirtschaftliche Schritt besteht darin, grill-me in der High-Reasoning-Phase nur für die Spezifikation laufen zu lassen — typischerweise drei bis fünf kurze Turns — und dann für die Ausführungsphase auf Low Reasoning zu wechseln (30 bis 100 Turns billiger, mechanischer Arbeit). High Reasoning lohnt sich dort, wo es tragend ist; Low Reasoning trägt den Rest. Der vier-Tool-Loop von Pi-Mono passt einzigartig gut zu diesem Muster, weil nichts im Weg steht: Sobald die Spezifikation steht, hat das Modell einen klaren Pfad über read/write/edit/bash, um sie umzusetzen.

2. Superpowers — Engineering-Methodik als Skills

Wo: github.com/obra/superpowers, von Jesse Vincent.

Superpowers ist "eine vollständige Softwareentwicklungs-Methodik für deine Coding-Agenten, aufgebaut auf einer Reihe komposierbarer Skills." TDD-Gerüste, Code-Review-Playbooks, Debugging-Prozeduren, Refactoring-Muster, Disziplin für Branch-Management. Es ist der explizite Engineering-Prozess, den Pi absichtlich nicht in den Kern einbaut.

Es ist außerdem harness-agnostisch — dasselbe Skill-Paket funktioniert in Claude Code, Cursor, Copilot CLI, Gemini, Codex und Pi. Einmal installieren, überall mitnehmen. Pis Plug-and-play-Skill-Loader macht es möglich, die gesamte Methodik auf den minimalen Kern zu legen, ohne den pi-Quellcode anzufassen.

3. Caveman — Der Output-Token-Killer

Wo: Matts Pococks Skills-Repo (Produktivitätssektion).

Caveman schaltet den Agenten in den ultrakomprimierten Kommunikationsmodus. Artikel streichen. Füllwörter streichen. In telegraphischen Stichpunkten antworten. Kein formales Englisch, keine Entschuldigungen, kein Vorspann. Die gemeldete reale Token-Reduktion bei textlastigen Turns liegt bei rund 75%.

Warum das die Rechnung dominiert: Bei GPT-5.5 kosten Output tokens $7.50 pro 1M gegenüber $0.125 pro 1M für gecachten Input — ein Verhältnis von 60×. Output zu komprimieren ist der wirkungsvollste Hebel, den du bei einer Coding-Agent-Rechnung ansetzen kannst. Grill-me + Low Reasoning reduziert den Output bereits. Caveman komprimiert den Rest. Kombiniert mit Smart AIPIs cache sinken die Grenzkosten eines zusätzlichen Turns fast auf die Untergrenze des Rechenbudgets des Modells.

Die sich verstärkende Kostengeschichte

Preise auf Smart AIPI für GPT-5.5:

Die Form eines Pi-Mono-Turns auf GPT-5.5 mit Low Reasoning, wenn die grill-me-Spezifikation bereits erledigt ist und caveman aktiv ist:

• Gecachter Input-Prefix (Repo + agents.md + Verlauf) — typischerweise der größte Token-Block pro Turn — läuft bei jedem cache-Treffer zum gecachten Satz, nicht zum uncached Satz.
• Neuer uncached Input (Tool-Ergebnisse, die neueste Nutzernachricht) — meist ein kleiner Bruchteil des Inputs, zum vollen Satz abgerechnet.
• Output — durch caveman komprimiert, minimale Reasoning tokens, weil der Aufwand niedrig ist. Das ist die Position, die sich am meisten lohnt zu verkleinern, weil sie zum höchsten Preis pro token berechnet wird.

Pay-as-you-go bedeutet, dass du nur für das zahlst, was du berechnest, und diese drei Hebel verstärken sich gegenseitig. Dein eigenes Dashboard zeigt dir die tatsächlichen Kosten pro Turn für dein Repo und deine Prompt-Form — kein Cap, kein Throttling, keine monatliche Mindestgebühr.

Provider-Wechsel mitten in der Session: Pis versteckte Stärke

Pi-ai hält eine portable Kontextdarstellung und kann sie so umschreiben, dass sie zu jedem Provider passt, auf den du gerade zeigst. Praktische Übersetzung: Wenn GPT-5.5 auf eine harte Unklarheit stößt, kannst du mitten in der Aufgabe /model claude-sonnet-4.6 für eine zweite Meinung aufrufen, ohne die Unterhaltung zu verlieren. Beide endpoints liegen hinter deinem einen Smart AIPI key — Anthropic-kompatible Claude-Antworten laufen über /v1/messages, OpenAI-kompatible Flows über /v1/responses (oder /v1/chat/completions), und Pi übernimmt die Übersetzung transparent.

Für lange, kritische Refactors ist dieses Muster wirklich nützlich: grill-me auf GPT-5.5 high für die Spezifikation, GPT-5.5 low für die Ausführung, Claude Sonnet 4.6 für einen einzigen Architektur-Review-Durchlauf, dann zurück zu GPT-5.5 low zum Fertigstellen. Ein Harness, ein API key, eine Rechnung.

Einrichtung in 60 Sekunden

# 1. pi installieren
curl -fsSL https://pi.dev/install.sh | sh
# oder:  npm install -g @earendil-works/pi-coding-agent

# 2. auf smart aipi zeigen
export OPENAI_BASE_URL=https://api.smartaipi.com/v1
export OPENAI_API_KEY=sk-your-smartaipi-key

# 3. pi in deinem Repo starten
cd ~/code/your-project
pi

# 4. in pi die Skills installieren
/skill:install matt-pocock/skills/grill-me
/skill:install obra/superpowers
/skill:install matt-pocock/skills/caveman

# 5. deine Aufgabe spezifizieren
/skill grill-me

# 6. auf low reasoning wechseln und ausführen
/model gpt-5.5 --reasoning-effort low
/skill caveman

Die genaue Syntax zum Installieren der Skills hängt davon ab, welchen Skill-Loader du verwendest — prüfe die README des jeweiligen Skill-Repos für den aktuellen Aufruf. Das Muster ist dasselbe: den Skill-Ordner in deine Config legen und aufrufen.

Warum schlanker Agent + schlanke API sich verstärken

Feature-reiche Harnesses laden bei jedem Turn einen großen System Prompt, führen zusätzliche Denkphasen aus und geben ausführliche Erklärungen aus, nach denen der Nutzer nicht gefragt hat. Jede dieser Sachen ist eine Steuer. Pi-mono senkt die Steuer auf der Harness-Seite (kleiner System Prompt, vier-Tool-Loop, keine überengineerte Planungsschicht); caveman + Low Reasoning senken die Steuer auf der Modellseite (komprimierter Output, minimale Reasoning tokens); Smart AIPI senkt die Steuer auf der Provider-Seite (10× gecachter Input, keine Abogrenze). Keine dieser Maßnahmen allein ist ein 10×-Gewinn, aber zusammen verändern sie spürbar, was ein größeres agentisches Projekt im Betrieb kostet.

Pis Weltbild — "den Agenten an deinen Workflow anpassen, nicht umgekehrt" — passt zu Smart AIPIs Weltbild — "nur für das zahlen, was du tatsächlich berechnest." Wenn du an Abo-Limits stößt oder für Harness-Features zahlst, die du nie anfasst, lohnt sich die Kombination für einen einzigen Probenachmittag. Registrieren, einen key erzeugen, OPENAI_BASE_URL setzen, pi installieren, die drei Skills installieren, etwas shippen.

Jetzt starten — $5 gratis bei Anmeldung

1. Registrieren unter smartaipi.com/signup (kostenlos $5, keine Kreditkarte)
2. API key erstellen im Dashboard
3. pi installieren: curl -fsSL https://pi.dev/install.sh | sh
4. Setzen OPENAI_BASE_URL=https://api.smartaipi.com/v1 und OPENAI_API_KEY auf deinen neuen key
5. Installieren von grill-me + caveman und superpowers
6. pi ausführen, deine nächste Aufgabe mit grill-me auf High Reasoning spezifizieren, auf low + caveman wechseln, shippen

Derselbe minimalistische Harness, den du auf einem Abo nutzen würdest — jetzt mit einem Preismodell, das mit dem skaliert, was du tatsächlich berechnest, und mit einer Cache-Hit-Rate, die lange agentische Sessions fast kostenlos macht.