Pi-Mono en Smart AIPI: La forma más barata de ejecutar un coding agent liviano — con Grill-Me, Superpowers y Caveman

El movimiento lean-agent ya tiene un estandarte. Pi-Mono es el monorepo detrás de pi, un harness terminal de coding de Mario Zechner (creador de libGDX) que reduce un coding agent a lo esencial y deja todo lo demás en extensiones. Como dijo Zechner en su charla de Mastra "I Hated Every Coding Agent, So I Built My Own": los harnesses establecidos son naves espaciales con un 80% de funcionalidad que la mayoría de los developers nunca toca, y sus system prompts cambian en cada release, rompiendo los workflows personales que construiste con cuidado encima.

La respuesta de Pi es minimalismo radical: cuatro tools, modo YOLO completo, sin batteries included. Hackability por encima de completitud. En el endpoint OpenAI-compatible pay-as-you-go de Smart AIPI, ese minimalismo se traduce directamente en la configuración de coding agent serio más barata que se está enviando hoy.

Qué es realmente Pi-Mono

Pi-mono es el monorepo (github.com/badlogic/pi-mono, con mirror en earendil-works/pi); el binario CLI es solo pi. El repo se descompone en unos pocos packages enfocados:

• pi-agent-core — el runtime: llamada a tools, state, el loop real del agent.
• pi-ai — una librería unificada de providers que habla con Anthropic, OpenAI-compatible, Bedrock, Vertex, Mistral, Groq, Cerebras, xAI, DeepSeek, OpenRouter, Hugging Face, Ollama y aproximadamente una docena más. Lo crucial: puede reescribir el contexto para cambiar de provider a mitad de sesión sin perder state.
• pi-tui — una UI terminal de renderizado diferencial.
• pi-coding-agent — el CLI de cara al usuario que conecta las piezas.

La surface de tools por defecto son cuatro tools, ni una más:

Todo lo demás — subagents, plan mode, permission gates, MCP servers, sandboxing — vive en pi-skills o en extensiones de terceros, de forma opt-in. Pi corre en full YOLO mode por defecto: sin permission prompts, filesystem y shell sin restricciones. Es una decisión deliberada. Si quieres safety rails, las instalas.

Por qué Pi-Mono y Smart AIPI son la pareja perfecta

La librería pi-ai de Pi trata a cada provider como un endpoint con forma de OpenAI o de Anthropic detrás de una interfaz uniforme. El gateway de Smart AIPI expone toda la surface de OpenAI — chat, responses, embeddings, images, audio, mensajes con forma de Anthropic — a través de un único base URL con una única API key. Los dos diseños encajan sin fricción:

• Una key, todos los models. La misma Smart AIPI API key te da GPT-5.5, GPT-5.4, GPT-5.4-mini, GPT-5.3-codex, GPT-Image-2 y routing compatible con Claude de Anthropic — y Pi puede cambiar entre ellos a mitad de sesión.
• Pricing pay-as-you-go. Sin suscripción, sin cuota, sin throttle. Pagas por los tokens que realmente computas. El system prompt diminuto de Pi significa que cada turno paga menos por el contexto permanente que un harness lleno de features.
• Prompt cache de extremo a extremo. Smart AIPI preserva la clave del prompt cache de OpenAI tal cual a través del gateway, así que tu repo + agents.md + history permanecen en cache durante sesiones largas. Las tasas reales de cache hit son del 95–98%, bajando el input cacheado a $0.125 por 1M tokens — 10× más barato que sin cache.
• Preservación de sesión por WebSocket. Las sesiones largas de pi-mono permanecen en un único cache caliente en lugar de pagar el precio completo del input en cada turno.

Las tres skills que completan Pi-Mono

Pi deliberadamente no incluye nada para planificación de tareas, ni metodología de ingeniería con opinión, ni una capa de compresión de output. No es un bug — es el objetivo. La comunidad ha cubierto las tres carencias con skills componibles que encajan en Pi mediante el patrón de invocación /skill:name. Las tres que vale la pena instalar el primer día:

1. Grill-Me — Creación de tareas con alto razonamiento

Dónde: github.com/mattpocock/skills, de Matt Pocock.

Grill-me hace exactamente lo que su nombre sugiere: el model te interroga sobre tu tarea hasta que cada constraint queda sin ambigüedad. Archivos en scope. Criterios de éxito. Edge cases. Qué significa "done". Normalmente tres a cinco turnos cortos. Tú respondes; el skill devuelve una spec compacta y ejecutable.

La jugada económica es ejecutar grill-me con high reasoning solo para la fase de spec — normalmente tres a cinco turnos cortos — y luego bajar a low reasoning para la fase de ejecución (30 a 100 turnos de trabajo barato y mecánico). High reasoning compensa donde importa; low reasoning se encarga del resto. El loop de cuatro tools de pi-mono es especialmente adecuado para este patrón porque no hay nada estorbando: una vez fijada la spec, el model tiene un camino claro por read/write/edit/bash para entregarla.

2. Superpowers — Metodología de ingeniería como skills

Dónde: github.com/obra/superpowers, de Jesse Vincent.

Superpowers es "a complete software development methodology for your coding agents, built on top of a set of composable skills." Andamiaje de TDD, playbooks de code review, procedimientos de debugging, patrones de refactorización, disciplina de branch management. Es el proceso de ingeniería explícito que Pi deliberadamente no incorpora en el core.

También es agnóstico de harness — el mismo skill pack funciona en Claude Code, Cursor, Copilot CLI, Gemini, Codex y Pi. Lo instalas una vez y lo llevas contigo entre harnesses. El cargador de skills plug-and-play de Pi te permite superponer toda la metodología sobre el core minimalista sin tocar el source de pi.

3. Caveman — El killer de output tokens

Dónde: repo de skills de Matt Pocock (sección de productividad).

Caveman cambia el agent a ultra-compressed communication mode. Elimina artículos. Elimina relleno. Responde con bullets telegráficos. Nada de inglés formal, nada de disculpas, nada de preámbulo. La reducción real de tokens reportada en turnos con mucho texto es de aproximadamente 75%.

Por qué esto domina la factura: en GPT-5.5, los output tokens cuestan $7.50 por 1M frente a $0.125 por 1M para cached input — una proporción de 60×. Comprimir el output es la acción de mayor impacto que puedes aplicar a una factura de coding agent. Grill-me + low reasoning ya reducen el output. Caveman comprime lo que queda. Combínalo con el cache de Smart AIPI y el coste marginal de un turno adicional se acerca al piso del envelope de compute del model.

La historia del coste acumulativo

Pricing en Smart AIPI para GPT-5.5:

La forma de un turno de pi-mono en GPT-5.5 con low reasoning, con la spec de grill-me ya hecha y caveman activo:

• Prefijo de input cacheado (repo + agents.md + history) — normalmente el mayor bucket de tokens por turno — corre a la tarifa cacheada, no a la tarifa uncached, cada vez que el cache acierta.
• Nuevo input uncached (resultados de tools, el último mensaje del usuario) — normalmente una fracción pequeña del input, cobrada a la tarifa completa.
• Output — comprimido por caveman, con mínimos reasoning tokens porque el esfuerzo es bajo. Esta es la línea que más merece reducirse porque se factura a la tarifa por token más alta.

Pay-as-you-go significa que solo pagas por lo que computas, y estas tres palancas se acumulan. Tu propio dashboard te mostrará los números reales por turno para tu repo y la forma de tu prompt — sin cap, sin throttle, sin mínimo mensual.

Cambio de provider a mitad de sesión: la feature oculta de Pi

Pi-ai mantiene una representación portable del contexto y puede reescribirla para adaptarla al provider al que apuntes en ese momento. Traducción práctica: cuando GPT-5.5 se atasca en una ambigüedad dura, puedes usar /model claude-sonnet-4.6 a mitad de tarea para una segunda opinión sin perder la conversación. Ambos endpoints están detrás de tu única Smart AIPI key — las respuestas Claude compatibles con Anthropic pasan por /v1/messages, los flujos OpenAI-compatible pasan por /v1/responses (o /v1/chat/completions), y Pi hace la traducción de forma transparente.

Para refactors largos y de alto riesgo, este patrón es realmente útil: grill-me en GPT-5.5 high para la spec, GPT-5.5 low para la ejecución, Claude Sonnet 4.6 para una pasada de revisión arquitectónica, y de vuelta a GPT-5.5 low para terminar. Un harness, una API key, una factura.

Configuración en 60 segundos

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

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

# 3. ejecuta pi en tu repo
cd ~/code/your-project
pi

# 4. dentro de pi, instala skills
/skill:install matt-pocock/skills/grill-me
/skill:install obra/superpowers
/skill:install matt-pocock/skills/caveman

# 5. define la spec de tu tarea
/skill grill-me

# 6. baja a low reasoning y ejecuta
/model gpt-5.5 --reasoning-effort low
/skill caveman

La sintaxis exacta para instalar skills depende del skill loader que estés usando — revisa el README de cada repo de skill para la invocación actual. La forma es la misma: coloca la carpeta del skill en tu config e invócalo.

Por qué lean agent + lean API se multiplican

Los harnesses con muchas features cargan un system prompt grande en cada turno, ejecutan pasadas extra de deliberación y emiten explicaciones verbose que el usuario no pidió. Cada una de esas cosas es un impuesto. Pi-mono recorta el impuesto del lado del harness (system prompt pequeño, loop de cuatro tools, sin capa de planificación sobrediseñada); caveman + low reasoning recortan el lado del model (output comprimido, mínimos reasoning tokens); Smart AIPI recorta el lado del provider (cached input 10× más barato, sin floor de suscripción). Ninguno de estos cambios por sí solo es una mejora de 10×, pero juntos cambian de forma tangible lo que cuesta ejecutar un proyecto agentic largo.

La visión de Pi — "adapt the agent to your workflow, not the other way around" — encaja con la visión de Smart AIPI — "pay only for what you actually compute." Si has estado chocando con límites de suscripción o pagando por features de harness que nunca usas, la combinación merece una tarde de prueba. Regístrate, genera una key, configura OPENAI_BASE_URL, instala pi, instala las tres skills y entrega algo.

Empieza — $5 gratis al registrarte

1. Regístrate en smartaipi.com/signup ($5 gratis, sin tarjeta de crédito)
2. Crea una API key en el dashboard
3. Instala pi: curl -fsSL https://pi.dev/install.sh | sh
4. Configura OPENAI_BASE_URL=https://api.smartaipi.com/v1 y OPENAI_API_KEY con tu nueva key
5. Instala grill-me + caveman y superpowers
6. Ejecuta pi, haz grill-me a tu próxima tarea con high reasoning, baja a low + caveman, entrégala

El mismo harness minimalista que usarías en una suscripción — ahora con un modelo de pricing que escala con lo que realmente computas, y con una tasa de cache hit que hace que las sesiones agentic largas sean casi gratis.