Pi-Mono sur Smart AIPI : le moyen le moins cher d’exécuter un agent de codage épuré — avec Grill-Me, Superpowers et Caveman

Le mouvement des lean agents a désormais un navire amiral. Pi-Mono est le monorepo derrière pi, un harness de codage terminal de Mario Zechner (créateur de libGDX) qui réduit un agent de codage à l’essentiel et pousse tout le reste dans des extensions. Comme Zechner l’a dit dans sa présentation Mastra "I Hated Every Coding Agent, So I Built My Own" : les harnesses établis sont des vaisseaux spatiaux avec 80 % de fonctionnalités que la plupart des développeurs n’utilisent jamais, et leurs system prompts changent à chaque release — ce qui casse les workflows personnels que tu as soigneusement construits par-dessus.

La réponse de Pi est un minimalisme radical : quatre outils, mode YOLO complet, rien d’autre inclus. La hackability avant l’exhaustivité. Sur le endpoint OpenAI-compatible pay-as-you-go de Smart AIPI, ce minimalisme se traduit directement par la configuration d’agent de codage sérieuse la moins chère disponible aujourd’hui.

Ce qu’est réellement Pi-Mono

Pi-mono est le monorepo (github.com/badlogic/pi-mono, miroir sur earendil-works/pi) ; le binaire CLI est simplement pi. Le repo se décompose en quelques packages ciblés :

• pi-agent-core — le runtime : appel d’outils, état, boucle d’agent réelle.
• pi-ai — une bibliothèque provider unifiée qui parle à Anthropic, aux endpoints OpenAI-compatible, à Bedrock, Vertex, Mistral, Groq, Cerebras, xAI, DeepSeek, OpenRouter, Hugging Face, Ollama, et une douzaine d’autres. Point crucial : elle peut réécrire le contexte pour changer de provider en plein milieu d’une session sans perdre l’état.
• pi-tui — une UI terminal à rendu différentiel.
• pi-coding-agent — le CLI orienté utilisateur qui assemble les composants.

La surface d’outils par défaut est limitée à quatre outils, point final :

Tout le reste — subagents, plan mode, permission gates, serveurs MCP, sandboxing — vit dans pi-skills ou dans des extensions tierces, en opt-in. Pi fonctionne par défaut en full YOLO mode : aucun prompt d’autorisation, filesystem et shell sans restriction. C’est un choix délibéré. Si tu veux des garde-fous, tu les installes.

Pourquoi Pi-Mono et Smart AIPI font une paire parfaite

La bibliothèque pi-ai de Pi traite chaque provider comme un endpoint à forme OpenAI ou Anthropic derrière une interface uniforme. Le gateway de Smart AIPI expose toute la surface OpenAI — chat, responses, embeddings, images, audio, messages de forme Anthropic — via une seule base URL et une seule API key. Les deux conceptions s’emboîtent proprement :

• Une clé, tous les models. La même API key Smart AIPI donne accès à GPT-5.5, GPT-5.4, GPT-5.4-mini, GPT-5.3-codex, GPT-Image-2, et au routage Claude compatible Anthropic — et Pi peut passer de l’un à l’autre en plein milieu d’une session.
• Tarification pay-as-you-go. Pas d’abonnement, pas de quota, pas de throttling. Tu paies uniquement les tokens que tu calcules réellement. Le système prompt minuscule de Pi fait que chaque tour paie moins pour le contexte permanent qu’un harness lourd en fonctionnalités.
• Prompt cache de bout en bout. Smart AIPI préserve la clé de prompt-cache OpenAI telle quelle à travers le gateway, donc ton repo + agents.md + l’historique restent en cache pendant les longues sessions. Les taux de cache hit réels sont de 95–98 %, ce qui abaisse l’input mis en cache à $0.125 par 1M tokens — 10× moins cher que sans cache.
• Préservation de session via WebSocket. Les longues sessions pi-mono restent sur un cache chaud unique au lieu de payer le plein prix d’input à chaque tour.

Les trois skills qui complètent Pi-Mono

Pi n’inclut volontairement rien pour la planification des tâches, aucune méthodologie d’ingénierie opinionated, et aucune couche de compression de sortie. Ce n’est pas un bug — c’est tout le point. La communauté a comblé ces trois manques avec des skills composables qui s’intègrent à Pi via le pattern d’appel /skill:name. Les trois à installer dès le premier jour :

1. Grill-Me — création de tâches à haut raisonnement

Où : github.com/mattpocock/skills, par Matt Pocock.

Grill-me fait exactement ce que son nom indique : le model t’interroge sur ta tâche jusqu’à ce que chaque contrainte soit sans ambiguïté. Fichiers concernés. Critères de succès. Cas limites. Ce que signifie "done". En général trois à cinq courts tours. Tu réponds ; le skill renvoie une spec serrée et exécutable.

Le mouvement économique consiste à exécuter grill-me en high reasoning uniquement pour la phase de spec — typiquement trois à cinq courts tours — puis à passer en low reasoning pour la phase d’exécution (30 à 100 tours de travail mécanique peu coûteux). Le high reasoning paie là où il est structurel ; le low reasoning porte le reste. La boucle à quatre outils de pi-mono est particulièrement adaptée à ce schéma, parce qu’il n’y a rien qui gêne : une fois la spec verrouillée, le model dispose d’un chemin clair via read/write/edit/bash pour la livrer.

2. Superpowers — la méthodologie d’ingénierie sous forme de skills

Où : github.com/obra/superpowers, par Jesse Vincent.

Superpowers est "une méthodologie complète de développement logiciel pour tes coding agents, construite sur un ensemble de skills composables." Scaffolding TDD, playbooks de code review, procédures de debug, patterns de refactoring, discipline de gestion de branches. C’est le processus d’ingénierie explicite que Pi choisit délibérément de ne pas intégrer dans le core.

C’est aussi agnostique du harness — le même pack de skills fonctionne dans Claude Code, Cursor, Copilot CLI, Gemini, Codex et Pi. Installe-le une fois, emporte-le avec toi d’un harness à l’autre. Le loader de skills plug-and-play de Pi te permet d’ajouter toute la méthodologie au core minimal sans toucher au source de pi.

3. Caveman — le tueur d’output tokens

Où : le repo skills de Matt Pocock (section productivité).

Caveman met l’agent en mode de communication ultra compressé. Supprime les articles. Supprime le remplissage. Réponds en puces télégraphiques. Pas d’anglais formel, pas d’excuses, pas de préambule. La réduction réelle observée des tokens sur les tours riches en prose est d’environ 75 %.

Pourquoi cela domine la facture : sur GPT-5.5, les output tokens coûtent $7.50 par 1M contre $0.125 par 1M pour l’input mis en cache — un ratio de 60×. Compresser l’output est la chose la plus rentable que tu puisses faire sur la facture d’un agent de codage. Grill-me + low reasoning ont déjà réduit l’output. Caveman compresse ce qui reste. Combine-le avec le cache de Smart AIPI et le coût marginal d’un tour supplémentaire tend vers le plancher de l’enveloppe de calcul du model.

L’histoire du coût cumulatif

Tarification sur Smart AIPI pour GPT-5.5 :

La forme d’un tour pi-mono sur GPT-5.5 en low reasoning, avec la spec grill-me déjà faite et caveman activé :

• Préfixe d’input mis en cache (repo + agents.md + historique) — généralement le plus gros bucket de tokens par tour — est facturé au tarif cached, pas au tarif uncached, à chaque cache hit.
• Nouvel input uncached (résultats d’outils, dernier message utilisateur) — généralement une petite fraction de l’input — est facturé au plein tarif.
• Output — compressé par caveman, avec un minimum de reasoning tokens parce que l’effort est faible. C’est la ligne budgétaire la plus intéressante à réduire parce qu’elle est facturée au tarif par token le plus élevé.

Le pay-as-you-go signifie que tu paies seulement ce que tu calcules, et ces trois leviers se renforcent mutuellement. Ton propre dashboard affichera les chiffres réels par tour pour ton repo et la forme de ton prompt — pas de plafond, pas de throttling, pas de minimum mensuel.

Changement de provider en milieu de session : la fonctionnalité discrète de Pi

Pi-ai conserve une représentation portable du contexte et peut la réécrire pour s’adapter au provider vers lequel tu pointes à ce moment-là. Traduction pratique : quand GPT-5.5 rencontre une ambiguïté difficile, tu peux utiliser /model claude-sonnet-4.6 au milieu de la tâche pour obtenir un second avis sans perdre la conversation. Les deux endpoints se trouvent derrière ta seule API key Smart AIPI — les réponses Claude compatibles Anthropic passent par /v1/messages, les flux OpenAI-compatible par /v1/responses (ou /v1/chat/completions), et Pi gère la traduction de manière transparente.

Pour des refactors longs et à fort enjeu, ce pattern est réellement utile : grill-me sur GPT-5.5 en high pour la spec, GPT-5.5 en low pour l’exécution, Claude Sonnet 4.6 pour une seule passe de revue architecturale, retour à GPT-5.5 low pour finir. Un seul harness, une seule API key, une seule facture.

Installation en 60 secondes

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

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

# 3. lancer pi dans ton repo
cd ~/code/your-project
pi

# 4. dans pi, installer les skills
/skill:install matt-pocock/skills/grill-me
/skill:install obra/superpowers
/skill:install matt-pocock/skills/caveman

# 5. spécifier ta tâche
/skill grill-me

# 6. passer en low reasoning et exécuter
/model gpt-5.5 --reasoning-effort low
/skill caveman

La syntaxe exacte d’installation des skills dépend du loader de skills que tu utilises — consulte le README de chaque repo de skill pour l’invocation actuelle. La forme reste la même : dépose le dossier du skill dans ta config et invoque-le.

Pourquoi un agent épuré + une API épurée se renforcent mutuellement

Les harnesses riches en fonctionnalités chargent un gros system prompt à chaque tour, effectuent des passes de délibération supplémentaires, et produisent des explications verbeuses que l’utilisateur n’a pas demandées. Chacune de ces choses est une taxe. Pi-mono réduit la taxe côté harness (system prompt petit, boucle à quatre outils, aucune couche de planification sur-ingénierée) ; caveman + low reasoning réduisent la taxe côté model (output compressé, reasoning tokens minimaux) ; Smart AIPI réduit la taxe côté provider (input mis en cache 10× moins cher, pas de seuil d’abonnement). Aucun de ces leviers pris isolément n’apporte un gain de 10×, mais multipliés ensemble, ils changent de manière tangible le coût d’un projet agentique prolongé.

La vision de Pi — "adapter l’agent à ton workflow, pas l’inverse" — s’accorde avec celle de Smart AIPI — "ne payer que ce que tu calcules réellement." Si tu butes sur des plafonds d’abonnement ou si tu paies pour des fonctionnalités de harness que tu n’utilises jamais, la combinaison mérite un simple après-midi d’essai. Inscris-toi, génère une clé, définis OPENAI_BASE_URL, installe pi, installe les trois skills, livre quelque chose.

Commence maintenant — $5 offerts à l’inscription

1. Inscris-toi sur smartaipi.com/signup (5 $ gratuits, sans carte bancaire)
2. Crée une API key dans le dashboard
3. Installe pi : curl -fsSL https://pi.dev/install.sh | sh
4. Définis OPENAI_BASE_URL=https://api.smartaipi.com/v1 et OPENAI_API_KEY avec ta nouvelle clé
5. Installe grill-me + caveman et superpowers
6. Lance pi, passe ta prochaine tâche dans grill-me en high reasoning, bascule en low + caveman, livre-la

Le même harness minimaliste que tu utiliserais avec un abonnement — mais maintenant avec un modèle tarifaire qui évolue avec ce que tu calcules réellement, et avec un taux de cache hit qui rend les longues sessions agentiques presque gratuites.