Pi-mono è il nome del monorepo di Pi, un coding agent minimale per terminale creato da Mario Zechner (badlogic, creatore di libGDX). Il binario CLI è semplicemente pi. Include esattamente quattro strumenti — read, write, edit e bash — e gira in full YOLO mode di default, con tutto il resto (subagent, plan mode, permission gate, MCP) spostato in estensioni installabili dall’utente. Il repo vive su github.com/badlogic/pi-mono (mirrorato come earendil-works/pi), con licenza MIT.

Come si confronta pi-mono con Claude Code o Codex CLI?

La tesi dichiarata di Pi è che gli harness consolidati siano astronavi con l’80% delle funzionalità che la maggior parte degli utenti non usa, e che system prompt e surface dei tool cambino abbastanza spesso da rompere i workflow personali. Pi mantiene il core minuscolo (quattro strumenti) perché model frontier come GPT-5.5 sono già addestrati su questi schemi esatti, e sposta ogni funzionalità extra in estensioni, skill e template di prompt che puoi comporre, forkare o sostituire. Il compromesso è meno funzionalità incluse di serie in cambio di un harness che puoi leggere e modificare completamente.

Pi-mono funziona con Smart AIPI?

Sì. La libreria provider sottostante di Pi, pi-ai, supporta endpoint OpenAI-compatible insieme ad Anthropic, Bedrock, Vertex, Mistral, Groq, Cerebras, xAI, DeepSeek, OpenRouter, Hugging Face e molti altri. Impostando OPENAI_BASE_URL su https://api.smartaipi.com/v1 e OPENAI_API_KEY sulla tua chiave Smart AIPI, Pi si collega direttamente. Ottieni GPT-5.5, GPT-5.4, GPT-5.4-mini e il resto del catalogo Smart AIPI senza cambiare codice.

Quali model posso usare con pi-mono tramite Smart AIPI?

Tutti quelli che ospitiamo: GPT-5.5 (state-of-the-art su Terminal-Bench 2.0 e Expert-SWE), GPT-5.4 e GPT-5.4-mini per il lavoro quotidiano più economico, GPT-5.3-codex per modifiche di codice precise, oltre ai model della famiglia Claude tramite l’endpoint compatibile con Anthropic e Gemini tramite il percorso OpenAI-compatible. La feature vincente di Pi qui è il cambio provider nel mezzo della sessione — pi-ai riscrive il contesto così puoi passare da GPT-5.5 a Claude o Gemini a metà task senza perdere lo stato.

Cos’è la skill grill-me e perché abbinarla a pi-mono?

Grill-me è la skill di Matt Pocock (github.com/mattpocock/skills/blob/main/skills/productivity/grill-me/SKILL.md) che fa intervistare il model in modo serrato su un piano — con domande mirate finché ogni decisione, vincolo, file e criterio di accettazione non è bloccato. Pi-mono non include alcun plan mode per design, quindi grill-me è il complemento naturale: eseguilo con high reasoning durante la fase di specifica, poi passa a low reasoning e lascia che il loop a quattro strumenti di Pi esegua il piano a basso costo su molti turni.

Cos’è la raccolta di skill superpowers?

Superpowers (github.com/obra/superpowers, di Jesse Vincent) è una metodologia completa di software development consegnata come skill componibili — scaffold TDD, playbook di code review, procedure di debugging, pattern di refactoring. È harness-agnostic (funziona in Claude Code, Cursor, Copilot CLI, Gemini, Codex e Pi), quindi abbinarla a pi-mono ti dà la metodologia che Pi non include volutamente nel core, senza legarti a un singolo harness.

Cos’è la skill caveman e come riduce i costi?

Caveman è una skill di Matt Pocock che mette l’agent in ultra-compressed communication mode — eliminando l’inglese formale, togliendo articoli e filler, rispondendo in bullet telegrafici. La riduzione reale dei token riportata è di circa il 75% nei turni con molto testo. Poiché gli output token vengono fatturati a 6× il cached-input rate su GPT-5.5 ($7.50 contro $1.25 per 1M), tagliare del 75% l’output domina il conto per turno nei task più prolissi. Insiemelo al core minimale di Pi e ai cache hit rate del 95–98% di Smart AIPI e ottieni un calo dei costi cumulativo su più assi.

Perché pi-mono costa meno di altri agent su Smart AIPI?

Tre vittorie che si sommano. (1) Il core a quattro strumenti di Pi spedisce un system prompt minuscolo rispetto ai system prompt di migliaia di token degli harness ricchi di funzionalità — ogni turno paga meno per il contesto sempre presente. (2) Il gateway di Smart AIPI preserva la prompt cache di OpenAI end-to-end, quindi repo + agents.md + history restano in cache nelle sessioni lunghe a $0.125 per 1M input (10× meno dell’uncached). (3) Caveman comprime l’output, che è la voce più costosa di una fattura di coding agent. Sommate, le tre vittorie spingono ogni turno verso un ordine di grandezza moltiplicativo in meno rispetto a un harness ricco di funzionalità su un endpoint non cached.

Pi-mono supporta le skill in modo nativo?

Sì. Pi implementa lo standard Agent Skills — metti una cartella di skill nella tua config e invocala come /skill:name. Ha anche una raccolta di skill first-party su github.com/badlogic/pi-skills (brave-search, browser-tools, integrazione vscode, youtube-transcript, wrapper CLI gd/gc/gm, transcribe) che è esplicitamente compatibile anche con Claude Code, Codex CLI, Amp e Droid. I repo di skill di terze parti come mattpocock/skills e obra/superpowers funzionano allo stesso modo.

Come installo pi-mono e lo collego a Smart AIPI?

Un comando di installazione, due env var. Installa: curl -fsSL https://pi.dev/install.sh | sh (oppure npm install -g @earendil-works/pi-coding-agent). Configura: export OPENAI_BASE_URL=https://api.smartaipi.com/v1 e export OPENAI_API_KEY=sk-your-smartaipi-key. Esegui: pi. Aggiungi grill-me, superpowers e caveman tramite /skill, e hai il setup di coding agent serio più economico disponibile oggi.

Pi-Mono su Smart AIPI: il modo più economico per eseguire un coding agent snello — con Grill-Me, Superpowers e Caveman

TL;DR: Pi-Mono è il coding agent minimale di Mario Zechner — quattro strumenti (read, write, edit, bash), licenza MIT, core volutamente minuscolo. Parla OpenAI-compatible, quindi puntalo a https://api.smartaipi.com/v1, esegui GPT-5.5 con low reasoning e abbinalo a tre skill che colmano i gap che Pi lascia apposta: grill-me per la creazione dei task, superpowers per la metodologia ingegneristica e la skill caveman per tagliare gli output token di circa il 75%. Con il pricing pay-as-you-go di Smart AIPI e un cache hit rate del 95–98%, il costo per turno scende con un margine cumulativo che puoi verificare nella tua pagina di utilizzo.

Il movimento degli agent snelli ha finalmente un progetto di riferimento. Pi-Mono è il monorepo dietro pi, un harness terminale per coding creato da Mario Zechner (creatore di libGDX) che riduce un coding agent all’essenziale e sposta tutto il resto nelle estensioni. Come ha detto Zechner nel suo talk su Mastra "I Hated Every Coding Agent, So I Built My Own": gli harness consolidati sono astronavi con l’80% delle funzionalità che la maggior parte degli sviluppatori non usa mai, e i loro system prompt cambiano a ogni release — rompendo i workflow personali che hai costruito con cura sopra di essi.

La risposta di Pi è un minimalismo radicale: quattro strumenti, full YOLO mode, niente batterie incluse. Hackability prima della completezza. Su endpoint OpenAI-compatible pay-as-you-go di Smart AIPI, quel minimalismo si traduce direttamente nel setup di coding agent serio più economico disponibile oggi.

Cos’è davvero Pi-Mono

Pi-mono è il monorepo (github.com/badlogic/pi-mono, mirrorato su earendil-works/pi); il binario CLI è semplicemente pi. Il repo si divide in alcuni package focalizzati:

pi-agent-core — il runtime: tool calling, stato, il vero agent loop.
pi-ai — una libreria unificata per provider che parla con Anthropic, OpenAI-compatible, Bedrock, Vertex, Mistral, Groq, Cerebras, xAI, DeepSeek, OpenRouter, Hugging Face, Ollama e circa una dozzina di altri. Fondamentale: può riscrivere il contesto per cambiare provider nel mezzo della sessione senza perdere lo stato.
pi-tui — una UI terminale con rendering differenziale.
pi-coding-agent — la CLI rivolta all’utente che collega i pezzi tra loro.

La superficie di strumenti predefinita è di quattro strumenti, punto:

Strumento	Cosa fa	Perché basta
`read`	Legge un file dal disco	I frontier model sono già addestrati su questo schema esatto
`write`	Scrive o crea un file	I/O meccanico — nessun ragionamento richiesto
`edit`	Applica una patch in-place a un file	Search/replace + diff sono il primitivo universale di edit
`bash`	Esegue qualsiasi comando shell	Tutto il resto (grep, test, git, package manager) è un comando shell

Tutto il resto — subagent, plan mode, permission gate, server MCP, sandboxing — vive in pi-skills o in estensioni di terze parti, su opt-in. Pi gira in full YOLO mode di default: nessun prompt di autorizzazione, filesystem e shell senza restrizioni. È una scelta intenzionale. Se vuoi i binari di sicurezza, li installi.

Perché Pi-Mono e Smart AIPI sono un abbinamento perfetto

La libreria pi-ai di Pi tratta ogni provider come un endpoint dalla forma OpenAI o Anthropic dietro un’interfaccia uniforme. Il gateway di Smart AIPI espone l’intera superficie OpenAI — chat, responses, embeddings, images, audio, messaggi dalla forma Anthropic — attraverso un solo base URL e una sola API key. I due design si incastrano alla perfezione:

Una chiave, ogni modello. La stessa API key di Smart AIPI ti dà GPT-5.5, GPT-5.4, GPT-5.4-mini, GPT-5.3-codex, GPT-Image-2 e il routing verso Claude compatibile con Anthropic — e Pi può passare da uno all’altro nel mezzo della sessione.
Pricing pay-as-you-go. Nessun abbonamento, nessuna quota, nessun throttle. Paghi i token che computi davvero. Il system prompt minuscolo di Pi fa sì che ogni turno paghi meno per il contesto sempre presente rispetto a un harness ricco di funzionalità.
Prompt cache end-to-end. Smart AIPI preserva la chiave del prompt-cache di OpenAI verbatim attraverso il gateway, quindi repo + agents.md + history restano in cache nelle sessioni lunghe. I cache hit rate reali sono del 95–98%, portando l’input cached a $0.125 per 1M tokens — 10× meno dell’uncached.
Persistenza della sessione via WebSocket. Le sessioni lunghe di pi-mono restano su una cache calda invece di pagare il prezzo pieno dell’input a ogni turno.

Le tre skill che completano Pi-Mono

Pi non include volutamente nulla per la pianificazione dei task, nessuna metodologia ingegneristica opinionated e nessun layer di compressione dell’output. Non è un difetto — è il punto centrale. La community ha colmato tutti e tre i gap con skill componibili che si agganciano a Pi tramite il pattern di invocazione /skill:name. Le tre da installare il primo giorno:

1. Grill-Me — Creazione dei task ad alto reasoning

Dove: github.com/mattpocock/skills, di Matt Pocock.

Grill-me fa esattamente ciò che suggerisce il nome: il model ti interroga sul task finché ogni vincolo non è univoco. File coinvolti. Criteri di successo. Edge case. Cosa significa "done". In genere da tre a cinque turni brevi. Tu rispondi; la skill restituisce una spec stretta ed eseguibile.

La mossa economica è eseguire grill-me con high reasoning solo per la fase di specifica — in genere tre o cinque turni brevi — poi passare a low reasoning per la fase di esecuzione (30–100 turni di lavoro economico e meccanico). Il high reasoning rende dove conta; il low reasoning copre tutto il resto. Il loop a quattro strumenti di pi-mono è particolarmente adatto a questo pattern perché non c’è nulla che ostacoli: una volta fissata la spec, il model ha un percorso chiaro attraverso read/write/edit/bash per portarla a termine.

2. Superpowers — Metodologia ingegneristica come skill

Dove: github.com/obra/superpowers, di Jesse Vincent.

Superpowers è "una metodologia completa di sviluppo software per i tuoi coding agent, costruita sopra un insieme di skill componibili." Scaffold TDD, playbook di code review, procedure di debugging, pattern di refactoring, disciplina nella gestione dei branch. È il processo ingegneristico esplicito che Pi non inserisce volutamente nel core.

È anche harness-agnostic — lo stesso pacchetto di skill funziona in Claude Code, Cursor, Copilot CLI, Gemini, Codex e Pi. Lo installi una volta e te lo porti dietro tra gli harness. Il loader di skill plug-and-play di Pi ti permette di stratificare l’intera metodologia sopra il core minimale senza toccare il source di pi.

3. Caveman — L’uccisore degli output token

Dove: repo skill di Matt Pocock (github.com/mattpocock/skills, sezione productivity).

Caveman mette l’agent in ultra-compressed communication mode. Elimina gli articoli. Elimina il filler. Risponde in bullet telegrafici. Niente inglese formale, niente scuse, niente preamboli. La riduzione reale dei token riportata nei turni con molto testo è circa 75%.

Perché questo domina il conto: su GPT-5.5, gli output token costano $7.50 per 1M contro $0.125 per 1M dell’input cached — un rapporto di 60×. Comprimere l’output è la singola cosa a più alta leva che puoi fare su una fattura di coding agent. Grill-me + low reasoning hanno già ridotto l’output. Caveman comprime quello che resta. Uniscilo alla cache di Smart AIPI e il costo marginale di un turno extra si avvicina al pavimento del compute envelope del model.

La storia del costo cumulativo

Pricing su Smart AIPI per GPT-5.5:

GPT-5.5 (per 1M tokens)	Smart AIPI	Effetto Pi-Mono
Input (uncached)	$1.25	Il system prompt minuscolo significa un costo inferiore al primo turno
Input (cached prefix)	$0.125	95–98% di hit rate nelle sessioni lunghe
Output	$7.50	Caveman taglia ~75%; low reasoning compone il resto

La forma di un turno pi-mono su GPT-5.5 con low reasoning, con la spec di grill-me già completata e caveman attivo:

Prefisso input cached (repo + agents.md + history) — in genere il bucket di token più grande per turno — viene fatturato al cached rate, non all’uncached rate, ogni volta che la cache va a segno.
Nuovo input uncached (risultati dei tool, ultimo messaggio dell’utente) — di solito una piccola frazione dell’input, fatturata al full rate.
Output — compresso da caveman, con token di ragionamento minimi perché l’effort è basso. È la voce che conviene ridurre di più perché viene fatturata al prezzo per token più alto.

Pay-as-you-go significa che paghi solo ciò che computi, e queste tre leve si moltiplicano tra loro. Il tuo dashboard mostrerà i numeri reali per turno del tuo repo e della forma del tuo prompt — nessun cap, nessun throttle, nessun minimo mensile.

Cambio provider nel mezzo della sessione: la feature nascosta di Pi

Pi-ai mantiene una rappresentazione portabile del contesto e può riscriverla per adattarsi al provider a cui sei puntato in quel momento. Traduzione pratica: quando GPT-5.5 incontra un’ambiguità dura, puoi fare /model claude-sonnet-4.6 a metà task per un secondo parere senza perdere la conversazione. Entrambi gli endpoint stanno dietro la tua singola API key di Smart AIPI — le risposte Claude compatibili con Anthropic passano da /v1/messages, i flussi OpenAI-compatible passano da /v1/responses (o /v1/chat/completions), e Pi gestisce la traduzione in modo trasparente.

Per refactor lunghi e ad alto rischio questo pattern è davvero utile: grill-me su GPT-5.5 high per la spec, GPT-5.5 low per l’esecuzione, Claude Sonnet 4.6 per un singolo passaggio di review architetturale, poi di nuovo GPT-5.5 low per finire. Un harness, una API key, una bolletta.

Setup in 60 secondi

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

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

# 3. esegui pi nel tuo repo
cd ~/code/your-project
pi

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

# 5. specifica il tuo task
/skill grill-me

# 6. passa a low reasoning ed esegui
/model gpt-5.5 --reasoning-effort low
/skill caveman

La sintassi esatta per installare le skill dipende dal loader che stai usando — controlla il README di ogni repo di skill per l’invocazione corrente. La forma è la stessa: metti la cartella della skill nella tua config e invocala.

Perché agente snello + API snella si moltiplicano

Gli harness ricchi di funzionalità caricano un system prompt grande a ogni turno, eseguono passaggi extra di deliberazione ed emettono spiegazioni verbose che l’utente non ha richiesto. Ognuno di questi è una tassa. Pi-mono taglia la tassa dal lato harness (system prompt piccolo, loop a quattro strumenti, nessun layer di planning sovra-ingegnerizzato); caveman + low reasoning tagliano il lato model (output compresso, pochi token di ragionamento); Smart AIPI taglia il lato provider (cached input 10× più economico, nessun floor mensile). Nessuno di questi elementi da solo è un win da 10×, ma moltiplicati insieme cambiano davvero quanto costa eseguire un progetto agentic esteso.

La visione di Pi — "adatta l’agent al tuo workflow, non il contrario" — si abbina alla visione di Smart AIPI — "paga solo per quello che computi davvero". Se hai già toccato i limiti degli abbonamenti o stai pagando per funzionalità dell’harness che non usi mai, la combinazione vale un pomeriggio di prova. Registrati, genera una chiave, imposta OPENAI_BASE_URL, installa pi, installa le tre skill, rilascia qualcosa.

Inizia — $5 gratis alla registrazione

Ogni nuovo account riceve $5 in API credits gratis — nessuna carta di credito richiesta.

$5 bastano per installare pi, collegare le tre skill, usare grill-me su un task reale end-to-end e lanciare una sessione pi-mono estesa prima di decidere se ricaricare.

Registrati su smartaipi.com/signup (gratis $5, nessuna carta di credito)
Crea una API key nel dashboard
Installa pi: curl -fsSL https://pi.dev/install.sh | sh
Imposta OPENAI_BASE_URL=https://api.smartaipi.com/v1 e OPENAI_API_KEY con la tua nuova chiave
Installa grill-me + caveman e superpowers
Esegui pi, usa grill-me sul tuo prossimo task con high reasoning, passa a low + caveman, rilascia il risultato

Lo stesso harness minimale che useresti con un abbonamento — ora con un modello di pricing che scala con ciò che computi davvero, e con il cache hit rate che rende le sessioni agentic lunghe quasi gratuite.