Pi-Mono บน Smart AIPI: วิธีที่ถูกที่สุดในการรัน coding agent แบบ lean — พร้อม Grill-Me, Superpowers และ Caveman

กระแส lean-agent มีเรือธงแล้ว Pi-Mono คือ monorepo เบื้องหลัง pi ซึ่งเป็น coding harness บน terminal จาก Mario Zechner (ผู้สร้าง libGDX) ที่ถอด coding agent กลับไปให้เหลือแต่แกนสำคัญ และผลักทุกอย่างที่เหลือไปไว้ใน extensions ตามที่ Zechner อธิบายไว้ใน Mastra talk "I Hated Every Coding Agent, So I Built My Own": harness ที่มีอยู่คือยานอวกาศที่มีฟังก์ชันถึง 80% ซึ่งนักพัฒนาส่วนใหญ่ไม่เคยแตะ และ system prompt ของมันก็เปลี่ยนทุก release — ทำให้ workflow ส่วนตัวที่คุณค่อย ๆ สร้างไว้พังได้ง่าย

คำตอบของ Pi คือ minimalism แบบสุดโต่ง: เครื่องมือ 4 ตัว, โหมด YOLO เต็มรูปแบบ, ไม่มีของแถมติดมา Hackability มากกว่าความครบถ้วน บน OpenAI-compatible endpoint แบบ pay-as-you-go ของ Smart AIPI ความมินิมอลนี้จะแปลงเป็นชุดติดตั้ง agentic coding ที่ถูกที่สุดซึ่งใช้งานจริงได้ในวันนี้

Pi-Mono คืออะไรกันแน่

Pi-mono คือ monorepo (github.com/badlogic/pi-mono, mirrored ที่ earendil-works/pi); ไบนารีของ CLI คือ pi เท่านั้น ตัว repo แยกเป็นแพ็กเกจที่โฟกัสชัดไม่กี่ตัว:

• pi-agent-core — runtime: การเรียกใช้ tool, state, และ agent loop จริง
• pi-ai — ไลบรารี provider แบบรวมศูนย์ที่คุยได้ทั้ง Anthropic, OpenAI-compatible, Bedrock, Vertex, Mistral, Groq, Cerebras, xAI, DeepSeek, OpenRouter, Hugging Face, Ollama และอีกประมาณสิบกว่าเจ้า ที่สำคัญคือมันสามารถเขียน context ใหม่เพื่อ สลับ provider กลาง session โดยไม่เสีย state
• pi-tui — terminal UI แบบ differential-rendering
• pi-coding-agent — CLI ที่ผู้ใช้เรียกใช้งานซึ่งเชื่อมทุกชิ้นเข้าด้วยกัน

surface ของ tool เริ่มต้นมีแค่ 4 ตัว เท่านั้น:

สิ่งอื่น ๆ — subagents, plan mode, permission gates, MCP servers, sandboxing — อยู่ใน pi-skills หรือ extensions ของ third-party แบบ opt-in Pi ทำงานใน full YOLO mode เป็นค่าเริ่มต้น: ไม่มี permission prompts, ไม่มีข้อจำกัด filesystem และ shell นี่เป็นการเลือกโดยตั้งใจ ถ้าคุณอยากได้ safety rail ก็ต้องติดตั้งเอง

ทำไม Pi-Mono กับ Smart AIPI ถึงเข้ากันได้พอดี

pi-ai ของ Pi มอง provider ทุกเจ้าว่าเป็น endpoint แบบ OpenAI หรือ Anthropic ที่อยู่หลัง interface เดียวกัน ส่วน gateway ของ Smart AIPI เปิดพื้นผิว OpenAI ทั้งหมด — chat, responses, embeddings, images, audio, anthropic-shaped messages — ผ่าน base URL เดียวและ API key เดียว การออกแบบสองฝั่งจึงเข้ากันได้ลงตัว:

• คีย์เดียว ใช้ได้ทุก model. Smart AIPI API key เดียวกันให้คุณใช้ GPT-5.5, GPT-5.4, GPT-5.4-mini, GPT-5.3-codex, GPT-Image-2 และ routing แบบ Claude ที่เข้ากันได้กับ Anthropic — และ Pi สลับระหว่างมันได้กลาง session
• ราคาแบบ pay-as-you-go. ไม่มี subscription, ไม่มี quota, ไม่มี throttle คุณจ่ายเฉพาะ tokens ที่คำนวณจริงเท่านั้น system prompt ที่เล็กของ Pi ทำให้ทุก turn จ่ายน้อยลงสำหรับ standing context เมื่อเทียบกับ harness ที่ฟีเจอร์เยอะ
• prompt cache แบบ end-to-end. Smart AIPI เก็บ prompt-cache key ของ OpenAI ไว้แบบ verbatim ผ่าน gateway ดังนั้น repo + agents.md + history ของคุณจะยังอยู่ใน cache ตลอด session ยาว ๆ อัตรา cache hit ในโลกจริงอยู่ที่ 95–98% ทำให้ cached input เหลือ $0.125 ต่อ 1M tokens — ถูกกว่า uncached ถึง 10×
• คงสภาพ session ผ่าน WebSocket. session ยาว ๆ ของ pi-mono จะเกาะอยู่บน warm cache เดิม แทนที่จะจ่ายราคา input เต็มทุก turn

3 Skills ที่ทำให้ Pi-Mono สมบูรณ์

Pi ตั้งใจไม่แถมอะไรมาเลยสำหรับการวางแผน task, ไม่มี engineering methodology ที่มีความเห็นนำทาง และไม่มี output-compression layer นี่ไม่ใช่บั๊ก — นี่คือหัวใจของมัน ชุมชนจึงเติมช่องว่างทั้งสามด้วย skills แบบประกอบได้ที่เสียบเข้ากับ Pi ผ่านรูปแบบเรียกใช้ /skill:name มี 3 ตัวที่ควรติดตั้งตั้งแต่วันแรก:

1. Grill-Me — การสร้าง task แบบ high reasoning

อยู่ที่: github.com/mattpocock/skills, โดย Matt Pocock

Grill-me ทำตรงตามชื่อเลย: model จะซักคุณเรื่อง task จนทุกข้อจำกัดชัดเจน ไม่มีความกำกวม ไฟล์ที่อยู่ใน scope, criteria ของความสำเร็จ, edge cases, คำว่า "done" หมายถึงอะไร โดยทั่วไปจะใช้เวลา 3 ถึง 5 รอบสั้น ๆ คุณตอบ และ skill จะส่ง spec ที่กระชับและทำงานได้กลับมา

มุมเศรษฐศาสตร์คือให้รัน grill-me ด้วย high reasoning เฉพาะช่วงสร้าง spec เท่านั้น — ปกติ 3 ถึง 5 รอบสั้น ๆ — แล้วค่อยลดเป็น low reasoning สำหรับช่วง execute (30 ถึง 100 รอบของงานเชิงกลไกที่ถูกกว่า) high reasoning คุ้มในส่วนที่ต้องรับภาระจริง ส่วน low reasoning รับงานที่เหลือ pi-mono loop แบบ 4 tool เหมาะกับแพตเทิร์นนี้มากเพราะไม่มีอะไรขวางอยู่: พอ spec ถูกล็อก model ก็มีทางเดินที่ชัดผ่าน read/write/edit/bash เพื่อส่งงานออกมา

2. Superpowers — Engineering methodology ในรูปแบบ skills

อยู่ที่: github.com/obra/superpowers, โดย Jesse Vincent

Superpowers คือ "methodology สำหรับพัฒนา software แบบครบชุดสำหรับ coding agents ของคุณ สร้างบนชุด skills ที่ประกอบกันได้" มีทั้ง TDD scaffolding, playbook สำหรับ code-review, ขั้นตอน debugging, รูปแบบ refactoring, วินัยการจัดการ branch มันคือ process วิศวกรรมที่ Pi ตั้งใจไม่ฝังไว้ใน core

และมันไม่ได้ผูกกับ harness ใดโดยเฉพาะ — skill pack เดียวกันนี้ใช้ได้ใน Claude Code, Cursor, Copilot CLI, Gemini, Codex และ Pi ติดตั้งครั้งเดียวแล้วพกไปได้ทุก harness ตัว loader ของ Pi ที่เป็นแบบ plug-and-play ทำให้คุณวาง methodology ทั้งชุดลงบน core ที่มินิมอลได้โดยไม่ต้องแตะ source ของ pi

3. Caveman — ตัวฆ่า output tokens

อยู่ที่: repo skills ของ Matt Pocock (หมวด productivity)

Caveman จะสลับ agent ไปเป็นโหมด ultra-compressed communication mode ตัด article ทิ้ง ตัดคำฟุ่มเฟือย ตอบเป็น bullet แบบ telegraphic ไม่มี formal English, ไม่มีคำขอโทษ, ไม่มี preamble รายงานการลด token ในงานจริงบนข้อความยาว ๆ อยู่ราว ๆ 75%

เหตุผลที่มันดันบิลลงแรง: บน GPT-5.5 output tokens มีราคา $7.50 ต่อ 1M เทียบกับ $0.125 ต่อ 1M สำหรับ cached input — อัตราส่วน 60× การบีบ output คือสิ่งที่คุ้มที่สุดที่คุณทำได้กับใบแจ้งหนี้ของ coding agent Grill-me + low reasoning ลด output ไปแล้ว Caveman บีบส่วนที่เหลือให้เล็กลง จับคู่กับ cache ของ Smart AIPI แล้วต้นทุนส่วนเพิ่มของ turn ถัดไปจะเข้าใกล้ floor ของ compute envelope ของ model

เรื่องต้นทุนที่ลดลงแบบทบต้น

ราคา GPT-5.5 บน Smart AIPI:

รูปแบบของ turn แบบ pi-mono บน GPT-5.5 low reasoning เมื่อ grill-me ทำ spec เสร็จแล้วและเปิด caveman แล้ว:

• cached input prefix (repo + agents.md + history) — โดยปกติเป็น token bucket ที่ใหญ่ที่สุดต่อ turn — จะคิดที่อัตรา cached ไม่ใช่ uncached ทุกครั้งที่ cache hit
• new uncached input (ผลลัพธ์จาก tool, ข้อความล่าสุดจากผู้ใช้) — มักเป็นสัดส่วนเล็กมากของ input คิดราคาเต็ม
• output — ถูกบีบด้วย caveman, reasoning tokens ต่ำเพราะ effort ต่ำ รายการนี้คุ้มที่สุดที่จะลด เพราะคิดราคาต่อ token สูงสุด

pay-as-you-go หมายความว่าคุณจ่ายเฉพาะสิ่งที่คำนวณจริง และคันโยกทั้งสามนี้จะทบกัน dashboard ของคุณจะบอกตัวเลขต่อ turn จริงสำหรับ repo และรูปแบบ prompt ของคุณ — ไม่มีเพดาน, ไม่มี throttle, ไม่มีขั้นต่ำรายเดือน

การสลับ provider กลาง session: ฟีเจอร์เงียบของ Pi

pi-ai เก็บ representation ของ context แบบพกพาได้ และสามารถเขียนใหม่ให้เข้ากับ provider ที่คุณชี้ไปอยู่ ณ ตอนนั้นได้ แปลแบบใช้งานจริง: เมื่อ GPT-5.5 เจอความกำกวมที่หนัก คุณสามารถใช้ /model claude-sonnet-4.6 กลางงานเพื่อขอ second opinion โดยไม่เสีย conversation endpoint ทั้งสองอยู่หลัง Smart AIPI key เดียวของคุณ — response แบบ Claude ที่เข้ากันกับ Anthropic มา через /v1/messages, ส่วน flow แบบ OpenAI-compatible ผ่าน /v1/responses (หรือ /v1/chat/completions) และ Pi จัดการการแปลให้อย่างโปร่งใส

สำหรับ refactor ยาว ๆ และเดิมพันสูง แพตเทิร์นนี้มีประโยชน์จริง: ใช้ grill-me บน GPT-5.5 high สำหรับ spec, GPT-5.5 low สำหรับ execution, Claude Sonnet 4.6 สำหรับ architectural review หนึ่งรอบ แล้วกลับไป GPT-5.5 low เพื่อปิดงาน harness เดียว, API key เดียว, บิลเดียว

เริ่มใช้งานใน 60 วินาที

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

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

# 3. รัน pi ใน repo ของคุณ
cd ~/code/your-project
pi

# 4. ภายใน pi, ติดตั้ง skills
/skill:install matt-pocock/skills/grill-me
/skill:install obra/superpowers
/skill:install matt-pocock/skills/caveman

# 5. ใช้ grill-me เพื่อสร้าง spec ของ task
/skill grill-me

# 6. ลดเป็น low reasoning แล้ว execute
/model gpt-5.5 --reasoning-effort low
/skill caveman

รูปแบบการติดตั้ง skill แบบแม่นยำขึ้นอยู่กับ skill loader ที่คุณใช้ — ดู README ของ repo แต่ละ skill สำหรับ invocation ล่าสุด รูปแบบเหมือนกัน: วางโฟลเดอร์ skill ลงใน config แล้วเรียกใช้มัน

ทำไม Lean Agent + Lean API ถึงยิ่งทบต้น

harness ที่ฟีเจอร์เยอะจะโหลด system prompt ขนาดใหญ่ทุก turn, ทำ deliberation เพิ่มเติม, และปล่อยคำอธิบายยาว ๆ ที่ผู้ใช้ไม่ได้ขอ แต่ละอย่างคือภาษี Pi-mono ตัดภาษีฝั่ง harness ลง (system prompt เล็ก, loop 4 tool, ไม่มี planning layer ที่ over-engineered); caveman + low reasoning ตัดภาษีฝั่ง model (output ที่ถูกบีบ, reasoning tokens ต่ำ); Smart AIPI ตัดภาษีฝั่ง provider (cached input 10×, ไม่มี subscription floor) ไม่มีอย่างไหนเดี่ยว ๆ ที่เป็นชัยชนะ 10× แต่เมื่อคูณเข้าด้วยกันแล้ว มันเปลี่ยนต้นทุนของโปรเจ็กต์ agentic ที่ยาวขึ้นอย่างมีนัยสำคัญ

มุมมองของ Pi — "ปรับ agent ให้เข้ากับ workflow ของคุณ ไม่ใช่กลับกัน" — เข้ากับมุมมองของ Smart AIPI — "จ่ายเฉพาะสิ่งที่คุณคำนวณจริง" ถ้าคุณกำลังชน subscription cap หรือจ่ายเพื่อฟีเจอร์ของ harness ที่ไม่เคยแตะ ชุดนี้คุ้มค่ากับการลองหนึ่งบ่าย สมัครใช้งาน, สร้างคีย์, ตั้ง OPENAI_BASE_URL, ติดตั้ง pi, ติดตั้ง skills ทั้งสาม, แล้ว ship อะไรสักอย่างออกมา

เริ่มเลย — ฟรี $5 เมื่อสมัคร

1. สมัคร ที่ smartaipi.com/signup (ฟรี $5, ไม่ต้องใช้บัตรเครดิต)
2. สร้าง API key ใน dashboard
3. ติดตั้ง pi: curl -fsSL https://pi.dev/install.sh | sh
4. ตั้งค่า OPENAI_BASE_URL=https://api.smartaipi.com/v1 และ OPENAI_API_KEY เป็นคีย์ใหม่ของคุณ
5. ติดตั้ง grill-me + caveman และ superpowers
6. รัน pi, ใช้ grill-me กับ task ถัดไปด้วย high reasoning, ลดเป็น low + caveman, แล้ว ship มัน

harness แบบมินิมอลตัวเดิมที่คุณจะรันบน subscription — ตอนนี้อยู่บน pricing model ที่สเกลตามสิ่งที่คุณคำนวณจริง พร้อม cache hit rate ที่ทำให้ session agentic ยาว ๆ เกือบฟรี