让你的Agent从pi上长出来
太长不看：把这个丢给你的codex/claude：https://github.com/enderzcx/pi-docs-playbook别急着写 Agent，先把 pi 文档喂给 Codex 读对一开始接了个业务，只是把大模型封装了一下，以为这样就能当业务 Agent 卖出去...
太长不看：把这个丢给你的codex/claude：https://github.com/enderzcx/pi-docs-playbook
别急着写 Agent，先把 pi 文档喂给 Codex 读对
一开始接了个业务，只是把大模型封装了一下，以为这样就能当业务 Agent 卖出去了。
很快你会发现：要想真正让 AI 帮你做业务、查单、提效率，不能只靠一个大模型。你还需要给它装上底座、轮子、手脚，以及验证机制。
既然我们要做一个可靠、稳定、可验证的系统，而不只是一个 Chatbot，那就需要一个 harness。pi 正是这样一个好用的 harness 底座。一个含苞待放、待人开发的尤物
本文想讲的不是“pi 教程”，而是如何学习 pi，如何把你的业务嫁接上去。为此我专门建了一个 repo，把 pi 官方文档整理归档、分类清楚，告诉你和你的 coding agent 应该怎么读、读哪些、什么时候读。
重点是：在这个大家都用最强 coding agent 去构建其他 Agent 的时代，你可以直接把这个 repo 丢给 Codex / Claude / Cursor。它会按文档指引提问，结合你的业务，针对性地把 pi 拓展成你需要的业务 Agent。
我建了 pi-docs-playbook 这个 repo
为了让别人少走弯路，我把 pi 官方文档和相关 repo docs 整理归档，做成了：
https://github.com/enderzcx/pi-docs-playbook
它不是 pi 教程，也不是 fork，而是一个 **documentation harness**。
结构大概是这样：
- source/：原样镜像官方 Markdown，保留上游路径，可离线精确引用
- catalog/：按用途重新分类，比如 core runtime & harness、official coding-agent docs、examples、upstream prompts / skills、validation & changelogs
- usage/task-reading-matrix.md：核心文档。按真实开发场景告诉你该读哪些文件，比如 SDK vs RPC 选型、会改业务数据的 tool wrapper 设计、session trace 与 application audit 的区分、context / compaction 风险、approval UX 搭建、skills / packages 组织方式
- AGENTS.md：给 coding agent 的铁律。进来必须先读 README + task-reading-matrix，按问题类型精准阅读 `source/` 里的原始文档，回答时必须引用本地 `source/` 路径，禁止凭记忆猜测 pi 行为
- PROMPT.md：直接复制扔给 Codex / Claude / Cursor 即可使用的 prompt
- examples/：真实问题示例
- usage/how-to-use-this-repo.md：人类自己怎么用
这个 repo 解决的核心问题是：
让最强的 coding agent 也能高效、正确地获取 pi 信息，而不是到处幻觉。
具体怎么用
很简单，扔给 Agent 就行。
```bash
git clone https://github.com/enderzcx/pi-docs-playbook
```
然后：
1. 把整个 repo + PROMPT.md 里的 prompt 一起给你的 coding agent
2. 让它先读 AGENTS.md 和 usage/task-reading-matrix.md
3. 再把你的业务丢给它：你想做什么 Agent、核心业务动作是什么、哪些操作需要强验证、你的 channel 是什么
它会自己按矩阵去 source/ 里读对文档，并主动问你业务里的关键决策点：
- 哪些操作必须实时查 DB？
- 审批门控怎么切入？
- 业务状态要不要显式建模在 harness 里？
- channel 适配放哪一层？
- tool wrapper 和 audit 映射怎么设计？
人类自己也可以直接看catalog/ 分类和 usage/how-to-use-this-repo.md，快速定位到该读的部分。
想立刻让 Agent 用上，直接复制 `PROMPT.md` 内容扔给它。
Star 一下，后面我会持续往里面加真实踩坑后的 matrix。
---
不要急着写代码
先把 pi 的文档喂对，再开始设计你的 harness。
否则你配的 Agent 只会用上下文幻觉去“实现业务”，跑起来才发现到处都是坑。