270亿token喂出来的开源桌面端：AI编程Agent工作台PI-Desktop核验实录

ivye
工具收集
1小时前
7热度
0评论

README 里有一句话，看着像自嘲：「Not by a lone genius, but by a token-powered construction crew」——不是天才单打独斗，是一支用 token 喂出来的施工队。往下翻一行：超过 270 亿 token，用在开发、重构、评审、设计和调试上。

我先核对了这句话的可信度。官方主界面截图里挂着一条统计：合计 27,144,044,009 tokens，23 个模型在役。数字对得上，README 没吹。

这就是 PI-Desktop——一个把「AI 编程到底该怎么用」做成桌面软件的开源项目。7553 星，3 个月发了 105 个版本。我核了仓库和文档，把它值得装的优点和要冷静的地方，一次摊开说。

不是一个套壳，是一个独立工作区

先说定位。PI-Desktop 不是某个模型的套壳，也不是 VS Code 插件。它是一个独立的 Electron 桌面应用：左边项目和会话，中间对话和执行记录，右边 Diff、文件、预览和计划审批。

官方 README 把定位讲得很直白：终端 Agent 能干活，但住得挤；IDE 插件离代码近，但装不下整个工作流。PI-Desktop 要给 AI Agent 一个持久的、独立的、可扩展的桌面工作区——项目、会话、评审、预览和 Agent 本身，都长期住在同一个窗口里，关掉软件也不散。

PI-Desktop 三栏主界面：项目会话、对话执行、Diff 文件预览 — 主界面：项目、会话、Diff 预览三栏（官方演示）

会话是资产，不是聊天记录

这是我会话设计这部分看得最认真、也最认可的一块。

会话挂在项目下，关掉软件再打开还在。常用的置顶，暂不处理的归档，旧会话可以开分支、可以全文搜索。Agent 正在跑的时候临时想到新要求，先排队，它干完手头的就接着处理。输入 @ 选项目文件，/ 开命令。

执行过程全程可回看：模型回复、工具调用、命令输出都留在会话里。会话长了，右侧缩略导航帮你定位到前面的消息。改了哪些文件，Diff 直接看；文件、网页预览、计划审批在右侧工作面板打开——执行记录和代码改动放在一起看，不用来回切窗口。

上下文占用和 token 消耗就挂在会话里，用了多少一目了然。项目带检查点，中断以后尽量恢复现场——当然，重要代码该提交还是要提交，这是用任何 Agent 工具的常识。

完成的工作、权限请求、版本更新，会进通知收件箱，之后随时回来查，不是一闪而过的弹窗。

PI-Desktop 会话界面，右上角显示累计 token 统计 — 会话界面：执行记录与右上角累计 token 统计（官方演示）

三种节奏：Agent、Plan、Goal

日常改代码，Agent 直接跑：读项目、改文件、跑测试、接着修发现的问题。影响文件多、需求只有方向的时候，切 Plan——先研究仓库出方案，你确认了它才动手，理解偏了也能在改之前拦住，改动越大这一步越值钱。目标够明确、又不想一步步交代，用 Goal：把目标和验收条件写清楚，路线它自己选。

三种方式都过权限层：改文件、跑命令、调用工具、委派任务，都要放行。每个会话能自主干多少，可以单独调。

一个 Agent 不够用的时候

Subagent 拆独立后台任务：代码调查、测试分析、某一部分实现、Review，各自独立上下文，干完把结果交回主 Agent。模型设置里还能决定 Subagent 允许调哪些模型——主 Agent 和子 Agent 不必同款。

更长的并行活交给 Session Orchestrator：一个主 Session 协调多个 Worker，前端、后端、测试、评审各一条线。每个 Worker 是完整会话，能单独看、能继续追加任务，不是黑盒。

PI-Desktop 多 Session 编排视图 — 多 Session 编排：主 Session 协调多个 Worker 会话

我自己核下来的判断：小任务别拆。只改一个文件还开三个 Subagent，多花的 token 和检查时间比省下的多。工作项本身独立、能并行，才值得开。

模型是零件：换模型不换工作流

这句官方原话是它的产品哲学。OpenAI、Anthropic、兼容 API、自建网关、Ollama、LM Studio、本地模型都能接，自定义模型 ID 和 Endpoint 手动加就行。

每个模型单独配置：上下文窗口、最大输出、推理开关、温度。不同会话用不同模型，同一个会话中途也能换——项目和对话原地保留，不用重开一个会话把背景再讲一遍。

README 里给的场景分配很实在：规划用模型 A，写码用模型 B，评审用模型 C，隐私任务走本地模型。哪个便宜用哪个，哪个强用哪个，工作流不用动。

PI-Desktop 模型配置与推理档位 — 会话内随时换模型与推理档位（官方演示）

数据不出你的电脑

项目、会话、设置、日志默认全存本机；API 凭据进操作系统钥匙串；没有 PI-Desktop 遥测；模型请求直达你配的供应商——没有强制中转，也没有强制账号。

不放心的可以源码部署，让手头的 AI 把代码查一遍再跑。这也是开源的好处：代码就在那里，谁都能看。

插件：能装能用，还能自己造

官方插件市场现在挂着 10 个：Git Lens 管 Git 历史，Token Insights 记模型消耗（一个私有本地仪表盘），SSH Manager 集中管远程主机，还有终端、Markdown 笔记、剪贴板历史、便签、草稿计算器。

插件能加的不只是工具：面板、右侧视图、悬浮组件、主题、MCP Server、后台服务、插件间消息总线，11 种能力全开放。README 里举的例子更能说明野心——一个「语音 Agent」插件，可以是悬浮球 + 语音服务 + Agent 工具 + 命令的组合，一整个产品，不是一个小按钮。

想自己写，仓库里有 panel-basic、agent-tool-basic、skill-pack、full-demo 四个模板，起点现成。MCP 服务、Skills、Subagents 也能按项目单独启用，某个扩展只在一个项目用，就不必全局打开。

泼一盆冷水：插件生态目前是早期，10 个插件撑不起「生产力平台」的全部想象，源文作者也直言这块比较薄弱。看插件是加分项，不是入场理由。

PI-Desktop 插件市场 — 插件市场：10 个插件，官方源 catalog.json

工程文档罕见地全

开源 AI 工具不少，敢把规格全套公开的不多。PI-Desktop 的文档站把 IPC 协议、权限设计、会话/Plan/Goal 状态机、存储架构、16 篇插件规格、E2E 测试计划、发布手册、ADR 决策日志全部挂出来，中英双语，代码和协议字段不翻译保持原文。

规格还有「冻结基线」机制：决策是冻结的工件，改了什么、为什么改，日志里可查。我翻文档站的时候注意到，连插件签名和更新、插件存储隔离都有单独规格——对一个 Early Preview 项目来说，这种透明度不多见：出了问题能查到设计意图，想写插件的人有完整契约可依。

快速开始：下载就够，不用碰源码

Releases 里的安装包直接装，不需要 Node.js、pnpm 和 Rust——那些是跑源码才要的。macOS 有 Apple Silicon 和 Intel 两个版本，都带 Developer ID 签名并经 Apple 公证；Windows x64 有安装包和 zip；Linux 提供 x64 和 ARM64 包，要求 glibc 2.35 及以上（Ubuntu 22.04+、Debian 12+、Fedora 36+ 在支持名单里）。

装完连上自己的模型，打开一个本地仓库就能用。以前的 Claude Code、Codex、OpenCode、Pi 会话也能从设置的 Import 页面挑着导进来，原来的工具不用卸——先拿一部分会话试试水，合适再整体迁。