
Pi vs DSH:极简克制 vs 插件进化,两条相反的 Agent 架构之路
前言:两条相反的路
2026-08-14 08:45 GMT+8
AI Agent 的架构设计正在分野。
两条截然不同的哲学正在浮现:
Pi 的路:做减法,克制极简,把控制权交给开发者
DSH 的路:做加法后再拆碎,把控制权下放给运行时 " 这不是技术细节的差异,而是对"什么是好的 Agent 系统"的根本分歧。
今天深度拆解这两条相反的路。
一、Pi:克制的极简主义
核心哲学:做减法
Mario Zechner 做 Pi 的起因:
烦透了 Claude Code 这类工具越堆越重
所以把核心砍到:
- ✅ read:读文件
- ✅ write:写文件
- ✅ edit:编辑文件
- ✅ bash:执行命令
就这四个工具,没了。
系统提示词不到一千 token
Pi 的系统提示词:
You are a coding agent. You can read files, write files, edit files, and run bash commands.就这么简单。
没有:
- ❌ plan mode
- ❌ subagent
- ❌ MCP
- ❌ 权限校验(默认)
核心架构

核心足够薄,剩下的全交给外部扩展去做。
扩展机制:静态的
Pi 的扩展方式:
- 人写 TypeScript 扩展
- 显式安装
- 重启生效
特点:
- ✅ 可控
- ✅ 透明
- ✅ 可审查
限制:
- ❌ 需要人工干预
- ❌ 不能在运行时动态扩展
- ❌ agent 自己不会"长出新能力"
控制权在开发者
Pi 的答案:
谁该拥有系统控制权?——开发者
逻辑:
- 极简是为了让你把每一步都看得清楚、改得动
- 信任的是写代码的人,而不是运行时的 agent 本身
- 宁可不做的事就不做,也不让核心替你做决定
复杂度态度:
复杂度是负担,要主动砍掉
二、DSH:插件化的极致拆分
核心哲学:做加法后再拆碎
DSH 不是精简出一个薄核心,而是:
把整个 agent 系统的每一层全部做成可替换的插件
全部可替换的插件架构

每一层都可替换:
- 模型:DeepSeek-V3/V4/OpenAI/Anthropic/...
- 工具:file/terminal/web/code/...
- 文件系统:本地/S3/FTP/...
- Shell:bash/PowerShell/zsh/...
- 沙箱:docker/namespace/chroot/...
- 会话存储:memory/SQLite/Redis/...
- Subagent:任意子 agent
- Agent Loop:任意调度逻辑
官方的 Coding Agent:
只是"用这些插件拼出来的一个默认答案",不是唯一答案
模块化颗粒度比 Pi 深一层
Pi 的模块化:
- 核心不变
- 外围可插拔
DSH 的模块化:
- 没有不可替换的核心
- 连 Agent Loop 都能换掉
控制权下放给运行时
DSH 的答案:
谁该拥有系统控制权?——运行时本身
逻辑:
- 连 Agent Loop 这种最核心的调度逻辑都能被换掉
- 系统本身没有预设"应该怎么跑"的立场
- 一切规则都可以在运行时被重新定义
复杂度态度:
复杂度应该被结构化、装进插件里,而不是消灭,因为消灭了就没法长出新东西
三、架构哲学的分野
谁来扩展系统?
Pi 的答案:人
- 人工写 TypeScript 扩展
- 人工决定要不要加回这些复杂度
- 人工审查每一个扩展
DSH 的答案:agent 自己
- agent 在运行时检查自己的能力边界
- agent 现场写一个插件挂载上去
- agent 在后续任务里直接调用这个刚获得的能力
扩展机制对比
Pi:静态扩展

DSH:动态进化(实验性)

关键差异:
- Pi:扩展是静态的,需要人工干预
- DSH:扩展是动态的,agent 自己能"长出新能力"(虽然现在还很实验性)
四、自进化:分水岭
DSH 的自进化能力
现状(实验性):
- ✅ agent 可以在运行时检查自己的能力边界
- ✅ agent 可以现场写一个插件
- ✅ agent 可以在内存中挂载这个插件
- ✅ agent 可以在后续任务里调用这个刚获得的能力
限制:
- ⚠️ 动态插件只存在内存里
- ⚠️ 重启就没了
- ⚠️ 不能自动沉淀成永久插件
但方向已经打开了:
agent 能自己发现能力缺口,然后现场造工具再用上
Pi 的扩展限制
当前机制:
- ✅ 人写 TypeScript 扩展
- ✅ 显式安装
- ✅ 重启生效
限制:
- ❌ agent 自己不会在任务执行中主动发现能力缺口
- ❌ agent 自己不会现场造工具
- ❌ agent 自己不会动态扩展
架构原因:
Pi 把"谁来扩展系统"这件事留给人
自进化对比
| 维度 | Pi | DSH |
|---|---|---|
| 扩展方式 | 静态(人写代码) | 动态(agent 自己写) |
| 扩展时机 | 安装时 | 运行时 |
| 扩展决策 | 人工决策 | agent 自动决策 |
| 能力沉淀 | 永久 | 当前仅内存(实验性) |
| 架构地位 | 外部工具 | 一等公民 |
五、前景对比
Pi:证明了极简可扩展可行
市场验证:
- ✅ OpenClaw:一周冲到十几万 star
- ✅ 证明了极简可扩展这条路能跑通
- ✅ 说明这套思路有市场
天花板相对清晰:
核心哲学就是少管事,扩展权彻底交给社区和用户,DeepSeek 官方不会去碰那层
价值:
- ✅ 核心薄,可控
- ✅ 扩展清晰,可审查
- ✅ 适合需要完全控制的场景
DSH:想象空间大一个数量级
现状:
- ⚠️ 早期阶段
- ⚠️ 接口还在剧烈变化
- ⚠️ 插件生态刚起步
- ⚠️ 函数式编程风格有上手门槛
但赌的是更大的事:
不是"给你更好的积木",而是"积木自己进化"
如果这条线真的跑通:
- agent 能自己发现能力缺口
- agent 能自己造工具
- agent 能自己进化
- 想象空间比精简的可扩展 harness 大一个数量级
六、架构哲学对比总结
核心差异表
| 维度 | Pi | DSH |
|---|---|---|
| 哲学 | 做减法,克制极简 | 做加法后再拆碎 |
| 核心 | 4 个工具(read/write/edit/bash) | 每一层都可替换 |
| 系统提示词 | 不到一千 token | 取决于插件配置 |
| 扩展机制 | 静态(人写 TypeScript) | 动态(agent 自己写插件) |
| 控制权 | 开发者 | 运行时 |
| 复杂度态度 | 主动砍掉 | 结构化进插件 |
| 自进化 | ❌ 不支持 | ✅ 支持(实验性) |
| 模块化 | 核心不变,外围可插拔 | 没有不可替换的核心 |
| Agent Loop | 固定 | 可替换 |
| 市场验证 | OpenClaw 成功 | 早期阶段 |
| 天花板 | 相对清晰 | 想象空间大 |
两种对复杂度的态度
Pi:
复杂度是负担,要主动砍掉
DSH:
复杂度应该被结构化、装进插件里,而不是消灭,因为消灭了就没法长出新东西
两种对"谁来扩展系统"的答案
Pi:
扩展权彻底交给社区和用户
DSH:
把扩展权交还给 agent 自己
七、什么时候该选哪个?
选 Pi 的场景
需要完全控制:
- ✅ 企业内部部署
- ✅ 需要审查每一个工具
- ✅ 需要限制 agent 行为
- ✅ 需要理解每一步在做什么
需要极简:
- ✅ 快速原型
- ✅ 学习 agent 开发
- ✅ 教学和演示
需要可预测:
- ✅ 行为可预测
- ✅ 扩展可控
- ✅ 风险可控
选 DSH 的场景
需要自进化:
- ✅ agent 需要在运行时扩展能力
- ✅ agent 需要自己造工具
- ✅ agent 需要适应新场景
需要高度定制:
- ✅ 每一层都需要定制
- ✅ Agent Loop 需要定制
- ✅ 存储需要定制
- ✅ 沙箱需要定制
愿意承担风险:
- ✅ 接受早期阶段
- ✅ 接受接口变化
- ✅ 愿意尝试新范式
八、总结
两条相反的路
Pi 的路:
克制极简,把控制权交给开发者
DSH 的路:
插件化极致拆分,把控制权下放给运行时
分水岭
真正拉开差距的是自进化这件事:
- DSH 已经能让 agent 在运行时检查自己的能力边界,现场写一个插件挂载上去,然后在后续任务里直接调用这个刚获得的能力
- Pi 的扩展机制目前还是人写 TypeScript 扩展、显式安装,是静态的,agent 自己不会在任务执行中主动发现能力缺口然后现场造工具再用上
前景
Pi:
- ✅ 已经证明了极简可扩展这条路能跑通
- ✅ 催生了 OpenClaw 这种成功的衍生项目
- ⚠️ 天花板相对清晰
DSH:
- ⚠️ 虽然早期、接口还在剧烈变化、插件生态刚起步
- ✅ 但把"agent 能自己长出新能力"这件事做成了架构里的一等公民
- ✅ 如果这条线真的跑通,想象空间会比精简的可扩展 harness 大一个数量级
记住
Pi 赌的是"给你一个极简核心,你自己决定要不要加回复杂度"。
DSH 赌的是"给你一个完全可替换的系统,agent 自己决定要不要长出新能力"。
Pi 是积木,DSH 是能自己进化的积木。
附:快速对比
Pi
项目地址:https://github.com/earendil-works/pi
核心特性:
- 4 个工具(read/write/edit/bash)
- 系统提示词不到一千 token
- 极简克制
- 扩展权在开发者
适用场景:
- 需要完全控制
- 需要极简
- 需要可预测
DSH
项目地址:https://github.com/deepseek-ai/deepseek-harness
核心特性:
- 每一层都可替换
- 没有不可替换的核心
- 自进化(实验性)
- 扩展权在 agent
适用场景:
- 需要自进化
- 需要高度定制
- 愿意承担风险
