用户使用Claude Code和Codex一年后搭建全中立智能体工具栈

在使用Claude Code一年、Codex两个月之后，@AureaLibe决定搭建一套完全中立的智能体工具栈，选择了Pi Agent作为框架，@orca_build作为协调器。离开Claude Code时，他已经完全依赖这个工具。在Anthropic禁止在其他应用中使用Claude订阅服务后，他意识到需要中立工具栈，避免被束缚在单一生态中。

切换到Codex时，他不得不重新调整所有技能、改变使用习惯，重新理解模型和工具。但Codex也存在同样的问题，它本身偏向GPT模型，就算通过调整能运行其他模型，也依然没有解决绑定问题。他清楚，未来如果有其他按token计费更划算的订阅服务，他还是会离开Codex，因此需要一套更灵活的替代方案。

在测试了OpenCode、Oh My Pi、Pi等多款工具后，他最终选择了Pi。Pi是一个没有额外附加层的框架，支持全流程自定义配置，可以只添加用户自己需要的内容，非常适合定制化需求。Pi可以完全匹配用户自己的工作流，不多也不少。

相比Codex和Claude Code强制适配大众通用工作方式，Pi的思路完全相反，它让用户打造符合自身需求的工具，毕竟每个人的工作方式都不相同。配置得当的这类轻量框架，能得到和Codex、Claude Code这类基础框架一样甚至更好的结果，工具负载更低，对特定任务来说效率更高也更适配。

如果未来xAI推出更强的Grok版本，或是有其他企业推出性价比更高的模型，用户只需要在框架中一键切换模型，不需要重新做任何配置。作为协调器的Orca是开源工具，支持桌面端和移动端，能够在完整界面中同时协调多个智能体，兼容所有智能体，不会让用户绑定在单一应用上，始终保持应用开放性，方便随时切换。

当前AI模型价格不断下降，越来越多竞品进入市场，不同模型的基础能力已经趋于接近，用户选择模型更看重完成任务的速度和成本。在这个阶段，需要能根据需求随时切换模型的工具栈，模型已经逐渐成为通用商品，必须支持互相替换。

Orca本身不处理压缩，压缩功能由智能体框架（Pi、Codex、Claude Code等）处理。如果在Pi中运行GPT/OpenAI模型，可以安装Pi扩展“pi-openai-server-compaction”，该扩展使用OpenAI的响应压缩机制，和Codex使用的服务端系统相同，因此压缩不再是Pi的纯文本摘要。

从Codex切换到Pi，最多只需要几个小时就能完成全部配置。因为此前已经经历过Claude Code到Codex的切换，所以这次切换在使用层面没有感受到任何差异。Pi沿用了和Codex一致的工作流（适配自原来Claude的工作流），使用的也是同一个模型。

而当初从Claude Code切换到Codex，花费的时间要长得多。配置和调整技能用了几个小时，但理解模型、调整工作流程、修改技能和智能体配置、适应新模型花了整整两周到一个月。现在因为框架设计合理，就算测试其他模型，工作流程也不需要再改变。

OpenCode内置了很多用户不需要的功能，让工具更沉重，第一轮交互就会消耗更多token。相比面向所有用户的通用框架，为自己量身打造的轻量框架效率更高。OpenCode更偏向即插即用的通用型工具，适合新手或者不想花时间折腾的用户，对@AureaLibe来说不需要这样的工具，他更偏好定制化工具。

Orca是开源的，最坏情况下也可以被复刻分支。而且Orca也不是唯一的协调器选项，如果未来项目转向其他方向，只需要切换到其他协调器即可，它们的功能大致相近，工作方式也类似。在使用Orca之前，@AureaLibe用的是Superset，切换到Orca是因为它功能更完整，贡献者更多，但他不排斥未来再次切换。

Pi和OpenCode的思路正好相反，基础版本只自带读、写、编辑和bash四个工具，用户可以按需添加功能。需要子智能体就添加，需要安全插件就添加，需要控制电脑或浏览器就添加，需要MCP服务器也可以添加，始终只保留自己需要的内容。Pi支持使用现成扩展，也可以让AI模型开发自定义扩展，全部内容都可以自定义。