为解决AI编码上下文占用过多问题，新增4款pi生态插件

之前分享过用于上下文优化的pi-fff，它确实能提升搜索准确性，减少整目录内容灌入上下文窗口。

但经过近期实测发现，AI仍然容易出现过度设计，写出大量没用的抽象层代码；代码写完后还会反复运行测试验证，测试日志也会占用大量上下文空间。半小时后，上下文窗口就会被占用一部分，AI代理（agent）开始遗忘内容，随后触发上下文压缩（compact），导致关键细节丢失，进而进入返工的恶性循环。

因此近期新增了4款插件，专门解决这些漏洞，让pi的上下文保持干净。

---

第一款是ponytail，用于解决过度设计问题。

它本质是「懒资深开发模式」，每轮会话都会注入一套规则，核心逻辑是阶梯式判断：先确认当前这段代码是否需要存在，再检查仓库中是否已有现成实现，接着依次检查标准库、平台原生特性、已安装依赖，只要前一步能解决问题就不会新增代码，只有当前面步骤都无法解决时才会编写新代码。

项目README明确说明，这套规则的目标不是「最少化token用量」，减少token只是副作用，核心目标是只编写完成任务所需的代码，同时不省略验证、错误处理、安全和可访问性相关内容。官方在Haiku 4.5上运行基准测试显示，代码行数降至无规则基线的46%，token用量降至基线的78%，成本降至基线的80%。

ponytail有四个档位，可通过/ponytail full切换档位；作者常用的两个命令是/ponytail-review（审查刚修改的代码是否存在过度设计）和/ponytail-audit（直接审查整个仓库找出需要删除的冗余代码）。作者的配置是默认关闭，正式写代码时切换到full档位，偶尔用review功能给代码精简。

它不限制使用平台，官方称适配20种AI代理（agent），Claude Code、Codex也可以安装，安装命令为pi install npm:@dietrichgebert/ponytail。

---

第二款是context-mode，用于将大体积输出放入沙箱过滤后再进入上下文。

一份Playwright页面快照大小为56KB（约合上万个字符），20条GitHub issue大小为59KB，一份访问日志大小为45KB，这些数据原本都不经过压缩直接进入上下文，半小时后40%的上下文空间就会被占用。

context-mode的思路是不让原始数据直接进入上下文：AI代理的命令、大文件、API响应都在沙箱中处理，原始数据会存入本地的FTS5知识库，AI代理只提取摘要，需要细节时再用ctx_search按需提取片段。官方宣称315KB（约合6万多字符）的原始数据可以压缩到5.4KB（约合1万多字符），压缩率达到98%。

需要注意的是，它的postinstall脚本会自动检查甚至修改Cursor、Claude Code等其他工具的配置文件，如果介意这点，需要在运行前查看脚本内容。安装命令为pi install npm:context-mode。

---

第三款是pi-lens，用于代码写完后立即提供反馈。

它给AI代理接入了和IDE相同的反馈回路：每次完成代码编写或编辑后，会自动运行LSP诊断、代码检查（linter）、类型检查，还会通过ast-grep结构规则排查安全隐患，让错误当场暴露，不用等到编译失败再排查问题。

它还支持符号级导航，AI代理可以按函数读取代码，不需要把整个文件灌入上下文。这款插件安装完成后就无需手动操作，全程为AI代理自动运行。安装命令为pi install npm:pi-lens。

---

第四款是pi-mcp-adapter，用于接入Context7查询文档。

这是pi生态中最热门的插件，近30天下载量达到76万次，作用是让pi接入MCP服务器。如果用户已经有。mcp.json配置文件，或是已经配置了Cursor、Claude Code的host，运行/mcp setup就会自动扫描并让用户选择导入，写文件前会先预览改动。

作者已经接入了Context7，编写前端代码时可以直接查询最新版本库的文档和API用法，不再依赖模型记忆中可能过时的版本信息，减少返工带来的token消耗。安装命令为pi install npm:pi-mcp-adapter。

如果不确定是否要安装，可以用pi -e npm:<pkg>命令临时试用，不会写入配置文件。安装完成后重启pi就可以使用。

安装这几款插件后，AI编码的上下文就会保持更加清爽。