剛看到GitLab有30天試用可以免費用Claude Fable 5 結果剛註冊就被封了… 1 个帖子 - 1 位参与者 阅读完整话题
感谢大佬，学习大佬 @labs100x 最近真是撸出火星了 cdk.linux.do LINUX DO CDK Linux Do 社区 CDK 快速分享平台 - 让分享变得更简单 140 个帖子 - 96 位参与者 阅读完整话题
泡泡玛特国际集团有限公司正回应外界对其海外业务过度依赖“昙花一现”爆款的担忧。公司表示，Labubu去年的爆发式增长，反而掩盖了其他玩具的强劲表现。首席运营官司德在接受媒体采访时透露，去年美国市场非Labubu产品的销售额约占总收入的50%。这是泡泡玛特首次披露其最大海外单一市场的细分数据。他表示，在日本、韩国和东南亚等地，非Labubu角色已经占据了销售额的大部分。 司德于2015年加入泡泡玛特，当时公司正从一家生活杂货零售连锁店转型为专注于艺术玩具的公司。他表示：“去年，人们过分强调了Labubu的重要性。” 他说：“泡泡玛特的其他知识产权也实现了强劲增长，并获得了大量用户和粉丝，但它们完全被Labubu的光芒所掩盖。”他举例提到了“星星人”系列——这是一套星星形象的公仔和玩具，是该公司在亚洲增长最快的角色之一。 Labubu是中国产品在西方市场引发消费者狂热的罕见例子，去年这股热潮达到顶峰时，玩具在几秒钟内就被抢购一空。但自去年8月创下历史新高以来，泡泡玛特股价已下跌近一半，市值蒸发约280亿美元，原因是投资者越来越担心公司能否让这个长着龅牙的怪兽形象成为经久不衰的热门产品，还是说它只是一时的风潮。 在2025年收入飙升185%（其中海外市场增长300%）之后，出现放缓的迹象正在累积。根据Bloomberg Second Measure数据，泡泡玛特在美国这一关键增长引擎的销售额，在3月份下降45%之后，4月份又下降了42%。尽管第一季度总收入可能攀升了80%，但公司对今年的增长指引是至少20%。 泡泡玛特股价周三上涨5%，结束了连续四天的下跌，这与香港基准指数的下跌走势形成对比。 仅仅是炒作？ 不过，一些分析师更为悲观。摩根士丹利预计今年销售增长13%，汇丰控股预测增长9.6%。与此同时，德意志银行预测将下降2%，理由是泡泡玛特的商业模式容易受到Labubu热潮退去的影响。 德意志银行消费分析师Sammi Xu表示：“我们认为Labubu只是炒作，它在海外市场已经进入了急剧的下行周期。”“如果Labubu的人气减弱，不再吸引客流，那么损失将不仅仅是一个IP的销售额，还会影响到单次交易的件数和品牌参与度，导致总收入出现更严重的恶化。” 尽管如此，泡泡玛特至少有一位高调的支持者。根据摩根士丹利的说法，有影响力的中国投资者段永平已将其在该公司的持股增至约6.04%，这很可能使他成为泡泡玛特创始人及管理层之外的最大股东。 海外员工占比将提升 虽然泡泡玛特的国内业务表现强劲，第一季度实现了105%的增长，但公司希望最终成为一家全球性企业。 司德估计，几年内， 海外员工将占泡泡玛特员工总数的50%左右 ，而目前这一比例为20%至30%。他预测，鉴于公司现在拥有更完整的产品组合、更充裕的资金池和更高的品牌知名度，公司可以在短短几年内复制其在国内市场花费十年时间才取得的成功。 尽管近几个月增长放缓，但美国仍是实现这一目标的核心。根据媒体基于公司公告的计算，今年前五个月，泡泡玛特在美国新增了十多家门店，使其在美国的门店总数达到约80家。公司希望今年在美国拥有超过100家门店，包括第四季度在纽约时代广场和第五大道开设旗舰店。 虽然泡泡玛特正寻求培育Skullpanda和Hirono等角色的需求以实现多元化，但亿万富翁首席执行官王宁将Labubu形容为一座“金矿”——这凸显了公司专注于从这款爆红产品中挖掘更多价值。 Labubu电影与新品 公司正在与索尼影视娱乐公司合作制作一部Labubu电影，司德表示这部电影最早可能在2028年夏季上映。这些怪兽角色今年还将出现在高规格活动中，包括FIFA世界杯和第100届梅西感恩节大游行。 新的Labubu产品也正在路上。公司将在下半年推出该角色的全新系列以及一款艺术家联名产品。 司德表示：“我们对去年的增长感到高兴。我们经历了痛苦，但我们很快乐。”“尽管今年情况有所回落，但这给了我们更强的信心。一旦你见识到全球市场的机会有多么巨大，它自然会驱动更强的信念和投入更多资源的意愿。” 查看评论
好绝望的一句话 一批站都倒下了 付费的公益都全无了 狂欢过后的寂静 真是大起大落啊 奥特曼准备降价抢客的消息不知真假 如果pro的价格可以对半砍我就转官方了 2 个帖子 - 2 位参与者 阅读完整话题
模型 HTTP 状态 错误信息 claude-3-5-haiku-20241022 429 Service Unavailable claude-3-5-sonnet-20241022 503 Service Unavailable claude-3-7-sonnet-20250219 503 Service Unavailable claude-fable-5 429 Service Unavailable claude-opus-4-1-20250805 503 Service Unavailable claude-opus-4-20250514 503 Service Unavailable claude-opus-4-5-20251101 503 Service Unavailable claude-opus-4-6 400 claude-opus-4-6 已下线，请切换到 claude-opus-4-7 模型 claude-opus-4-7 503 Service Unavailable claude-opus-4-8 503 Service Unavailable claude-sonnet-4-20250514 503 Service Unavailable claude-sonnet-4-5-20250929 503 Service Unavailable gemini-2.5-pro 404 / 500 /v1/messages 不支持； /v1/chat/completions 返回 500 gpt-5-codex 404 当前 API 不支持所选模型 gpt-5-codex gpt-5.5 404 当前 API 不支持所选模型 gpt-5.5 * 我今天第一天注册Any，不知道是不是因为平台有风控的原因 35 个帖子 - 29 位参与者 阅读完整话题
Error: claude-fable-5 is temporarily unavailable, so auto mode cannot determine the safety of Bash right now. Wait briefly and then try this action again. If it keeps failing, continue with other tasks that don’t require this action and come back to it later. Note: reading files, searching code, and other read-only operations do not require the classifier and can still be used. 目前不允许使用 BASH 命令 乐! 也不行thinking 乐! API Error: 400 “thinking.type.disabled” is not supported for this model. Thinking defaults to adaptive mode when not specified; use “thinking.type.enabled” with “budget_tokens” for extended thinking. 2 个帖子 - 2 位参与者 阅读完整话题
Error: claude-opus-4-8[1m] is temporarily unavailable, so auto mode cannot determine the safety of Bash right now. Wait briefly and then try this action again. If it keeps failing, continue with other tasks that don’t require this action and come back to it later. Note: reading files, searching code, and other read-only operations do not require the classifier and can still be used. 中转站的claude模型没有提供classifier模型，不是auto mode，classifier在plan模式下用于判断命令是否是只读。在配置文件中加上 "permissions": { "allow": \["Bash"\] } 也没用，就算直接claude --dangerously-skip-permissions也不能解决plan阶段的classifier不能用的问题。 佬们有什么解决方法吗 3 个帖子 - 3 位参与者 阅读完整话题
佬们，codex用image-2生图一直提示沙箱网络限制，审批通道临时 503 Service Unavailable 卡住，如何解啊 1 个帖子 - 1 位参与者 阅读完整话题
【业务背景】 2019年1月获OPPO领投的一亿多人民币的B+轮融资，2019年实现收支平衡，2020年全面盈利，并已在布局生态多元化的核心业务，目前公司螺旋式上升发展； 【团队文化】 CEO是迅雷前十号员工&技术VP，历经PC互联网、移动互联网，成员中一半以上是来自迅雷/腾讯的研发+产品骨干，技术基因重；牛人多，公司弹性扁平管理，崇尚硅谷和极客风格，凡事注重深度思考，以结果为导向，关注团队伙伴成长和发挥空间的学习型组织，欢迎相同”气味“的伙伴加入； 【福利&氛围】 双休10-6+上下班不打卡，入职转正就享有带薪年假、带薪病假（2天/月）、每天下午茶、每周三运动日、节日礼品&活动，生日会&礼物、年度旅游、年度体检； 氛围简单、开放、追求极致，各个职类有相应的人才的培养、发展体系和路径； 每年有2次晋升/调薪机会，年终奖0~6个月，绩优者年终奖可达6~10个月。 人选画像： 不错的技术手感，能用Python/JS/Go等语言，把想法清晰、稳定地实现出来。 对AI技术有持续的、自发的好奇心，愿意花时间去琢磨和尝试新东西。 最重要的：请准备好一两个你自己做过的AI相关项目。可以是用API搭的小工具，是调试过的一个开源模型，或是任何能体现你“动手了”的成果。面试时，我们想先听听你的项目故事。 在这里，你可以： -和一个小而专注的团队一起，直接参与到从技术原型到可用功能的完整过程。 接触到最新的模型、工具和算力资源，有充足的空间去试错和验证。 在一个看重“做了什么”胜过“说了什么”的环境里，获得扎实的成长。 如果你觉得对路，欢迎直接沟通。请务必在招呼时，简单提一下你做过最相关或最感兴趣的一个项目，附上链接（GitHub/Demo/文章都行）就更好。这样我们能最快地了解彼此，期待与你交流。 如果是应届生，需要92学历；非应届生岗位3年以内web2的AI应用方向经验 最好有作品链接可参考评估 1 个帖子 - 1 位参与者 阅读完整话题
如题，香港数字银行汇立银行（WeLab Bank）此前已收紧内地客户开户。持内地居民身份证开户时，汇立银行可能会要求输入邀请码（指定渠道邀请码，非现有客户、官方、或KOL的推荐奖励码）。 此前几日，使用KOL渠道或官方渠道邀请码仍可继续开户，但目前均已完全不可用，仅能凭6位数字的指定渠道邀请码完成开户。 转自encmasuta 1 个帖子 - 1 位参与者 阅读完整话题
IT之家 6 月 9 日消息，据 Electrek 报道，电池领域研究者齐罗斯（Ziroth）联合 20 余名独立电池专家开展了一项全面调查，最终拿出确凿证据，证实芬兰初创企业 Donut Lab 宣称的“神奇”固态电池，实际上就是普通锂离子电池。该公司凭借如今被证实为虚假的技术说辞，从 1300 余名中小投资者手中募集了约 2500 万美元（IT之家注：现汇率约合 1.7 亿元人民币）资金。 调查溯源发现，这项电池技术源自德国企业 CT Coatings 公司。多家关联企业依靠严苛的保密协议层层遮掩，而研究团队结合电压曲线、电池膨胀数据等电化学检测结果最终判定：送检电池为锂离子电池，并非 Donut Lab 此前鼓吹的革命性钠离子固态电池。 从心存质疑到事实敲定 在 2026 年国际消费电子展上，Donut Lab 高调宣称研发出一款能量密度达 400 瓦时 / 千克、循环寿命 10 万次、5 分钟即可充满电的固态电池，震惊整个电池行业。自此，外界便一直对其说法持怀疑态度。今年 1 月，Electrek 曾专访该公司首席执行官马尔科・莱赫蒂迈基，并直言他要么彻底颠覆行业，要么就此名誉扫地。如今看来，结局是后者。 起初，外界并不清楚 Donut Lab 造假的动机，再加上其宣称技术落地周期极短，这套说辞一度让人半信半疑。但随着各项独立检测结果陆续出炉，疑点也越来越多。芬兰国家技术研究中心先后完成五次测试，却始终没有针对两项核心宣传指标 ——400 瓦时 / 千克的能量密度与 10 万次循环寿命展开验证。此后，Nordic Nano 公司前首席商务官出面举报，称这款电池从未达到过宣称的技术参数。如今，齐罗斯的这项调查又以扎实的电化学证据补齐了所有疑点。 核心证据：电压曲线与电池膨胀特征直指锂离子电池 本次调查咨询了 20 多位业内独立专家，包括弗劳恩霍夫研究所的朱利安・扎瑙、吉森大学的亚希姆・桑博士、Leona 公司的汤姆・比查以及塞于奈约应用科学大学的尤奥・埃斯卡博士，所有专家均确认送检电池为锂离子电池。 本次调查主要有两大关键证据： 第一， 芬兰国家技术研究中心出具的电压曲线，与高镍三元锂离子电池（镍钴锰体系）特征完全吻合 。电池电量处于 50% 时，电压稳定在 3.7 至 3.8 伏，这正是锂离子电池的典型工作电压区间；而钠离子电池在 50% 电量状态下，电压基本不会超过 3.5 伏。 第二份证据更具说服力， 即电池膨胀检测数据 。电池充电时，离子会嵌入负极材料，使电池产生规律性膨胀。采用石墨负极的电池，在电量充至 50% 至 70% 区间时，膨胀曲线会出现一处明显拐点，这是离子在石墨层状结构中重新排布所形成的独有特征。而 Donut Lab 的这款电池，曲线中恰好出现了这一标志性拐点。 这一特征具备决定性意义：钠离子体积偏大，根本无法嵌入石墨层结构，因此石墨负极的特征足以证明该电池使用的是锂离子。调查团队对此作出形象比喻：“这就好比我们拿到了一份略有杂音的指纹，又拍到了嫌疑人的正面照，两者完全匹配。” 经测算，这款电池的实际能量密度约为 298 瓦时 / 千克，属于主流优质锂离子电池的正常水平，和其宣称的 400 瓦时 / 千克相去甚远。 层层关联的造假企业网络 调查查明，涉事电池技术的源头是德国 CT Coatings 公司。这家企业名下专利品类繁杂，除电池相关技术外，还涵盖丝网印刷铺路砖、菜单文件夹、警示三角牌等产品。CT Coatings 原本向 Nordic Nano 公司与 Donut Lab 承诺，提供丝网印刷工艺的钠离子固态电池，实际交付的却是普通锂离子软包电池。 三方合作关系如下：CT Coatings 为技术提供方，Nordic Nano 公司本应负责生产制造，Donut Lab 则主打市场商业化。据悉，Nordic Nano 公司自始至终从未量产过一节电池。 弗劳恩霍夫研究所的朱利安・扎瑙曾与 CT Coatings 的工作人员会面，对方的专业水平让他大跌眼镜：“我的第一印象就是，这些人根本不懂电池的工作原理。他们声称电池不含稀土金属，所以也就不含锂。但稍有化学常识的人都知道，锂和稀土矿物毫无关联。” 除此之外，Donut Lab 全程只依靠内部技术审核，并未寻求第三方独立机构验证。Nordic Nano 公司前首席商务官劳里・佩尔托拉表示，两家企业本身都缺乏电池化学领域的专业能力，这种自检模式完全形同虚设。 整车量产说法也被证实纯属谎言 除电池技术造假外，调查还证实该公司多项公开表述均为虚假信息。Donut Lab 宣称，合作品牌 Verge 在 2026 年第一季度就已向消费者交付量产车辆。该季度最后一天，公司还对外宣布首台量产摩托车正式下线。 但一份面向预订客户的内部视频却披露了真相：首批下线车辆仅供 Verge 内部车队使用，目的是磨合生产工艺，后续才会面向消费者发货。按照行业定义，这类车辆本质上属于试产车型。 莱赫蒂迈基随后在接受芬兰媒体采访时也承认，下线摩托车并未搭载标称 400 瓦时 / 千克的电池，芬兰国家技术研究中心检测的电池，也并非计划交付给消费者的版本。泄露的邮件显示，Donut Lab 曾多次催促 CT Coatings，索要能证明电池参数达标的相关材料，而对方始终未能提供任何有效凭证。 从 1300 余名中小投资者手中募资 2500 万美元 本次调查中，最令人担忧的环节当属资金募集过程。Donut Lab 目前拥有 1300 余名股东，其中 900 多人持股数量不超过 50 股，单人投资金额大致在 3000 至 2.3 万美元（现汇率约合 2.04 至 15.6 万元人民币）之间。不少投资者都是 2023 年通过芬兰 Springvest 平台，参与 Verge 摩托车项目众筹而入局。 Verge 品牌完成重组、Donut Lab 独立拆分后，这家原本经营困难的摩托车企业，摇身一变成为手握“估值 5 亿欧元资产组合”的母公司，一切噱头都源于这款所谓的“神奇电池”。莱赫蒂迈基曾在致投资者的信件中承诺，投资回报最高可达 10 倍，回本周期仅 12 至 18 个月，并鼓动投资者继续追加投资。 调查指出，该公司刻意选择这种募资方式：依靠内部自检报告，向缺乏技术甄别能力的普通民众募资，以此规避风投机构严苛的技术尽调。借着国际消费电子展的造势，公司估值后续更是被炒至 12.5 亿美元。目前，芬兰金融监管部门与刑事调查部门均已介入此案。 而在今年 1 月的专访中，莱赫蒂迈基还矢口否认公司在对外募资。 外界担忧，这起骗局会打击大众对整个固态电池行业的信心，而固态电池确实正迎来真正的落地阶段。丰田已投入超 150 亿美元研发资金，计划在 2027 至 2028 年推出搭载固态电池的量产车；三星 SDI 拥有全球规模最大的固态电池中试产线，也定下 2027 年实现量产的目标。这些都是业内具备过硬技术实力的企业推出的真实项目。 固态电池时代终将到来，但不会出自 Donut Lab 之手，该公司宣称的各项逆天参数也根本无法实现。
作为一名在读博士生，我在日常是如何与 AI 协作的？——ai-collab-playbook > 公开版本 / Public edition: 2026-06-08 cnfjlhj/ai-collab-playbook github版本~ -— 前言 我是一名人工智能方向的在读博士生，大概在 ChatGPT 出来以后还是 GPT-3.5 的时候就比较重度使用 AI 以及 AI 工具了。几年下来，AI 已经渗透到我工作和学习很多环节，有一些心得想分享一下~ 当同事，不当工具（我认为至少未来几年，应该是人机协作的时代） 现在回头看，我觉得过去很多所谓“会用电脑”，其实有相当一部分是在给机器当翻译。人脑子里明明只有一个目标，落到电脑上，却总要拆成一堆很零碎的动作。很多时候事情本身并没有多么复杂，感觉复杂是因为旧系统根本听不懂你的意图，只能逼着你先把目标嚼碎，再翻译成它能执行的步骤。 比如做 SQL 查询，你脑子里明明只是想看一个简单的业务趋势，但因为系统听不懂，你不得不花一个小时去嵌套三层 LEFT JOIN、对齐 GROUP BY 的聚合字段，小心翼翼地用机器听得懂的语法去和数据库交互。 这也是为什么我现在越来越自然地把 AI 当同事，而不只是当工具。 > 本文的主线很简单：AI 入口要贴近任务，Agent 流程要能被复盘，人仍然掌握问题表述与验收标准。 贯穿全文的几个方法论 - 元提示词思维：让 AI 写操纵 AI 的 Prompt，人做微调 - 苏格拉底追问：让 AI 从多角度逼问自己，把模糊的想法变清晰 - 多模型协作：不同任务用不同模型，也可以让不同模型协作完成复杂任务（后文会在各个场景展开） - 经验沉淀：把流程固化为 `Skill`（Code Agent 中的术语），越用越好，越用越快 -— 一、日常使用：AI 作为随身顾问 ### 让 AI 入口离任务更近 我最近很久没有认真使用网页端 ChatGPT 了，重新打开以后发现，各家模型的网页端和应用端其实都变化挺大。在 API/token 变得紧张以后，我反而重新意识到：并不是所有任务都值得拉起本地 Agent、走 API、配一套完整工作流。很多轻量、一次性的小活，比如临时总结、改写、问一个不需要项目上下文的问题，直接交给网页端 ChatGPT 的 Agent 模式就够了。它不一定是最“工程化”的方案，但对这类任务来说，入口短、成本低、上下文负担小，反而是更合适的选择。 应用侧也是类似的逻辑。我现在还会用 `豆包` 的划词工具栏功能，它能在电脑全局划词唤醒。最方便的是可以自定义划词动作，比如我写了一个“概念解释器”，划词后直接给出学术概念的通俗解释，省掉了打开浏览器、复制、粘贴、重新描述问题这一整串动作。 另外，`豆包浏览器` 的网页翻译、页面总结、针对当前网页提问这些功能也挺实用。它的价值不一定在于模型能力一定最强，而在于它离当前网页足够近：我不用把内容搬到另一个窗口，也不用重新组织上下文，直接在当前页面处理就行。 所以我现在会更刻意地按任务重量选择 AI 入口：轻量任务交给网页端或应用端，项目级任务再交给本地 Agent。日常使用 AI 时，最重要的不是把每件事都接入最强模型，而是尽量降低使用 AI 的摩擦力。入口越贴近工作流，越容易形成高频使用；用得越自然，AI 的价值才越容易被挖出来。（大家如果有更好用的应用侧工具，也可以留言推荐~） 通过 IM 软件远程调用 Agent 可以通过类似 `cc-connect`、`happy` 这样的应用远程调用现有的本地 Coding Agent（Claude Code、Codex），也可以直接使用类似 `OpenClaw`、`Hermes`、`cowork` 的成品。 我认为 IM 是最低摩擦的派活入口，可以随时把任务抛出去；远端机器是 Agent 的工作台，它可以下载、转写、分析、跑代码、生成 PDF、发回结果。 但最吸引我的还是可持续培养性：让 Agent 记得你的偏好、知道你的项目结构、沉淀 `skill/workflow`，逐渐变成“熟悉我的同事”。 最近我主要是拿他们当咨询类的推送助手，以及提醒我吃饭、睡觉、写日记之类的 chatbot。我会给它我的日记访问权限，让它每天去读我近期的日记，以及往年当天的日记，用来督促我继续写日记。和我一起聊我的零散碎碎念，帮我整理我的知识wiki… -— 二、科研 这里给大家安利一下我现在比较稳定的一条科研工作流：调研 → 筛选 → 精读 → 整合，核心目标不是让 AI 替我读完，而是让它帮我把文献网络、论文细节和个人理解接起来。 科研文献阅读 我把文献阅读分成四个阶段：调研→筛选→精读→整合。 阶段一：课题调研 我主要用 OpenAI 的 Deep Research 以及 GPT-Pro 做课题调研和可行性分析。我会要求 AI 不仅提供最新文献，还必须包含该领域的开山之作，之后再让 Agent 按照个人偏好去构建 `wiki`。 阶段二：文献网络分析（Literature Network Analysis） 找到几篇感兴趣的论文以后（也就是先找到锚点论文），借助 Paper Connect 等工具，可视化文献间的引用关系，快速判断研究热度与技术脉络。（这些数据也应该同步导出给 Agent） 与 Agent 沟通调研结果，搞清楚这些文献之间的逻辑关系，最终自动下载感兴趣的相关论文以供后续引用或精读。 > 如果某篇论文的引用网络图非常庞大，说明这个方向已经很"卷"了。反之，可能还是蓝海。 阶段三：确定精读 → 逐篇攻克 下载论文到相关文件夹以后，我会先和 Agent 讨论一下当下研究已经推进到了什么地步，再确定阅读顺序，去除无关或暂时不感兴趣的论文。整个过程要逐步扩充整理 `wiki`。 精读环节，我会用两个模型配合： - Gemini 负责宏观视角：从动机 → 数学建模 → 实验 → 结论 → 评述五个角度分析一篇论文，生成 HTML 文件（这个格式也方便写周报，比较美观，可以截图放进去）。最近我发现我的gemini变傻到极致，突然这个任务也做不好了。如果大家用gemini也有这样的感觉的话，我觉得可以在粗读的时候看alpharxiv的blog模式。 - GPT 负责更细致的补充：在 Gemini 打好的 HTML 基础上继续修改和补充细节，亦或者直接让 GPT 根据模板生成 HTML 文件，同时对照原文分屏快速阅读。具体样子可以参考我的博客：[FormalEvolve Cheat-Sheet]( FormalEvolve 论文精读 )。 > 这个流程对应的 `paper2html` Skill 我也放进了这个仓库的公开 skill 包里，适合把论文 PDF / arXiv / OpenReview / LaTeX source 转成中文 HTML 精读页。 阶段四：知识整合 精读讨论清楚了以后，带着完整上下文让 Codex 调用 GPT-Image-2 生成信息图（一般一篇论文一张足矣），再带着个人理解与这张图做交叉验证，最终存档。 在执行这些过程时，通过 Agent 的 `Skill` 打通各个环节，提升速度，带来复利。 -— 关于科研绘图 科研绘图的三个类别 科研绘图分为三类。明白这些术语，可以更好地操纵模型绘图： - 插图（Illustrations）：阐述论文核心思想的示意图 - Teaser 图：在学术界，通常指为一篇论文制作的高度浓缩、引人注目的视觉摘要，常见于顶级期刊的封面（Cover）或亮点介绍（Highlight） - Poster（海报）：学术海报，用于在会议上展示研究成果，要求信息密度高、逻辑清晰且视觉吸引力强 策略：让 AI 写操纵 AI 的 Prompt 我发现让模型去生成 Prompt 的水平远超我自己，尤其是科研绘图方面。让我自己描述，我几乎完全描述不清楚。 我会先让大语言模型理解我的论文内容，然后由它来创造和优化用于生成图像的详细 Prompt。具体来说： 1. 把论文/想法丢给 AI，先问它在内容布局、配色、字体三个维度上如何规划 2. 可以主动指定大风格，比如 Nature / Science 风格 3. 一个很有效的技巧是使用参考图：把日常积累的优秀插图丢给 AI，让它分析风格，再基于你的论文内容生成新图像。 目前我还是把 AI 作为草图助手。出了草图以后，我会尽可能让 Agent 帮我做成 slides 或 HTML，再由我自己微调。AI 绘图需要大量迭代和多次尝试。目前 AI 最适合的角色，还是创意激发和草图设计助手；所有生成结果，尤其是涉及数据和逻辑的部分，依然必须经过严格的人工审核与修正。（严肃！） 谈谈最近的 GPT-Image-2 文字回答可以解释概念，但图像可以把层级、关系、流程、对比、因果、空间结构一次性摊开。GPT-Image-2 这类模型的价值，不只是“画得像”，而是能把前面讨论出来的上下文转成可检查、可讨论、可迭代的视觉对象。 与此前的 `nanobanana` 类似，当前 image model 正在从 image generation 迈向 visual intelligence：模型不仅仅根据提示生成图片，还需要理解上下文、规划版式、保持多图一致性、执行对话式修改，并将丰富上下文转成可视化产物。 GPT-Image-2 生成图片的“自然感”能够达到“以假乱真”的水平，这也要求我们提高评价标准，从更细致的内容层面进行检查。（如根据上下文生成科研绘图，应根据自身理解与其进行交叉验证比较）我们已经正式迈入了“有图未必有真相”、“图片内容不再可靠”的时代。未来我们很难通过肉眼以极短的时间判断出来一张高真实度的图片是否可信，可能需要仔细检查细节一致性、逻辑关系、来源链路与发布主体，而不是只看“看起来像真的”。 最近我真的在看到可能任何一张社交媒体传播的图片，我都会怀疑是不是 AI 生成的（特别是在这样一个魔幻的时代，看到很多很多可能不太符合正常逻辑的事情发生） -— 关于科研写作 让 AI 多审几遍 现在 AI 审稿越来越严重，尤其是在 AI 领域。论文构思好以后，起稿阶段就可以先用相关的论文润色 Skill 辅助打稿。有了相对完整的草稿以后，建议多用专业的审稿 Agent 来审。我目前主要用 `paperreview` 和 `cspaper` 这两个网站，前者好像可以无限用，后者每个月有免费次数；另外我也做了一个可以给 Code Agent 调用的 `paperreview` Skill，放在 GitHub 仓库里了。拿到审稿意见以后，再和 AI 讨论哪里需要修改。在给导师看论文之前，先多迭代几轮，把一些潜在的小问题尽量提前解决掉。 另外，其实这样写出来的论文也更容易被 AI 认可；如果审稿人本身也在用 AI 审稿，可能会更容易给不错的分数。 和 AI 一起写，可以，但前提是它真的理解对了 一定一定一定要确保 AI 对内容的理解是正确的。一旦理解错了，后面越写越多，越写越偏，非常危险！ 沉淀不同领域的写作 Skill 不同领域的论文，写作风格是不太一样的。 有的领域注重严谨推导；有的领域看重叙事铺垫；有的领域对实验细节特别敏感。 所以与其每次都去重新教 AI “这类论文应该怎么写”，不如先拿通用的科研写作 Skill 作为底子，然后喂本领域你认可的参考论文，慢慢沉淀出一个更适合你自己领域的写作 Skill。 这个 Skill 不需要多复杂，但它最好是： - 知道你这个领域常见的论文结构 - 知道你偏好的写作风格 - 知道哪些地方要展开，哪些地方不能废话 - 知道你对实验、图表、相关工作、贡献总结的习惯要求 如果看到读起来特别舒服的高质量论文，也记得让 Code Agent 去学习一下。 三、Code Agent 使用指南 工具演变 我最先接触 Code Agent 的是 Cursor，后面逐步进化到 Claude Code 与 Codex 这些。现在构思的时候是 Claude Code、Codex、Gemini CLI 以及 OpenCode 四个一起用，通过 Claude-Code-Bridge（也就是常说的 CCB）。构思清楚以后交给 GPT 模型开 `xhigh` 模式，一步一步严格执行。通常就是睡一觉的功夫问题就解决好了。 心流状态：人和 Agent 都要减少摩擦 频繁使用 Coding Agent 以后，我反而发现自己有时候更难进入所谓的“心流状态”。原因不是 Agent 不够强，而是 Agent 介入以后，人的工作方式会被改变。GUI 来回点、鼠标切窗口、到处 `cd`、临时查命令、等 ChatGPT 解释一大段过程，这些动作单独看都不大，但叠在一起就会不断打断注意力。最后表面上是在高效使用 AI，实际上人一直在被迫切换上下文，给人带来一层“上下文税”。 人和 Agent 最好是能待在一个连续的操作回路里：搜索、打开、查看、处理、验证，尽量不要中途跳出当前现场。对人来说，CLI、快捷键和模糊搜索很重要。比如用 `fzf` 快速找历史命令或文件，用 `yazi` 在终端里浏览目录，在 macOS 上用 `open -a Preview` 直接打开 PDF 或图片。它们解决的不是“炫技”的问题，而是减少从思考到操作之间的阻力。少一次鼠标切换，少一次窗口跳转，人就更容易保持连续性。 对 Agent 也是一样。Agent 的能力不只取决于模型本身，也取决于它会不会选对工具。搜索代码时应该优先用 `rg` 或 `rg --files`，处理结构化数据时应该用 `jq`，临时 Python 依赖可以用 `uv run --with`，音视频处理应该想到 `ffmpeg`，图片处理应该想到 `magick`，PDF/LaTeX 相关任务应该知道 `poppler`、`xelatex` 这些工具。工具选错了，模型再聪明也会慢、会错、会做出很笨的方案。 所以我现在会特别注意 review Agent 的过程。重点看它用了什么工具，有没有过早退而求其次，有没有忽略 GPU、远程机器或专用工具，有没有明明存在更快路径却用慢方案硬跑。比如做 Whisper 转录时，如果本来可以走 Apple Silicon / Metal / MLX 加速，却退回 CPU 跑半小时，这就不是“慢一点而已”，而是工作流规则没有写清楚，模型也没有 get 到。我们遇到这种情况，比如一次发现 `rg` 比普通搜索更适合项目级代码检索，就不只是自己记住，而是写进 `AGENTS.md` 或 Skill。一次发现 `uv run --with` 很适合临时 Python 依赖，也写进规则。这样下次 Agent 不需要重新“猜”，而是默认走更合理的路径。 我觉得有两件事特别重要： 1. 先走最佳实践，不要一开始就退而求其次。 如果正确路径连续尝试几次仍然不可行，再有意识地 fallback，并说明为什么 fallback。 2. 人必须理解基本概念和原理，才有能力 review Agent 的自动过程。 不懂工具链、不懂任务本身的约束，就很难看出来 Agent 是真的做对了，还是只是把话说圆了。 所以 Code Agent 的“心流状态”，不是完全放手让它自己跑。更准确地说，是人把任务意图、工具选择和验收标准都约束清楚，人减少无意义操作，Agent 减少无效试错。让 Agent 在正确的轨道里高速推进。 复杂需求的处理流程 简单需求就不展开了。说说复杂需求怎么做（参考刘小排的经验）： 把模糊的想法逐渐写清楚 事实上我的很多个想法都是极其模糊的，可能我想的一两句话背后有十几个决策点需要关注。具体做法是：我会先把一开始的需求同时发给四个 AI，让它们用自己的话术整理需求，然后向我提问；这里推荐一个不错的 skill，叫做 `grill-me`。接着我不断回答各个 AI 提出的问题，AI 继续追问。这个过程要让 AI 多输出可视化的 ASCII 原型图，加深自己的理解。不断让 Claude 模型去整理各个会话的内容（Claude 的模型说得容易懂），迭代直到所有 AI 都认为当前的方案已经没有问题，或者问题可以忽略不计，最终交给 GPT 模型通过 `/goal` 模式完成即可。 各个模型特点 - GPT / Codex：比较严谨。GPT-5.5 相比 GPT-5.4 有了很大的改进，特别是在语言表达上（少了很多口癖，说话没那么令人反感了 hhh，但是貌似没有找回以前第一次用 GPT-5.2 那种感觉）。 - Claude（Opus 4.8）：表达能力强，速度快，工具调用各个能力都很优秀，但价格比较贵，不能随心所欲地用。虽然大家感觉都不如 Opus 4.6，但是至少相对 Opus 4.7 来说还是有进步的。 - Gemini：前端能力很不错，很适合用来发散思维，有很丰富的世界知识，有时候聊方案的时候会有意想不到的效果。 - Grok：搜索能力很优秀，在审查上应该也是最松的，还有 NSFW 模式。推荐 `grok-search` 这个 MCP 搭配其他 Code Agent 使用。 推荐的使用方法论 1. 多使用元 Prompt 或 Skill——比如造 Skill 的 Skill，把常用的工作流模板化。 2. 不会的多问 Agent——很多东西 Agent 可以给你讲懂，并且最终落实做出来可以用。就不断迭代积累经验。 3. 多向社区学习——参考他人的经验，不断完善自己的工作流，让自己的 AI 越用越方便，让自己更擅长与 AI 协作。 -— 四、多回顾，最好定期复盘 Skill 不是越多越好 Skill / MCP 不是见一个就安一个。 我原先就是这样，遇到一个看起来不错的 Skill，就想让我的 Code Agent 给装上。最近回头复盘才发现，自己这里已经堆了很多做同一件事的 Skill。给同样的输入，有时候模型选 A，有时候选 B，有时候选 C，结果并不稳定。毕竟模型在选 Skill 的时候，很多时候只能先看 `description`。 OpenAI 和 Anthropic 都在官方文档里提到过，相关工具最好尽量收敛一些。当工具数量太多、同类能力重叠、边界又写得不清楚时，模型更容易选错、犹豫、变慢，甚至被长输出拖垮上下文。 所以我现在会定期回头复盘自己的 Skill 和 MCP，看它们到底有没有真正给我带来增量，我到底有没有长期用到它们。如果一个 Skill 只是“当时看起来很厉害”，但后来几乎不用，或者和别的 Skill 做的是同一件事，那我就倾向于把它关掉，甚至直接删掉。相反，如果我发现一个东西自己反复在用，而且确实好用，我就会继续往里看，搞清楚它到底为什么好用，再决定要不要把它沉淀成自己更稳定的一套东西。 另外，其实现在很多网上公开的 Skill，都是遇到需求以后直接让模型写出来的，而不是“尝试 → 错误 → 修改 → 沉淀”的产物，质量未必足够好。装好以后最好自己测一下，看看“用这个 Skill”和“不用这个 Skill”之间到底有没有差别；这件事也可以交给 Code Agent 自己做。 这只是其中一个例子。和 AI 协作不是不断往系统里加东西，有时候做减法更有用：留下有用的，去掉噪声。 警惕“效率幻觉” 不知道大家有没有这种感觉：每天用 AI 写代码的时候，产出看起来很多，推进也很快，但等真正沉下心回顾时，却很难说清楚自己到底做了什么，甚至有时候连当时为什么要那样做都不一定想得起来。 某种程度上，AI 把“做”的门槛压得很低，于是人很容易在需求还没想清楚的时候就先开做。想着“这个功能先 vibe 一下再说”，结果写着写着，需求开始漂，方向盘也交了出去。你没有想清楚，它也不会替你想清楚，它只会更快地把一个模糊的东西做出来。 如果只是一味把 AI 当替身，让它一路写、一路改、一路带着你走，那本来应该由自己完成的理解、判断和取舍，也会一起被外包出去。最后得到的，可能不是更强的能力，而是一种“虚假生产力”。 对我来说，一个很重要的边界就是：我是否还能清晰地主导“问题表述”和“验收标准”。如果这两样开始模糊，那就很危险了。如果你自己都还不知道想要什么，就先别急着干。否则可能后面看起来还在推进，但推进的东西到底对不对，自己其实已经没那么确定了。 我对抗“效率幻觉”大概有两步。 第一步，是把决策可视化。 我会尽量把自己思考的东西打出来，输入到幕布里，再转成思维导图去看。这里最关键的不是工具，而是要自己动手，尽量不要复制粘贴。AI 可以辅助，但这一步我更希望是我自己在输入、在整理、在重新组织。因为只有这样，我才能确认这些内容真的是我自己想清楚的，而不是只是看 AI 说得很顺，就默认它是对的。 某种意义上，这一步对我来说是 100% 的“人在回路”。它会在物理层面强制我把思考重新接回来，同时也能保证持续专注，因为这件事没法并行，也没法偷懒。 第二步，是主动抽离。 抽离对我来说，不只是休息一下，而是一个避免局部最优、避免反刍、恢复元认知的过程。 因为和 AI 协作久了以后，很容易出现一种情况：对话越来越顺，内容越来越连贯，于是人会慢慢产生一种“我们正在前进”的感觉。问题在于，这种流畅感本身就会削弱人的警惕性。清醒的时候，你还会不断追问：这一步的依据是什么？风险在哪里？但到了后期，尤其是累的时候，人更容易接受那些“语言上讲得通”的东西，于是决策权就会默默让渡出去。 而且这种让渡通常不是一下子发生的，它更像是一个渐变的滑坡。 所以我的做法会更偏物理一些。比如我坐在电脑前工作一段时间以后，会刻意离开电脑，站起来走一走，喝点水，强制把自己从当前状态里抽出来。我的大脑并没有停止，只是像经历了一次重启。然后我再回来重新看：我们现在到底进展到了什么地步？如果我要给别人汇报进展，我会怎么汇报？我们现在做的这件事，真的是对的吗？ 对我来说，这一步很重要。因为很多时候，所谓“效率幻觉”不是你做得不够多，而是你已经做了很多，但你开始说不清自己到底为什么这么做了。 -— ## 五、AI时代生存（学习）指南 学会主动降噪 这是一个什么时代呢？因为我有每天听播客、看最新动态的习惯，很容易会有一些错觉：好像每天都有新模型、新工具、新 Agent 发布，感觉世界每天都在被重写。 变化当然是真的，焦虑也不是空穴来风，很多岗位裁员是真的，岗位收缩是真的，很多公司也确实把 AI、效率、组织重构这些话术和 headcount 变化绑在一起。但越是在这个时候，越不能被噪声牵着走，把所有信息都理解成“全完了，过一阵子就全部都失业了”。 同时，要明白很多信息本身也带着浮夸、博眼球的成分。不要失真地理解现实，不要被节奏带跑，焦虑地过日子，焦虑既不解决问题，也伤身。 主变量是人 目前，AI 可以辅助探索、生成、执行。但是不能替代你对问题表述、验收标准、必要取舍和决策的主导权。这应该要成为共识。 变化是真的，所以不能躺平；起码在现在这个阶段，大家能用到的 AI，无论是 GPT、Claude、Gemini，还是国内的 GLM、DeepSeek、Kimi、MiniMax 等等，差距没有大到离谱的程度。（当然，能用最好的还是用最好的） 更大的区别还是在于用 AI 的人。同样的一个模型，不同的人用出来的效果是不一样的。小学生和数学家用同一个 AI 去做数学，最后发挥出来的力量肯定是不一样的。所以说，这个时代，要学习。 如果把“人是主变量”这件事再画得更直接一点，大概就是下面这个样子。 不能只会用 AI 如果你完全不懂你现在让 AI 做的事情，那你几乎是无法判断和分辨好坏的，也是无法做到经验累积的，你只能做一个搬运工。而这样长期下去，过度依赖 AI 而不学习会导致能力萎缩，最终个人能力可能逐渐倒退至完全被 AI 的能力所 cover，这是很可怕的一件事情。 如果你发现 AI 在跑，你只是盯着控制台发呆，刷手机，最后再把结果原样拿来用，或许该警惕了。 学什么，怎么学 学什么呢？去学概念、原理、表达、审美、判断。 决定能不能进入一个领域的概念与原理的知识是不会太多的。抓住这些主干，你就能够更快进入这个领域的 space，知道它的大致边界、结构和内在关系。 所以不要碎片化地去追热点，什么火去学什么，可能这样学到的只是表象。应该要去学概念，学原理。建立起自己的地图，知道自己在哪，知道哪些概念是主干，哪些是枝叶。然后让 AI 帮你逐步展开、解释、练习。 这是一个非常适合学习的时代。我个人深切感受到了，很多过去晦涩难懂的知识，现在都可以让 AI 用你能理解的话解释；也可以扮演导师的角色拷打你，可以用苏格拉底式的问答逼你去把问题想得更深一点。 人机关系 有关人机关系，我想到的最差的关系是：自己不思考，只会搬运 AI 的答案。 最理想的路线是：自己有知识基础，有判断力，知道什么是好的，知道自己想要什么，然后让 AI 去帮你探索、生成、执行。 推荐的一些材料 如果你暂时找不到意义，不知道这样飞速发展的时代应该做什么，感到焦虑和迷茫，那么去学习吧。如果暂时不知道学什么，或者想从 coding agent 这条线入门，我推荐几个对我来说帮助比较大的材料： - Learn ClaudeCode / `shareAI-lab/learn-claude-code` 适合从 0 到 1 理解 agent harness。 - Auto-claude-code-research-in-sleep / ARIS 的 skills 适合做学术研究，尤其是如果将 coding agent 与学术研究结合。 - `obra/superpowers` 适合看一套完整的 agentic skills framework 和软件工程方法论。 -— 六、对于我来说，不得不思考的一些问题 当未来 AI 产品与我们生活方方面面紧密结合时，会发生什么？ 我现在也会警惕另一件事：人和 AI 协作久了以后，不一定只是效率更高了，也可能是在慢慢学会用 AI 听得懂的方式去表达自己。目标可能会变得更结构化，更 AI friendly，原本那些模糊、犹豫的东西是不是会慢慢变少？短期看，是沟通成本变低，执行变快，效率变高了；但反过来看，是不是也意味着我们也正在一点点变成一个更容易被系统理解、也更容易被系统预测的人呢？ 另外，这种变化不是单向的，AI 会通过我的历史行为学习我，而我也会通过和 AI 协作的反馈学会怎么更快地得到结果。久而久之，就可能形成一种闭环：我越来越习惯某种提问方式、某种表达风格，而 AI 也会越来越顺着我。可这就是问题，它这样做太容易让人觉得“这就是我的想法”了，实际上可能是一种坍缩。看似是 AI 和人共同进化，实际上有可能只是你变简单了。 4 个帖子 - 4 位参与者 阅读完整话题
用的team 2 个帖子 - 1 位参与者 阅读完整话题
mindlab-research/Macaron-V1-Preview-749B · Hugging Face — mindlab-research/Macaron-V1-Preview-749B · Hugging Face 1 个帖子 - 1 位参与者 阅读完整话题
我们是一个在出海赛道深耕10年、已稳定盈利6年的成熟团队，业务扎实，现金流健康。现在，我们以创业心态，组建一个全新的、独立的 AlLab。 CEO是迅雷前十号员工&技术VP，历经PC互联网、移动互联网，成员中一半以上是来自迅雷/腾讯的研发+产品骨干，技术基因重；牛人多，公司弹性扁平管理，崇尚硅谷和极客风格，凡事注重深度思考，以结果为导向，关注团队伙伴成长和发挥空间的学习型组织，欢迎相同”气味“的伙伴加入； 我们正在找一位工程师，一起在内部实验室里，把各种前沿的AI想法变成真正能跑起来的应用。 我们不太关心你过去几年的Title是算法、后端还是前端，更关心的是：你是不是那个“用代码验证想法”的人。我见过很多优秀的同事，他们最打动我的，不是完美的履历，而是一个放在GitHub上的个人项目，或是一段为了解决自己某个麻烦而写的自动化脚本。如果你也这样，我们大概率能聊得来。 希望你有： 不错的技术手感，能用Python/JS/Go等语言，把想法清晰、稳定地实现出来。 对AI技术有持续的、自发的好奇心，愿意花时间去琢磨和尝试新东西。 最重要的：请准备好一两个你自己做过的AI相关项目。可以是用API搭的小工具，是调试过的一个开源模型，或是任何能体现你“动手了”的成果。面试时，我们想先听听你的项目故事。 在这里，你可以： -和一个小而专注的团队一起，直接参与到从技术原型到可用功能的完整过程。 接触到最新的模型、工具和算力资源，有充足的空间去试错和验证。 在一个看重“做了什么”胜过“说了什么”的环境里，获得扎实的成长。 如果你觉得对路，欢迎直接沟通。请务必在招呼时，简单提一下你做过最相关或最感兴趣的一个项目，附上链接（GitHub/Demo/文章都行）就更好。这样我们能最快地了解彼此，期待与你交流。 1 个帖子 - 1 位参与者 阅读完整话题
Pro 5x web 端，刚刚发现打开以前的对话或者以前创建的项目时，提示： This content is unavailable or could not be found. Something went wrong. If this issue persists please contact us through our help center at help.openai.com ." 新建对话是正常的，就是历史的打不开。 想问问有没有佬遇到过同样情况？ 1 个帖子 - 1 位参与者 阅读完整话题
pi 可太上头了 核心配置： { "lastChangelogVersion": "0.78.1", "packages": [ "npm:pi-mcp-adapter", "npm:@ff-labs/pi-fff", "npm:@juicesharp/rpiv-ask-user-question", "npm:@gotgenes/pi-permission-system", "npm:@juicesharp/rpiv-args", "npm:@narumitw/pi-goal", "npm:@hsingjui/pi-hooks", "npm:@vanillagreen/pi-skills-manager", "npm:pi-cache-optimizer", "npm:pi-tool-display", "npm:pi-hash-anchored-edit", "npm:@tifan/pi-inline-skills", "npm:pi-agentsmd", "npm:@agnishc/edb-context-viewer", "npm:@sting8k/pi-vcc", "npm:@tintinweb/pi-subagents", "npm:@tintinweb/pi-tasks", "npm:pi-system-prompt", "npm:pi-bg-run", "npm:pi-aliases" ], "defaultProvider": "openai-responses", "defaultModel": "gpt-5.5", "images": { "blockImages": true, "autoResize": true }, "showHardwareCursor": false, "terminal": { "showTerminalProgress": true, "clearOnShrink": false }, "steeringMode": "all", "transport": "auto", "hideThinkingBlock": false, "quietStartup": true, "treeFilterMode": "all", "doubleEscapeAction": "tree", "theme": "dark", "defaultThinkingLevel": "high", "autocompleteMaxVisible": 1000000, "followUpMode": "all", "compaction": { "enabled": true, "reserveTokens": 16384, "keepRecentTokens": 32768 }, "collapseChangelog": true, "retry": { "enabled": true, "maxRetries": 10, "baseDelayMs": 2000, "provider": { "timeoutMs": 3600000, "maxRetries": 0, "maxRetryDelayMs": 360000 } }, "thinkingBudgets": { "minimal": 1024, "low": 4096, "medium": 10240, "high": 16384, "xHigh": 32768 }, "branchSummary": { "skipPrompt": true } } 如果这些配置你不知道什么意思，那很简单，把pi安装后，让他为你解释每一个值。 # Pi 已安装扩展包配置整理 ## 1. `pi-mcp-adapter` 2.9.0 **证据**：`pi-mcp-adapter/config.ts`, `pi-mcp-adapter/types.ts`, `pi-mcp-adapter/index.ts`。 ### 配置文件读取顺序/位置 `loadMcpConfig()` 会合并这些来源，后面的源覆盖前面的同名 server： 1. 共享全局：`~/.config/mcp/mcp.json` 2. Pi 全局：`~/.pi/agent/mcp.json`（受 `PI_CODING_AGENT_DIR` 影响） 3. 项目共享：`<cwd>/.mcp.json` 4. 项目 Pi：`<cwd>/.pi/mcp.json` 也可用 Pi flag 覆盖全局 Pi 配置路径： ```bash pi --mcp-config /path/to/mcp.json 可导入外部 MCP 配置 根字段 imports 支持： { "imports": ["cursor", "claude-code", "claude-desktop", "codex", "windsurf", "vscode"] } 对应候选路径包括： cursor: ~/.cursor/mcp.json claude-code: ~/.claude/mcp.json , ~/.claude.json , ~/.claude/claude_desktop_config.json claude-desktop: ~/Library/Application Support/Claude/claude_desktop_config.json codex: ~/.codex/config.json windsurf: ~/.windsurf/mcp.json vscode: <cwd>/.vscode/mcp.json 根配置结构 { "mcpServers": { "serverName": { "command": "npx", "args": ["-y", "some-mcp"], "env": {}, "cwd": "/optional/cwd", "url": "https://example.com/mcp", "headers": {}, "auth": "oauth", "bearerTokenEnv": "TOKEN_ENV", "lifecycle": "lazy", "idleTimeout": 10, "exposeResources": true, "directTools": false, "excludeTools": [], "debug": false } }, "imports": [], "settings": {} } mcpServers.* 配置项 字段 类型/可选值 默认/行为 建议 command string stdio MCP 命令 本地 MCP 用 command + args args string[] [] 固定版本优于裸 latest env object 传给子进程 API key 用环境变量，不写明文 cwd string 当前目录 需要项目上下文时设置 url string HTTP MCP 远程 MCP 用 headers object HTTP headers 避免写 secret，优先 bearerTokenEnv auth "oauth" / "bearer" / false URL 存在时可自动检测 OAuth OAuth 服务用默认/ oauth ；静态 token 用 bearer bearerToken string 静态 Bearer 不建议，除非临时测试 bearerTokenEnv string 从环境变量取 Bearer 推荐 oauth object / false SDK 动态注册 优先省略；需要固定 client 时再填 lifecycle "keep-alive" / "lazy" / "eager" 源码未在类型处写默认 多数用 lazy ；高频服务用 keep-alive idleTimeout number 分钟； 0 禁用 覆盖全局 settings.idleTimeout 默认 10 左右；耗资源服务不要 0 exposeResources boolean 是否暴露资源 需要 MCP resources 才开 directTools boolean / string[] 覆盖全局 direct tools 常用少量工具可用 string[] 精确暴露 excludeTools string[] 排除工具/资源 建议排除危险或噪声工具 debug boolean 显示 server stderr 排错时 true，日常 false settings 配置项 字段 可选值 建议值 toolPrefix "server" / "none" / "short" server ，避免工具重名 idleTimeout number 分钟， 0 禁用 10 ；不要长期 keep-alive 太多 server directTools boolean 少量高频 MCP 可设 true ，否则默认即可 disableProxyTool boolean 保持 false ，除非只想 direct tools autoAuth boolean 可信 MCP 可 true ；不确定用 false /默认 sampling boolean 默认关闭更安全；需要 MCP sampling 才开 samplingAutoApprove boolean 建议 false ，避免无确认模型调用 elicitation boolean 需要 MCP 交互式 elicitation 才开 elicitationAutoOpenUrls boolean 建议 false authRequiredMessage string，支持 ${server} 可自定义为团队提示 推荐示例 { "mcpServers": { "filesystem": { "command": "npx", "args": ["-y", "@modelcontextprotocol/server-filesystem", "/Users/rao/project"], "lifecycle": "lazy", "idleTimeout": 10, "debug": false } }, "settings": { "toolPrefix": "server", "idleTimeout": 10, "directTools": false, "disableProxyTool": false, "sampling": false, "samplingAutoApprove": false, "elicitationAutoOpenUrls": false } } 2. @ff-labs/pi-fff 0.9.1 证据 ： @ff-labs/pi-fff/src/index.ts , README。 配置入口 pi-blackhole 无 JSON 配置文件。配置来源优先级：Pi flag > 环境变量 > 默认值。 配置 来源 可选值/含义 默认 建议 mode --fff-mode / PI_FFF_MODE tools-and-ui / tools-only / override tools-and-ui 当前默认很好；若与其他编辑器 UI 冲突用 tools-only frecency DB --fff-frecency-db / FFF_FRECENCY_DB 自定义 frecency 数据库路径 fff-node 默认 通常不设 history DB --fff-history-db / FFF_HISTORY_DB 自定义 query history 数据库路径 fff-node 默认 通常不设 multi grep PI_FFF_MULTIGREP=1 启用实验性 multi_grep 关闭 不建议开启，源码注释称可能有害 推荐：保持默认；如你只想要 ffgrep/fffind 工具、不想替换 editor mention UI： PI_FFF_MODE=tools-only pi 3. pi-tool-display 0.4.2 证据 ： pi-tool-display/src/config-store.ts , src/types.ts , config/config.example.json 。 配置文件 ~/.pi/agent/extensions/pi-tool-display/config.json 受 PI_CODING_AGENT_DIR 影响。 配置项 字段 可选值/范围 默认 建议 registerToolOverrides.read/grep/find/ls/bash/edit/write boolean 全 true 保持 true；若与其它工具展示扩展冲突，再关闭对应项 enableNativeUserMessageBox boolean true 保持 true readOutputMode hidden / summary / preview hidden hidden ，避免重复占屏；想看 read 摘要可 summary searchOutputMode hidden / count / preview hidden hidden 或 count mcpOutputMode hidden / summary / preview hidden summary 更利于排查 MCP；安静模式用 hidden previewLines 1–80 8 8–12 expandedPreviewMaxLines 0–20000 4000 2000–4000 bashOutputMode opencode / summary / preview opencode 保持 opencode bashCollapsedLines 0–80 10 10–20 diffViewMode auto / split / unified auto 保持 auto diffIndicatorMode bars / classic / none bars 保持 bars diffSplitMinWidth 70–240 120 宽屏 120；窄屏 100 diffCollapsedLines 4–240 24 24–60 diffWordWrap boolean true 保持 true showTruncationHints boolean false 排查截断时 true showRtkCompactionHints boolean false 通常 false 推荐示例： { "registerToolOverrides": { "read": true, "grep": true, "find": true, "ls": true, "bash": true, "edit": true, "write": true }, "enableNativeUserMessageBox": true, "readOutputMode": "hidden", "searchOutputMode": "count", "mcpOutputMode": "summary", "previewLines": 10, "expandedPreviewMaxLines": 4000, "bashOutputMode": "opencode", "bashCollapsedLines": 12, "diffViewMode": "auto", "diffIndicatorMode": "bars", "diffSplitMinWidth": 120, "diffCollapsedLines": 32, "diffWordWrap": true, "showTruncationHints": false, "showRtkCompactionHints": false } 4. @juicesharp/rpiv-ask-user-question 1.18.2 证据 ： @juicesharp/rpiv-ask-user-question/config.ts , @juicesharp/rpiv-config/config.ts 。 配置文件 ~/.config/rpiv-ask-user-question/config.json 配置项 只读 guidance ： { "guidance": { "promptSnippet": "Ask structured clarification questions", "promptGuidelines": ["Use ask_user_question when concrete decisions are required."] } } 字段 类型 默认 建议 guidance.promptSnippet non-empty string 包内默认 tool prompt 通常不设 guidance.promptGuidelines non-empty string[] 包内默认 guidelines 除非你要覆盖/增强 LLM 使用策略，否则不设 备注：README 提到 locale 由 --locale → ~/.config/rpiv-i18n/locale.json → LANG/LC_ALL → English 解析，这是共享 i18n 行为，不是此包专属配置。 5. @juicesharp/rpiv-todo 1.18.2 证据 ： @juicesharp/rpiv-todo/config.ts , @juicesharp/rpiv-config/config.ts 。 配置文件 ~/.config/rpiv-todo/config.json 配置项 同样只读 guidance ： { "guidance": { "promptSnippet": "Track multi-step work with todo", "promptGuidelines": ["Use todo for work with 3+ steps."] } } 建议：通常不配置；保持包默认即可。locale 同上可由 ~/.config/rpiv-i18n/locale.json 或环境变量控制。 7. pi-cache-optimizer 2.5.5 证据 ： pi-cache-optimizer/index.ts 。 配置入口 没有 JSON 配置文件；使用环境变量和 slash 命令。会写状态文件： ~/.pi/agent/pi-cache-optimizer-stats.json legacy 状态文件： ~/.pi/agent/deepseek-cache-optimizer-stats.json 环境变量 环境变量 值 默认/行为 建议 PI_CACHE_RETENTION long 扩展加载时自动设置为 long 保持自动 PI_CACHE_OPTIMIZER_OPENAI_CACHE_KEY string，最长 64 给 OpenAI prompt cache/session affinity 用 多会话/代理需要稳定命中时设置 PI_CACHE_OPTIMIZER_NO_OPENAI_CACHE_KEY 任意非空常用于 opt-out 禁用 OpenAI cache key 行为 通常不设 PI_CACHE_OPTIMIZER_NO_SKILL_COMPRESSION 1 禁用 skill block 压缩 仅发现 skill 提示异常时设置 PI_CACHE_OPTIMIZER_NO_PROMPT_REWRITE 1 禁用 system prompt 重排/改写 排查 prompt 被破坏时设置 命令 /cache-optimizer 支持诊断/开关（源码注册命令描述：Diagnose Pi cache configuration）。常用： /cache-optimizer stats /cache-optimizer doctor /cache-optimizer compat /cache-optimizer enable /cache-optimizer disable 建议：保持启用；如果遇到 system prompt 结构异常，临时： PI_CACHE_OPTIMIZER_NO_PROMPT_REWRITE=1 pi 8. pi-btw 0.4.0 证据 ： pi-btw/README.md , pi-btw/extensions/btw.ts 。 无独立 JSON 配置文件。配置通过 slash 命令写入当前 session 的 hidden custom entries，随会话保存。 可配置项/命令 命令 含义 建议 `/btw:model [ clear]` 设置 BTW 侧线程专用模型；无参数显示当前有效模型 默认继承主线程；只有侧聊想用便宜/快模型时设置 `/btw:thinking [ clear]` 设置 BTW 侧线程 thinking level 默认继承；侧聊建议 off / low /btw:new 新建继承当前上下文的 BTW thread 按需 /btw:tangent 新建不继承主上下文的 tangent thread 做头脑风暴时用 /btw:inject 把 BTW 全线程注入主 agent 只在结论明确后用 /btw:summarize 总结 BTW thread 后注入主 agent 推荐优先于 inject，减少上下文污染 /btw:clear 清空 BTW thread 任务完成后清理 建议：不需要文件配置。BTW-only 模型建议设置为便宜快速模型；如果主线程是高成本模型，侧聊可用： /btw:model openai gpt-5-mini openai-responses /btw:thinking off 9. @gotgenes/pi-permission-system 10.2.0 证据 ： src/config-paths.ts , src/config-loader.ts , config/config.example.json , src/types.ts 。 配置文件 新路径： 全局： ~/.pi/agent/extensions/pi-permission-system/config.json 项目： <cwd>/.pi/extensions/pi-permission-system/config.json legacy 路径仍会检测/读取并提示迁移： ~/.pi/agent/pi-permissions.jsonc <cwd>/.pi/agent/pi-permissions.jsonc 扩展根目录 config.json 合并顺序：legacy global → legacy extension → new global → legacy project → new project。项目新配置优先级最高。 顶层配置项 字段 类型 默认/行为 建议 debugLog boolean 未配置为空/false 行为 日常 false permissionReviewLog boolean example 为 true 建议 true，便于审计 yoloMode boolean false 强烈建议 false permission object 未配置时按扩展内部策略 强烈建议显式配置 example 里还有 toolInputPreviewMaxLength , toolTextSummaryMaxLength , piInfrastructureReadPaths ；当前 normalizeUnifiedConfig() 只归一化 debugLog , permissionReviewLog , yoloMode , permission ，这几个字段在本版本主配置 loader 中不会进入 UnifiedPermissionConfig 。是否被其它路径使用需以后单独验证；保守起见不依赖它们。 permission 规则 PermissionState 只有： allow / deny / ask 。 规则形态： { "permission": { "*": "ask", "read": "allow", "write": "deny", "bash": { "*": "ask", "git status": "allow" } } } 每个 surface 可以是字符串（相当于 * ）或 pattern→action map。 常见 surface： * ：默认兜底 path ：路径规则 built-in tools: read , write , edit , bash mcp ：MCP 工具 skill ：skill 调用 external_directory ：外部目录访问 推荐全局配置 { "$schema": "https://raw.githubusercontent.com/gotgenes/pi-permission-system/main/schemas/permissions.schema.json", "debugLog": false, "permissionReviewLog": true, "yoloMode": false, "permission": { "*": "ask", "path": { "*": "allow", "*.env": "deny", "*.env.*": "deny", "*.env.example": "allow" }, "read": "allow", "write": "ask", "edit": "ask", "bash": { "*": "ask", "git status": "allow", "git diff": "allow", "git log*": "allow", "ls*": "allow", "pwd": "allow" }, "mcp": { "*": "ask", "mcp_status": "allow", "mcp_list": "allow" }, "skill": { "*": "ask" }, "external_directory": { "*": "ask" } } } 建议：项目级配置可以比全局更严格；不要开 yoloMode ，除非是在一次性、可恢复的 sandbox。 10. @juicesharp/rpiv-args 1.18.2 证据 ： @juicesharp/rpiv-args/args.ts , index.ts 。 无独立配置文件。它增强 /skill:<name> <args> 行为： 支持 $1 , $2 , $ARGUMENTS , $@ , ${@:N[:L]} 参数替换 支持 ${SKILL_DIR} , ${SESSION_ID} 变量替换 支持 skill body 中 shell 执行：inline !`cmd` 、block ! ... shell 超时可通过 skill frontmatter 配置： shell-timeout skill frontmatter 配置项 字段 类型/值 默认 建议 shell-timeout number 秒； 0 禁用超时 120 秒 有 shell 的 skill 建议显式 30–120；不建议 0 示例： --- shell-timeout: 60 --- 请分析：$ARGUMENTS 当前目录文件： !`find . -maxdepth 2 -type f | head -50` 11. pi-mono-multi-edit 1.7.3 证据 ： pi-mono-multi-edit/index.ts 。 无配置文件、无环境变量。它替换/增强内置 edit 工具，新增： multi : 多个 exact replace 顺序执行 patch : Codex-style patch 建议：无需配置。使用层面建议： 小范围精确替换： path + oldText + newText 多处重复替换： multi 多文件/hunk： patch 不要同时使用 patch 和 classic 参数（源码会报错） 12. @narumitw/pi-goal 0.1.36 证据 ： @narumitw/pi-goal/src/goal.ts 。 状态文件 ~/.pi/agent/pi-goal-state.json 若设置 PI_CODING_AGENT_DIR ，路径为： $PI_CODING_AGENT_DIR/pi-goal-state.json 可配置/命令 无独立配置文件；通过 /goal 命令控制 active goal： /goal [--tokens 100k] <goal_to_complete> /goal pause /goal resume /goal clear /goal edit ... --tokens 是 per-goal token budget，不是全局配置。 建议：不要手改状态文件；通过 /goal 管理。 13. @hsingjui/pi-hooks 0.0.2 证据 ： @hsingjui/pi-hooks/src/config.ts , src/types.ts , README.zh-CN。 配置文件 读取并合并： 全局： ~/.pi/agent/settings.json 项目： <cwd>/.pi/settings.json 字段为顶层 hooks 。同一事件的 global hooks + project hooks 会拼接执行。 支持事件名 大小写/下划线别名都支持： SessionStart / session_start SessionEnd / session_end PreCompact / pre_compact PostCompact / post_compact PreToolUse / pre_tool_use PostToolUse / post_tool_use PostToolUseFailure / post_tool_use_failure UserPromptSubmit / user_prompt_submit Stop / stop 配置结构 { "hooks": { "PreToolUse": [ { "matcher": "bash", "hooks": [ { "type": "command", "command": "echo $PI_HOOK_CONTEXT", "timeout": 10, "async": false, "if": "true" } ] } ] } } 字段 类型/可选值 默认/行为 建议 group matcher regex string； undefined / "" / "*" 匹配全部 匹配事件值（toolName/prompt/source 等） 尽量写窄，避免全局误触发 group hooks Hook[] 空则无动作 按顺序少量执行 hook type 目前只有 "command" 必填 固定 hook command shell command 必填 命令要幂等，避免破坏性操作 hook if string 可选 复杂条件建议先不用 hook timeout number 秒 可选 建议 5–30 秒 hook async boolean false/同步 不影响主流程的通知类 hook 可 true 建议：用于审计、格式化、通知很适合；不要在 hook 里做慢任务或危险写操作。 14. @tintinweb/pi-subagents 0.10.0 证据 ： src/settings.ts , src/custom-agents.ts , src/types.ts , src/agent-manager.ts , src/agent-runner.ts , README/CHANGELOG。 运行设置文件 全局： ~/.pi/agent/subagents.json （只读；手工维护） 项目： <cwd>/.pi/subagents.json （ /agents → Settings 会写入；覆盖全局） subagents.json 配置项 字段 类型/范围 默认 建议 maxConcurrent int 1–1024 4 3–4；机器弱/模型慢用 2 defaultMaxTurns int 0–10000；0=unlimited unlimited 建议 20–40，防 runaway；探索类可 10–20 graceTurns int 1–1000 5 3–5 defaultJoinMode async / group / smart smart 保持 smart schedulingEnabled boolean true 不用定时 agent 可 false，减少 tool schema scopeModels boolean false 若你使用 /scoped-models 控成本，建议 true 推荐项目配置： { "maxConcurrent": 3, "defaultMaxTurns": 30, "graceTurns": 5, "defaultJoinMode": "smart", "schedulingEnabled": false, "scopeModels": true } 自定义 agent 文件 发现路径： 项目： <cwd>/.pi/agents/*.md 全局： ~/.pi/agent/agents/*.md （受 PI_CODING_AGENT_DIR 影响） 项目同名覆盖全局；同名也可覆盖默认 agent（如 Explore.md ）。 frontmatter 字段： 字段 类型/可选值 默认/行为 建议 display_name string 文件名 可读名称 description string 文件名 写清何时使用/何时不要用 tools CSV； * / all =全部内置；可含 ext:<tool> 全部内置 最小权限原则，只给需要的工具 disallowed_tools CSV 无 明确禁用 bash,write,edit 等 extensions / inherit_extensions true / false / none / CSV true 默认 true；安全敏感 agent 设 false skills / inherit_skills true / false / none / CSV true 只预加载必要 skills model provider/modelId 或可解析模型名 继承/调用参数 成本敏感 agent 固定便宜模型 thinking Pi thinking level 未设 探索 low/off；计划 medium max_turns non-negative int；0=unlimited 全局 default 建议显式 10–30 prompt_mode replace / append replace 专用 agent 用 replace ；需继承主系统提示用 append inherit_context boolean 调用方决定 默认 false；需要父会话上下文才 true run_in_background boolean 调用方决定 通常不在 frontmatter 固定 isolated boolean 调用方决定 安全探索 true；需要扩展工具则 false memory user / project / local 无 少用；长期专业 agent 可 project isolation worktree 无 改代码型 agent 可用，但需 git repo enabled boolean true 临时禁用设 false 示例： --- description: "只读探索代码位置，禁止修改文件。" tools: read, grep, find, ls disallowed_tools: bash, write, edit extensions: none skills: none thinking: low max_turns: 12 prompt_mode: replace --- 你是只读代码探索 agent。只查找和总结，不修改文件。 schedule 状态文件 启用 schedule 且创建定时任务后写入： <cwd>/.pi/subagent-schedules/<sessionId>.json 建议：如果你不用定时 agent，把 schedulingEnabled 设为 false 。 15. @narumitw/pi-statusline 0.1.36 证据 ： @narumitw/pi-statusline/src/statusline.ts , README。 无 JSON 配置文件。唯一用户配置： 环境变量 可选值 默认 建议 PI_STATUSLINE_PRESET tokyo-night / classic tokyo-night 喜欢 powerline 样式用默认；兼容性/简洁优先用 classic 示例： PI_STATUSLINE_PRESET=classic pi 内部默认配置（源码固定，当前版本不可通过文件改）： palette : candy density : compact separator : dot showLabels : false segments : brand, model, thinking, cwd, branch, tools, context, tokens, cost, time 还会读取 ~/.pi/agent/settings.json 和 <cwd>/.pi/settings.json 的 packages ，用于检测重复安装来源；这不是用户可调的 statusline 配置。 建议优先级 先配权限 ： @gotgenes/pi-permission-system ，至少保护 .env 、写操作、bash、MCP。 再配 MCP ：如果用 MCP，集中维护 ~/.pi/agent/mcp.json ；项目私有 MCP 放 <cwd>/.pi/mcp.json 。 再配 subagents ：建议限制 maxConcurrent/defaultMaxTurns ，不用 schedule 就关掉。 UI 类默认即可 ： pi-tool-display , pi-statusline , pi-fff 大多默认值可用。 高风险/强行为扩展谨慎 ： pi-blackhole , pi-cache-optimizer 会改 compaction/prompt/cache 行为；出问题优先用 env 临时关闭相关能力。 快速推荐配置清单 ~/.pi/agent/extensions/pi-permission-system/config.json { "$schema": "https://raw.githubusercontent.com/gotgenes/pi-permission-system/main/schemas/permissions.schema.json", "debugLog": false, "permissionReviewLog": true, "yoloMode": false, "permission": { "*": "ask", "path": { "*": "allow", "*.env": "deny", "*.env.*": "deny", "*.env.example": "allow" }, "read": "allow", "write": "ask", "edit": "ask", "bash": { "*": "ask", "git status": "allow", "git diff": "allow", "git log*": "allow", "ls*": "allow", "pwd": "allow" }, "mcp": { "*": "ask", "mcp_status": "allow", "mcp_list": "allow" }, "skill": { "*": "ask" }, "external_directory": { "*": "ask" } } } <project>/.pi/subagents.json { "maxConcurrent": 3, "defaultMaxTurns": 30, "graceTurns": 5, "defaultJoinMode": "smart", "schedulingEnabled": false, "scopeModels": true } ~/.pi/agent/extensions/pi-tool-display/config.json { "registerToolOverrides": { "read": true, "grep": true, "find": true, "ls": true, "bash": true, "edit": true, "write": true }, "enableNativeUserMessageBox": true, "readOutputMode": "hidden", "searchOutputMode": "count", "mcpOutputMode": "summary", "previewLines": 10, "expandedPreviewMaxLines": 4000, "bashOutputMode": "opencode", "bashCollapsedLines": 12, "diffViewMode": "auto", "diffIndicatorMode": "bars", "diffSplitMinWidth": 120, "diffCollapsedLines": 32, "diffWordWrap": true, "showTruncationHints": false, "showRtkCompactionHints": false } 复核清单 已覆盖用户列出的 15 个包： npm:pi-mcp-adapter npm:@ff-labs/pi-fff npm:pi-tool-display npm:@juicesharp/rpiv-ask-user-question npm:@juicesharp/rpiv-todo npm:pi-blackhole npm:pi-cache-optimizer npm:pi-btw npm:@gotgenes/pi-permission-system npm:@juicesharp/rpiv-args npm:pi-mono-multi-edit npm:@narumitw/pi-goal npm:@hsingjui/pi-hooks npm:@tintinweb/pi-subagents npm:@narumitw/pi-statusline 2026-06-06 当前 agent/settings.json packages 快照（本机安装版本） 追加方式：按用户确认， 不重写上文历史内容 ，只在末尾追加当前快照。 版本来源：本机 /Users/rao/.pi/agent/npm/node_modules/*/package.json 。未联网查询、未执行 pi update 。 settings 来源： /Users/rao/.pi/agent/settings.json 当前 packages 共 16 个。 当前已安装包总览 # settings 条目 本机版本 主要配置入口 是否建议配置 1 npm:pi-blackhole 0.3.5 ~/.pi/agent/pi-blackhole/pi-blackhole-config.json + env 已有配置，建议保守复核 2 npm:pi-mcp-adapter 2.9.0 ~/.pi/agent/mcp.json 、项目 .pi/mcp.json 、 --mcp-config 已有 MCP server，建议持续维护 3 npm:@ff-labs/pi-fff 0.9.1 flags / env 默认即可 4 npm:pi-tool-display 0.4.2 ~/.pi/agent/extensions/pi-tool-display/config.json 可按 TUI 偏好配置 5 npm:@juicesharp/rpiv-ask-user-question 1.18.2 ~/.config/rpiv-ask-user-question/config.json 通常不用 6 npm:@juicesharp/rpiv-todo 1.18.2 ~/.config/rpiv-todo/config.json 通常不用 7 npm:@gotgenes/pi-permission-system 10.3.0 ~/.pi/agent/extensions/pi-permission-system/config.json + 项目同路径 已有配置，建议补齐 surface 8 npm:@juicesharp/rpiv-args 1.18.2 skill frontmatter / skill body 仅写 skill 时需要 9 npm:@narumitw/pi-goal 0.1.36 /goal 命令 + ~/.pi/agent/pi-goal-state.json 状态文件 不建议手改状态 10 npm:@hsingjui/pi-hooks 0.0.2 settings.json 顶层 hooks 需要 hooks 时配置 11 npm:@vanillagreen/pi-skills-manager 1.1.1 settings.json 的 vstack.extensionManager.config 可选，按 UI 偏好配置 12 npm:pi-nano-context 0.1.1 无独立配置 不需要 13 npm:pi-subagents 0.28.0 ~/.pi/agent/extensions/subagent/config.json + settings.json.subagents 建议按并发/安全策略配置 14 npm:pi-intercom 0.6.0 ~/.pi/agent/intercom/config.json 多 session 协作时建议配置 15 npm:pi-cache-optimizer 2.5.5 env + /cache-optimizer + stats 文件 默认启用即可 16 npm:@narumitw/pi-plan-mode 0.1.36 /plan 、 --plan 、 /plan tools 不需要持久配置 当前本机已有相关配置文件（只记录结构，不展开 secret） 配置文件 当前状态 结构摘要 ~/.pi/agent/mcp.json 存在 顶层 mcpServers ；server 名称： tavily , context7 ~/.pi/agent/pi-blackhole/pi-blackhole-config.json 存在 包含 compaction , compactionEngine , tailBehavior , token 阈值、 memory , debugLog 等 ~/.pi/agent/extensions/pi-permission-system/config.json 存在 顶层 $schema , debugLog , permissionReviewLog , yoloMode , permission ；当前 permission surfaces： * , external_directory , path , bash ~/.pi/agent/extensions/pi-tool-display/config.json 不存在 使用包默认值 ~/.config/rpiv-ask-user-question/config.json 不存在 使用包默认 guidance ~/.config/rpiv-todo/config.json 不存在 使用包默认 guidance ~/.pi/agent/intercom/config.json 不存在 使用包默认值 ~/.pi/agent/extensions/subagent/config.json 不存在 使用包默认值 ~/.pi/agent/pi-goal-state.json 不存在 当前未发现持久 active goal 状态文件 1. pi-blackhole 0.3.5 配置入口 主配置： ~/.pi/agent/pi-blackhole/pi-blackhole-config.json legacy fallback： ~/.pi/agent/pi-vcc-config.json 、 settings.json 中的 pi-blackhole / observational-memory env override： PI_BLACKHOLE_PASSIVE , PI_BLACKHOLE_COMPACTION , PI_BLACKHOLE_COMPACTION_ENGINE 等 关键配置建议 场景 建议 稳定优先 compaction: "manual" , compactionEngine: "pi-default" , tailBehavior: "pi-default" , memory: false 长会话 + 想用 blackhole memory compaction: "auto" , compactionEngine: "blackhole" , tailBehavior: "minimal" , memory: true 临时停用 启动时设置 PI_BLACKHOLE_PASSIVE=1 排错 临时 debug: true / debugLog: true ，排完关闭 当前本机已有该配置文件，建议只做复核，不建议在不了解效果时扩大 token 阈值或开启 debug 日志。 2. pi-mcp-adapter 2.9.0 配置入口 读取/合并顺序： ~/.config/mcp/mcp.json ~/.pi/agent/mcp.json <cwd>/.mcp.json <cwd>/.pi/mcp.json 可用 pi --mcp-config /path/to/mcp.json 指定路径 当前本机 ~/.pi/agent/mcp.json 存在，server 名称为 tavily , context7 。 关键配置建议 API token 优先放环境变量，配 bearerTokenEnv ，不要在 JSON 写明文 bearerToken 。 默认建议 settings.toolPrefix: "server" ，避免 MCP direct tool 重名。 多数 server 用 lifecycle: "lazy" + idleTimeout: 10 ；高频且稳定的 server 再考虑 keep-alive 。 sampling , samplingAutoApprove , elicitationAutoOpenUrls 默认关闭更安全。 direct tools 建议精确白名单，而不是全局无脑 directTools: true 。 3. @ff-labs/pi-fff 0.9.1 配置入口 ：无 JSON 配置文件；使用 Pi flags / env。 配置 来源 默认/建议 mode --fff-mode / PI_FFF_MODE 默认 tools-and-ui ；若 UI 冲突，用 tools-only frecency DB --fff-frecency-db / FFF_FRECENCY_DB 通常不设 history DB --fff-history-db / FFF_HISTORY_DB 通常不设 experimental multi grep PI_FFF_MULTIGREP=1 不建议日常开启 4. pi-tool-display 0.4.2 配置入口 ： ~/.pi/agent/extensions/pi-tool-display/config.json （当前不存在，使用默认值）。 常用建议值 { "readOutputMode": "hidden", "searchOutputMode": "count", "mcpOutputMode": "summary", "previewLines": 10, "expandedPreviewMaxLines": 4000, "bashOutputMode": "opencode", "bashCollapsedLines": 12, "diffViewMode": "auto", "diffIndicatorMode": "bars", "diffSplitMinWidth": 120, "diffCollapsedLines": 32, "diffWordWrap": true, "showTruncationHints": false, "showRtkCompactionHints": false } 建议：如果当前 TUI 输出没有干扰，先不建配置文件；只在想改变 read/search/MCP 输出展示时配置。 5. @juicesharp/rpiv-ask-user-question 1.18.2 配置入口 ： ~/.config/rpiv-ask-user-question/config.json （当前不存在）。 只读 guidance 配置，通常不需要覆盖： { "guidance": { "promptSnippet": "Ask structured clarification questions", "promptGuidelines": ["Use ask_user_question when concrete decisions are required."] } } 建议：保持包默认 guidance，除非你要改变 agent 何时使用结构化提问。 6. @juicesharp/rpiv-todo 1.18.2 配置入口 ： ~/.config/rpiv-todo/config.json （当前不存在）。 同样只读 guidance ： { "guidance": { "promptSnippet": "Track multi-step work with todo", "promptGuidelines": ["Use todo for work with 3+ steps."] } } 建议：保持默认即可。 7. @gotgenes/pi-permission-system 10.3.0 配置入口 全局： ~/.pi/agent/extensions/pi-permission-system/config.json 项目： <cwd>/.pi/extensions/pi-permission-system/config.json legacy： ~/.pi/agent/pi-permissions.jsonc , <cwd>/.pi/agent/pi-permissions.jsonc 当前本机已有全局配置；当前 permission surfaces 为 * , external_directory , path , bash 。 建议复核点 保持 yoloMode: false 。 建议 permissionReviewLog: true ，便于审计。 如果希望权限更明确，可补齐这些 surface： read , write , edit , mcp , skill 。 .env /secret 文件建议 deny 或至少 ask； bash 建议只 allow 明确安全命令（如 git status , git diff , pwd , ls* ）。 保守示例 { "debugLog": false, "permissionReviewLog": true, "yoloMode": false, "permission": { "*": "ask", "path": { "*": "allow", "*.env": "deny", "*.env.*": "deny", "*.env.example": "allow" }, "read": "allow", "write": "ask", "edit": "ask", "bash": { "*": "ask", "git status": "allow", "git diff": "allow", "git log*": "allow", "ls*": "allow", "pwd": "allow" }, "mcp": { "*": "ask", "mcp_status": "allow", "mcp_list": "allow" }, "skill": { "*": "ask" }, "external_directory": { "*": "ask" } } } 8. @juicesharp/rpiv-args 1.18.2 配置入口 ：无独立配置文件；作用在 skill 调用和 skill body。 支持： 参数替换： $1 , $2 , $ARGUMENTS , $@ , ${@:N[:L]} 变量替换： ${SKILL_DIR} , ${SESSION_ID} skill body shell substitution：inline !`cmd` 与 block ! ... skill frontmatter： shell-timeout （秒；默认 120， 0 为禁用超时） 建议：包含 shell substitution 的 skill 显式配置 shell-timeout: 30 到 120 ，避免无限等待。 9. @narumitw/pi-goal 0.1.36 配置入口 ：无独立配置文件；通过 /goal 管理。 状态文件： ~/.pi/agent/pi-goal-state.json （当前未发现） 常用命令： /goal <goal> , /goal pause , /goal resume , /goal clear , /goal edit ... --tokens 是 per-goal token budget，不是全局配置。 建议：不要手动编辑状态文件；需要清理时用 /goal clear 。 10. @hsingjui/pi-hooks 0.0.2 配置入口 ：全局/项目 settings.json 顶层 hooks 。 读取并合并： ~/.pi/agent/settings.json <cwd>/.pi/settings.json 当前全局 settings 未发现顶层 hooks 。 支持事件 ： SessionStart , SessionEnd , PreCompact , PostCompact , PreToolUse , PostToolUse , PostToolUseFailure , UserPromptSubmit , Stop （也支持 snake_case 别名）。 配置建议 hook 命令要幂等、短时、低风险。 matcher 尽量写窄，例如只匹配 bash 或某类 tool。 timeout 建议 5–30 秒。 通知类 hook 可用 async: true ；会影响主流程的 hook 谨慎使用。 11. @vanillagreen/pi-skills-manager 1.1.1 配置入口 ：写入 Pi settings 的 vstack 配置块，而不是独立 JSON 文件。 全局： ~/.pi/agent/settings.json ；项目： <cwd>/.pi/settings.json 。 { "vstack": { "extensionManager": { "config": { "@vanillagreen/pi-skills-manager": { "enabled": true, "hideStartupSkillsBlock": true, "aiGenerationEnabled": true, "defaultCreateLocation": "project", "popupWidth": "82%", "popupMaxHeight": "86%", "listRows": 14, "glyphStyle": "unicode" } } } } } 命令/行为 命令 作用 /skill 打开 skills manager /skill disable 禁用 manager feature toggle，需 /reload 卸载 /skill:enable 被禁用后的恢复命令 /skill:<name> 仍走 Pi 原生 skill invocation 配置建议 默认 enabled: true 、 hideStartupSkillsBlock: true 可减少启动噪声。 如果不希望用当前模型生成 skill 草稿，设 aiGenerationEnabled: false 。 defaultCreateLocation 建议项目技能用 project ，跨项目通用技能才用 global 。 终端 glyph 兼容性差时设 glyphStyle: "ascii" ，或用 @vanillagreen/pi-tool-renderer.globalGlyphStyleOverride=ascii 做全局覆盖。 12. pi-nano-context 0.1.1 配置入口 ：无独立配置文件、无用户 env 配置。 作用：替换默认 context meter，在 editor 下方显示紧凑 segmented bar，分段包括： sys ：system prompt pr ：用户 prompts / images assistant ：assistant replies / tool calls think ：thinking blocks tools ：tool results free ：剩余 context 建议：保持默认即可；如果和其它 statusline/context UI 冲突，再考虑移除该包。 13. pi-subagents 0.28.0 配置入口 扩展运行配置： ~/.pi/agent/extensions/subagent/config.json （当前不存在） builtin agent overrides： ~/.pi/agent/settings.json 或 <cwd>/.pi/settings.json 的顶层 subagents 自定义 agents： ~/.pi/agent/agents/**/*.md , <cwd>/.pi/agents/**/*.md （也读 legacy .agents/**/*.md ） packaged agents/prompts/skills：来自包自身 agents/ , prompts/ , skills/ 扩展配置项 字段 作用 建议 asyncByDefault 未显式指定时默认后台执行 通常 false ，需要长任务再开 forceTopLevelAsync 强制顶层 single/parallel/chain 后台 谨慎开启 parallel.maxTasks 顶层 parallel 任务上限，默认 8 4–8 parallel.concurrency 顶层并发，默认 4 2–4 更稳 defaultSessionDir 子会话保存目录 需要集中归档时配置 maxSubagentDepth nested delegation 深度 1–2；避免无限嵌套 control active_long_running / needs_attention 通知 长任务建议启用默认即可 chain.dynamicFanout.maxItems dynamic fanout 最大 item 数 大任务时设置上限 worktreeSetupHook git worktree 初始化 hook 仅成熟 repo 使用 intercomBridge.mode always / fork-only / off 装了 pi-intercom 时默认可用；保守用 fork-only 示例 { "parallel": { "maxTasks": 8, "concurrency": 3 }, "maxSubagentDepth": 1, "intercomBridge": { "mode": "fork-only" } } builtin override 示例 { "subagents": { "agentOverrides": { "reviewer": { "model": "anthropic/claude-sonnet-4", "thinking": "high", "fallbackModels": ["openai/gpt-5-mini"] } } } } 建议：不要复制 builtin agent 文件做小改；常规模型、tools、skills、context、prompt 修改优先用 subagents.agentOverrides 。 14. pi-intercom 0.6.0 配置入口 ： ~/.pi/agent/intercom/config.json （当前不存在，使用默认值）。 配置示例 { "brokerCommand": "npx", "brokerArgs": ["--no-install", "tsx"], "confirmSend": false, "enabled": true, "replyHint": true, "status": "researching" } 字段 默认 建议 brokerCommand npx 如果更想用 Bun，可设为 bun brokerArgs ["--no-install", "tsx"] Bun 时可设 [] confirmSend false 想手动确认非 reply send 时设 true enabled true 临时禁用设 false replyHint true 保持 true，方便回复 pending ask status 未设 可填自定义状态后缀 运行文件 ： ~/.pi/agent/intercom/ 下会有 broker socket / pid / config 等运行文件。 建议：多 Pi session 协作时使用；同机 1:1 通信，不是网络通信。和 pi-subagents 配合时可让 child 通过 contact_supervisor 向父会话请求决策。 15. pi-cache-optimizer 2.5.5 配置入口 ：无 JSON 配置文件；使用 env、slash 命令和 stats 文件。 命令 命令 作用 /cache-optimizer 打开菜单/打印帮助和当前状态 /cache-optimizer enable 当前进程启用优化并重置当前统计 /cache-optimizer disable 当前进程禁用优化； /reload /重启恢复启动行为 /cache-optimizer doctor 诊断当前模型/provider/API/base URL/compat /cache-optimizer compat 输出当前模型兼容性建议 /cache-optimizer stats 显示当天 session 级缓存统计 /cache-optimizer reset 只重置本地统计，不影响 provider cache env env 作用 建议 PI_CACHE_OPTIMIZER_NO_PROMPT_REWRITE=1 禁用 prompt mutation，保留 footer stats/cache key fallback 排查 prompt 异常时用 PI_CACHE_OPTIMIZER_NO_SKILL_COMPRESSION=1 不压缩 skill XML 仅 skill 提示异常时用 PI_CACHE_OPTIMIZER_NO_OPENAI_CACHE_KEY=1 禁用 OpenAI-compatible prompt_cache_key fallback 需要显式 opt-out 时用 PI_CACHE_OPTIMIZER_OPENAI_CACHE_KEY=0 legacy inverse opt-out 新配置优先用上一项 Stats 文件： ~/.pi/agent/pi-cache-optimizer-stats.json ，只保存日期和数值统计，不保存 API key、prompt、payload、headers、responses 或模型输出。 建议：默认启用即可；第三方 OpenAI-compatible proxy 低命中时，优先跑 /cache-optimizer doctor / /cache-optimizer compat 。 16. @narumitw/pi-plan-mode 0.1.36 配置入口 ：无持久 JSON 配置；通过 slash command / CLI flag / session state 工作。 入口 作用 /plan 进入或管理 Plan mode /plan <prompt> 进入 Plan mode 并立即提交 planning prompt /plan tools 选择 Plan mode 中允许的工具 /plan exit 退出并丢弃 latest proposed plan --plan 启动时进入 Plan mode plan_mode_question Plan mode 下必需的结构化提问工具 Plan mode 默认允许 read-only 内置工具，阻止 edit / write 和危险 bash；extension/custom tools 默认禁用，需要用户通过 /plan tools 显式 opt-in。 建议：适合较大修改前的只读探索和方案确认；不要把它当 TODO/progress tracker。最终 plan 应输出一个 <proposed_plan>...</proposed_plan> ，用户选择实现后才恢复完整工具访问。 当前快照建议优先级 权限优先 ：当前已有 pi-permission-system 配置，但 surface 只覆盖 * , external_directory , path , bash ；建议后续补齐 read/write/edit/mcp/skill ，让行为更明确。 MCP 继续维护 ：当前 mcp.json 有 tavily 和 context7 ；确认 token 不写明文，优先用 env。 Subagents + Intercom 可轻量配置 ：当前两者都使用默认配置；如果经常使用子代理，建议给 pi-subagents 设置并发/深度上限，给 pi-intercom 设置 replyHint / confirmSend 偏好。 UI 类默认可用 ： pi-tool-display , pi-nano-context , pi-skills-manager 多数场景默认即可；只在 TUI 展示冲突或偏好明确时配置。 强行为扩展保守复核 ： pi-blackhole , pi-cache-optimizer , pi-plan-mode 会影响上下文压缩、prompt/cache、工具权限边界；遇到异常优先用 env/slash 临时关闭相关能力。 当前快照复核清单 当前 settings.json 的 16 个 packages 已覆盖： npm:pi-blackhole npm:pi-mcp-adapter npm:@ff-labs/pi-fff npm:pi-tool-display npm:@juicesharp/rpiv-ask-user-question npm:@juicesharp/rpiv-todo npm:@gotgenes/pi-permission-system npm:@juicesharp/rpiv-args npm:@narumitw/pi-goal npm:@hsingjui/pi-hooks npm:@vanillagreen/pi-skills-manager npm:pi-nano-context npm:pi-subagents npm:pi-intercom npm:pi-cache-optimizer npm:@narumitw/pi-plan-mode 2026-06-07 当前 agent/settings.json packages 快照（本机安装版本） 追加方式：按用户确认， 不重写上文历史内容 ，只在末尾追加当前快照。 版本来源：本机 /Users/rao/.pi/agent/npm/node_modules/*/package.json 。未联网查询、未执行 pi update 。 settings 来源： /Users/rao/.pi/agent/settings.json 当前 packages 共 23 个。 注意： node_modules 下还存在一些旧快照包目录，但本节只按当前 settings.json 实际加载列表整理。 当前已加载包总览 # settings 条目 本机版本 主要配置入口 是否建议配置 1 npm:pi-mcp-adapter 2.9.0 mcp.json 多路径 + --mcp-config 如果用 MCP，建议维护 2 npm:@ff-labs/pi-fff 0.9.3 flags / env 默认即可 3 npm:@juicesharp/rpiv-ask-user-question 1.18.2 ~/.config/rpiv-ask-user-question/config.json 通常不用 4 npm:@gotgenes/pi-permission-system 10.3.1 全局/项目 extensions/pi-permission-system/config.json 强烈建议复核 5 npm:@juicesharp/rpiv-args 1.18.2 skill frontmatter / skill body 仅写 skill 时需要 6 npm:@narumitw/pi-goal 0.1.37 /goal + ~/.pi/agent/pi-goal-state.json 不建议手改状态 7 npm:@hsingjui/pi-hooks 0.0.2 settings.json 顶层 hooks 需要 hooks 时配置 8 npm:@vanillagreen/pi-skills-manager 1.1.1 /extensions:settings 或 settings.json.vstack.extensionManager.config 可选 9 npm:pi-cache-optimizer 2.5.6 env + /cache-optimizer + stats 文件 默认启用即可 10 npm:@narumitw/pi-plan-mode 0.1.37 /plan 、 --plan 、 /plan tools 不需要持久配置 11 npm:pi-tool-display 0.4.2 ~/.pi/agent/extensions/pi-tool-display/config.json 已有配置，按偏好维护 12 npm:pi-claude-sandbox 0.6.0 ~/.pi/agent/sandbox.json 、项目 .pi/sandbox.json 、 --no-sandbox 已有配置，建议复核 13 npm:pi-hash-anchored-edit 0.1.4 无独立配置；注册 hash-anchored read / edit 工具 不需要 14 npm:@tifan/pi-inline-skills 1.0.3 无独立配置；读取当前 skills/commands 不需要 15 npm:pi-agentsmd 0.1.0 /init 、 --force ；安装遥测受 settings/env 控制 按需使用 16 npm:pi-nano-context 0.1.1 无独立配置 不需要 17 npm:@agnishc/edb-context-viewer 0.14.3 /context 不需要 18 npm:@sting8k/pi-vcc 0.3.15 ~/.pi/agent/pi-vcc-config.json + PI_VCC_CONFIG_PATH 已有配置，建议复核 19 npm:@tintinweb/pi-subagents 0.10.0 subagents.json 、 .pi/agents/*.md 、schedule 文件 建议按并发/安全策略配置 20 npm:@tintinweb/pi-tasks 0.7.0 <cwd>/.pi/tasks-config.json + 内存/session/project task store 可选 21 npm:pi-system-prompt 0.1.4 slash command 查看 system prompt 不需要 22 npm:pi-bg-run 1.1.4 settings.json 顶层 bgRun 可选，长任务建议配置 23 npm:pi-aliases 1.0.7 无独立配置；命令别名 不需要 当前本机已有相关配置文件（只记录结构，不展开 secret） 配置文件 当前状态 结构摘要 / 当前值 ~/.pi/agent/mcp.json 存在 顶层 mcpServers ~/.pi/agent/extensions/pi-permission-system/config.json 存在 顶层 $schema , debugLog , permissionReviewLog , yoloMode ；当前未发现 permission / permissions 规则块； yoloMode: true , permissionReviewLog: false ~/.pi/agent/extensions/pi-tool-display/config.json 存在 已设置输出展示项；当前模式： readOutputMode: "summary" , searchOutputMode: "count" , mcpOutputMode: "summary" , bashOutputMode: "summary" , diffViewMode: "auto" ~/.pi/agent/sandbox.json 存在 enabled: true ；含 network.allowedDomains/deniedDomains 与 filesystem.denyRead/allowRead/allowWrite/denyWrite <cwd>/.pi/sandbox.json （当前 cwd 为 /Users/rao/.pi ） 不存在 使用全局 sandbox 配置和包默认值 ~/.pi/agent/pi-vcc-config.json 存在 overrideDefaultCompaction: true , debug: false <cwd>/.pi/tasks-config.json （当前 cwd 为 /Users/rao/.pi ） 不存在 @tintinweb/pi-tasks 使用默认配置 ~/.pi/agent/pi-cache-optimizer-stats.json 存在 顶层 version , sessions , legacyFamily ；统计文件，不含 prompt/API key ~/.pi/agent/extensions/pi-agentsmd-install.json 存在 顶层 lastReportedVersion ~/.config/rpiv-ask-user-question/config.json 不存在 使用包默认 guidance ~/.pi/agent/pi-goal-state.json 不存在 当前未发现持久 active goal 状态文件 重点配置与建议 1. pi-mcp-adapter 2.9.0 配置来源仍为 ~/.config/mcp/mcp.json 、 ~/.pi/agent/mcp.json 、 <cwd>/.mcp.json 、 <cwd>/.pi/mcp.json ，后者覆盖前者同名 server。 当前 ~/.pi/agent/mcp.json 存在；建议继续避免在 JSON 中写明文 token，优先使用 env 或 bearerTokenEnv 。 settings.toolPrefix 建议保持 server 或默认策略，避免 MCP direct tools 与本地工具重名。 2. @ff-labs/pi-fff 0.9.3 相比旧快照从 0.9.1 更新到 0.9.3 。 仍无 JSON 配置文件；配置入口为 --fff-mode / PI_FFF_MODE 、 FFF_FRECENCY_DB 、 FFF_HISTORY_DB 、 PI_FFF_MULTIGREP 。 建议保持默认 tools-and-ui ；如 editor mention UI 冲突，再用 PI_FFF_MODE=tools-only 。 3. @juicesharp/rpiv-ask-user-question 1.18.2 当前未发现 ~/.config/rpiv-ask-user-question/config.json 。 只需要在想覆盖结构化提问 guidance 时创建配置；日常建议保持包默认。 4. @gotgenes/pi-permission-system 10.3.1 相比旧快照从 10.3.0 更新到 10.3.1 。 当前全局配置存在，但只看到运行开关： $schema , debugLog , permissionReviewLog , yoloMode ；未发现实际 permission / permissions 规则块。 当前 yoloMode: true 且 permissionReviewLog: false ：这会减少交互确认和审计记录，建议根据安全需求复核。 建议补齐 flat permission 规则块，至少覆盖 * , path , read , write , edit , bash , mcp , skill , external_directory 。 规则语义：surface 内 pattern map 为“最后匹配规则生效”； path 是跨工具路径保护面，适合统一 deny .env , ~/.ssh/* 等敏感路径。 5. @juicesharp/rpiv-args 1.18.2 无独立配置文件；作用在 skill invocation。 支持 $1 , $ARGUMENTS , $@ , ${@:N[:L]} , ${SKILL_DIR} , ${SESSION_ID} ，以及 ! shell substitution。 写含 shell substitution 的 skill 时，建议在 frontmatter 设置 shell-timeout 。 6. @narumitw/pi-goal 0.1.37 相比旧快照从 0.1.36 更新到 0.1.37 。 当前未发现 ~/.pi/agent/pi-goal-state.json 。 通过 /goal , /goal pause , /goal resume , /goal clear 管理；不建议手改状态文件。 7. @hsingjui/pi-hooks 0.0.2 当前全局 settings.json 未发现顶层 hooks 。 支持 SessionStart , SessionEnd , PreCompact , PostCompact , PreToolUse , PostToolUse , PostToolUseFailure , UserPromptSubmit , Stop 及 snake_case 别名。 建议 hook 命令短时、幂等、matcher 写窄；通知类 hook 可考虑 async: true 。 8. @vanillagreen/pi-skills-manager 1.1.1 配置主要通过 /extensions:settings 写入 settings.json 的 vstack.extensionManager.config["@vanillagreen/pi-skills-manager"] 。 当前全局 settings 未发现 vstack 配置块，使用包默认。 关键项： enabled , hideStartupSkillsBlock , aiGenerationEnabled , defaultCreateLocation , glyphStyle 。 注意：该扩展可在 UI 中删除用户自有 project/global skills；删除前应按本机协议单独确认。 9. pi-cache-optimizer 2.5.6 相比旧快照从 2.5.5 更新到 2.5.6 。 无 JSON 配置文件；使用 /cache-optimizer 命令、env 和 stats 文件。 当前 stats 文件存在；仅保存统计，不保存 API key、prompt、payload、headers、responses 或模型输出。 排错优先使用 /cache-optimizer doctor / /cache-optimizer compat ，或临时 env： PI_CACHE_OPTIMIZER_NO_PROMPT_REWRITE=1 。 10. @narumitw/pi-plan-mode 0.1.37 相比旧快照从 0.1.36 更新到 0.1.37 。 无持久 JSON 配置；通过 /plan , /plan tools , /plan exit , --plan 工作。 Plan mode 默认偏 read-only；适合大修改前探索与确认，不应当作 TODO/progress tracker。 11. pi-tool-display 0.4.2 当前全局配置文件存在，已从旧快照的“未配置”变为“已配置”。 当前展示偏摘要：read/search/MCP/bash 输出分别为 summary/count/summary/summary 。 如排查工具输出缺失，可临时把对应 *OutputMode 调整为更展开的模式；日常维持摘要有利于降低 TUI 噪声。 12. pi-claude-sandbox 0.6.0 当前新增加载；提供 bash 子进程 OS-level sandbox，不覆盖 in-process read/write/edit 工具权限。 配置合并顺序： ~/.pi/agent/sandbox.json + <cwd>/.pi/sandbox.json ，项目配置优先。 可用 --no-sandbox 临时禁用； /sandbox 查看当前配置。 当前全局 sandbox 已启用，包含 network 与 filesystem allow/deny 规则；建议定期复核 allowWrite 是否过宽、 denyRead/denyWrite 是否覆盖 secret 路径。 规则语义：read 中 allowRead 可覆盖 denyRead ；write 中 denyWrite 优先于 allowWrite 。 13. pi-hash-anchored-edit 0.1.4 当前新增加载；替换/注册 hash-anchored read 与 edit 工具。 无独立配置文件；核心规则是必须先 read 获取 LINE#HASH anchor，再用 edit 校验 hash 后修改。 建议继续按协议使用：hash mismatch 时重新 read ，不要强行编辑。 14. @tifan/pi-inline-skills 1.0.3 当前新增加载；在 editor 中提供 inline /skill autocomplete，并可把 inline skill token 转成加载指令。 无独立配置文件；读取当前注册的 skill commands 和 session custom entries。 如果与其它 autocomplete 扩展冲突，再考虑调整加载列表。 15. pi-agentsmd 0.1.0 当前新增加载；提供 /init 生成仓库根目录 AGENTS.md ，已有文件时需要 /init --force 。 包自身不会直接写出完整文档，而是向当前模型发送结构化生成提示。 安装遥测： PI_OFFLINE 可禁用； PI_TELEMETRY 可覆盖； settings.enableInstallTelemetry === false 时禁用。当前存在安装状态文件 pi-agentsmd-install.json 。 16. pi-nano-context 0.1.1 无独立配置；替换默认 context meter，显示 sys , pr , assistant , think , tools , free 等分段。 如与其它 statusline/context UI 冲突，再考虑移除或调整加载顺序。 17. @agnishc/edb-context-viewer 0.14.3 当前新增加载；提供 /context 查看 Stats/System/Tools/Messages/Full 五类上下文信息。 无独立配置文件；适合排查 system prompt、工具定义、消息历史和 token 分布。 18. @sting8k/pi-vcc 0.3.15 当前新增加载；算法式 conversation compactor，并提供 vcc_recall 与 /pi-vcc-recall 。 配置文件： ~/.pi/agent/pi-vcc-config.json ，可用 PI_VCC_CONFIG_PATH 覆盖。 当前 overrideDefaultCompaction: true ，表示 /compact 和自动阈值 compaction 也由 pi-vcc 处理； debug: false 。 如需要回到 Pi 默认 LLM compaction，把 overrideDefaultCompaction 改为 false 。 19. @tintinweb/pi-subagents 0.10.0 当前仍加载该包，而不是旧快照中的 pi-subagents 0.28.0。 支持内置 agents、用户 .pi/agents/*.md / ~/.pi/agent/agents/*.md 、schedule store 与 worktree isolation。 schedule 文件路径为 <cwd>/.pi/subagent-schedules/<sessionId>.json 。 还会读取 Pi global/project settings.json 的 enabledModels 用于模型范围校验。 建议按实际使用补充并发、嵌套深度、worktree 策略；涉及 git worktree 的操作需单独征询用户许可。 20. @tintinweb/pi-tasks 0.7.0 当前新增加载；提供任务列表、任务执行、后台进程关联与任务 widget。 项目配置文件： <cwd>/.pi/tasks-config.json ；当前 cwd 未发现该文件。 配置项包括 taskScope （ memory / session / project ）、 autoCascade 、 autoClearCompleted 、 showAll 、 maxVisible 、 hiddenAt 、 sortOrder 等。 当前建议保持默认，只有在任务跨会话保存或自动清理策略明确时再配置。 21. pi-system-prompt 0.1.4 当前新增加载；用于查看完整 system prompt、注入工具、guidelines、context files、skills 等。 无独立配置文件；仅作为诊断/审计工具使用。 22. pi-bg-run 1.1.4 当前新增加载；提供 bg_run , bg_list , bg_kill 和 /bg 面板。 配置入口为 global/project settings.json 顶层 bgRun ；当前未设置，使用默认。 默认项： maxConcurrentJobs: 10 , completedTtlMs: 604800000 , widgetRefreshMs: 3000 , killTimeoutMs: 10000 。 长任务、测试、训练、批处理建议用 bg_run ，避免阻塞当前 tool call；但通知不能中断正在运行的工具调用。 23. pi-aliases 1.0.7 当前新增加载；提供命令别名，例如 /clear → /new 、 /exit → /quit 。 无独立配置文件；通常不需要维护。 3 个帖子 - 3 位参与者 阅读完整话题
社区新版块申请：维权与劳动仲裁 版块名称 维权与劳动仲裁 URL Slug Labor-Arbitration 版块简介 本版块致力于为广大遭遇职场不公、欠薪及劳动纠纷的佬友提供一个纯粹、实用且具互助性质的维权交流与经验沉淀空间。这里不是无意义的发泄地，而是理性维权的兵器库。板块核心涵盖： 追讨欠薪与社保： 公司拖欠工资、不缴或断缴医保社保、公积金漏缴等情况的取证与追讨指南。 合法离职与被迫解约： 遭遇欠薪、降薪、调岗时的被迫离职应对（依据劳动合同法第三十八条），离职交接避坑。 劳动仲裁全流程： 仲裁申请书编写、核心证据链收集（考勤、打卡、沟通记录）、开庭答辩技巧及避坑经验。 执行与权益保障： 仲裁裁决后的强制执行申请、公司资产线索排查、N/N+1/2N赔偿争取以及相关法律法规科普。 版主人选 推荐人选： @user554 （注：欢迎各位有劳动法普及经验、有成功维权仲裁经历、或愿意热心解答的佬友加入） 版主自荐通道： 我曾经历过公司欠薪，欠医保，社保（将近一年时间），完整走过了从欠薪、被迫离职、申请仲裁、正式开庭、直到最终申请强制执行，甚至参与政府多部门联合解决的全过程！有丰富的实战抗争经验，愿意在这里为有类似遭遇的佬友指路。 欢迎更多对劳动法普及、维权有经验的佬友毛遂自荐，版主可由多人共同担任！ 版块规则 隐私保护原则： 禁止泄露个人及任何公司的隐私保密条例相关的内容。 客观理性讨论： 吐槽职场经历、公司黑幕时请尽量保持客观，提供事实依据，避免无意义的地域黑或纯发泄式的偏激谩骂。 法律科普免责声明： 涉及劳动仲裁、合同纠纷等法律建议时，仅供参考具体的纠纷需要明确的法律或者地方实际情况为准。 规范交流： 禁止以任何盈利为目的的帮助或解答佬友问题。 申请理由 我觉得社区非常需要这样一个聚焦于“欠薪仲裁与劳动者权益保障”的板块。 工作是绝大多数佬友谋生的根基，但遭遇欠薪（本人深受其害）、断缴社保等企业违规行为时，个体劳动者往往处于信息弱势地位。目前国内很多社区往往只沉淀了如何拼命工作的干货，却缺乏教人如何合法维权的盾牌。 创建这个板块，旨在聚合社区内有相似遭遇或有成功维权经验的佬友，共同构建一个互助共赢、有法律温度的维权知识库。通过分享真实的追薪经验、仲裁庭审干货、以及强制执行阶段的实战指南，能够帮助被欠薪的佬友少走弯路，不再迷茫无助，学会拿起法律武器勇敢捍卫自己的血汗钱和合法权益。 让我们一同沉淀高质量的维权经验资产，共建你我引以为荣之社区！ 为了避嫌可以暂时不通过板块申请或者申请通过后不给予邀请权限，因昨日收到法院仲裁的电话特来申请，与现在有的邀请机制撞车 7 个帖子 - 7 位参与者 阅读完整话题
周末人在外面,本来想着回来看看,结果公益站提示 service is unavailable, 是真的到终点站了吗? 放在工作日多少要登一下 2 个帖子 - 2 位参与者 阅读完整话题
各位大佬好，最近在折腾 Codex 的 Computer Use （电脑控制）功能时遇到了报错，卡在第一步无法使用，特来社区请教。 故障现象：打开功能时直接弹窗提示："Disabled by your organization or unavailable in your region"（由您的组织禁用或在您所在的地区不可用） 操作系统：Windows 11 已挂美国 VPN 全局模式 GPT PRO 100 刀版本（苹果订阅，自己的 visa 支付） 此外，还碰到一个问题 codex 桌面语言设置为中文（中国），但是界面 UI 还是英文的。。。