AI & Deep Tech

Pi กับเดิมพัน "primitives, not features"

Coding Agent ส่วนใหญ่แข่งกันเพิ่ม Feature ให้เยอะที่สุด แต่ Pi เลือกทางตรงข้าม — มีแค่ 4 Tools, System Prompt ไม่ถึง 1,000 Tokens ส่วนที่เหลือให้เลือกติดตั้งเอง ทำไม Harness แบบ Minimal สุดขั้วตัวนี้ถึงมีคนกด Star บน GitHub เกิน 62,000 ครั้ง และมันสอนอะไรให้ Harness ตัวอื่นบ้าง

HarmonyX Team 19 กรกฎาคม 2569 · 6 นาที
Pi กับเดิมพัน "primitives, not features"
สารบัญ

    ในซีรีส์นี้เราคุยกันมาแล้วเรื่อง Harness คืออะไร, Tools ตัวไหนกำลังแข่งกันเป็น Harness ของคุณ, และ วิธีจูน Harness ให้เข้าที่ มาถึงตัวที่แปลกที่สุดในกลุ่มที่ต้องศึกษาแยกต่างหาก: Pi — Harness ที่ทั้งกลยุทธ์คือทำ น้อยลง

    ในขณะที่เครื่องมือใหญ่ๆ แข่งกันที่จำนวน Feature Pi (pi.dev) — ผลงานของ Mario Zechner วิศวกรชาวออสเตรียผู้อยู่เบื้องหลังเกมเฟรมเวิร์ก libGDX — เลือกเดิมพันไปทางตรงข้าม สโลแกนของมันมีแค่บรรทัดเดียว: adapt the tool to your workflow, not your workflow to the tool ภายในเดือนมิถุนายน 2026 เดิมพันนี้ทำให้ Pi มีคนกด Star บน GitHub เกิน 62,000 ครั้ง กลายเป็นหนึ่งใน Open-Source Coding Agent ที่ได้รับความนิยมสูงสุด

    แนวคิดหลัก: 4 Tools กับ Prompt สั้นจิ๋ว

    Pi สร้างขึ้นจากข้อกล่าวอ้างที่ฟังดูสุดโต่งเกินจะใช้งานได้จริง: Coding Agent ต้องการแค่ 4 Tools เท่านั้น — read, write, edit, bash — กับ System Prompt ที่สั้นกว่า 1,000 Tokens นี่คือแก่นทั้งหมดของมัน

    เทียบกับเครื่องมือสาย Maximalist ที่แถม Sub-agents, Plan Mode, ระบบขออนุมัติ และ Integration ต่างๆ มาให้ตั้งแต่แกะกล่อง Pi ไม่แถมอะไรพวกนี้มาเลยโดย Default ไม่มี MCP ในตัว ไม่มี Sub-agents ไม่มี Plan Mode ไม่มี Popup ขออนุมัติ ถ้าเทียบเป็นตาราง Feature ก็ดูเหมือน Pi กำลัง แพ้

    นั่นแหละคือประเด็น ข้อโต้แย้งของ Pi คือ สิ่งเหล่านี้ไม่ใช่ Feature ที่ Harness ควร ยัดเยียด — แต่เป็นทางเลือกที่คุณควร กำหนดเอง การมัดรวมมันมาให้ตั้งแต่ต้น หมายความว่าคุณต้องอยู่กับความเห็นของคนอื่นว่าคุณควรทำงานยังไง

    Primitives ไม่ใช่ Features

    คำที่ Pi ใช้อธิบายแนวคิดออกแบบคือ Primitives แทนที่จะให้ Feature สำเร็จรูป มันให้ Building Block กับวิธีประกอบที่สะอาดตามาให้:

    • ระบบ Extension แบบ TypeScript ที่มี Type ชัดเจน — เพิ่มพฤติกรรมที่ต้องการได้ตรงจุด ด้วย Type จริงๆ ไม่ใช่ Config ยุ่งเหยิง
    • Skills — แพ็กเกจความสามารถที่ติดตั้งเพิ่มได้เมื่อต้องใช้
    • Prompt Template และ Theme — แพ็กเป็น Package แชร์กันผ่าน npm หรือ git ได้เลย

    อยากได้ Sub-agents ก็ติดตั้ง Extension หรือเขียนเองก็ได้ อยากได้ Plan Mode ก็เหมือนกัน พฤติกรรมที่เครื่องมือใหญ่ๆ ฝังมาให้ตั้งแต่ต้น Pi ให้คุณติดเพิ่มเองได้ นั่นแปลว่าคุณ ปิดมันได้ สลับได้ หรือเปลี่ยนเป็นอะไรที่เข้ากับวิธีทำงานจริงของทีมก็ได้เหมือนกัน Harness ของคุณจะกลายเป็นชุด Package ที่คุณเป็นเจ้าของเอง ไม่ใช่ Product ที่คุณแค่เช่าใช้

    flowchart TD
      subgraph Core["Pi core — always on"]
        R[read] & W[write] & E[edit] & B[bash]
      end
      subgraph Opt["Opt-in — install only if you want it"]
        S[sub-agents] & P[plan mode] & M[MCP] & K[skills]
      end
      Core --> Loop[Agent loop]
      Opt -. bolt on via extensions .-> Loop
    เดิมพันของ Pi: Core เล็กจิ๋วที่เปิดตลอด ส่วนที่เหลือให้เลือกติดตั้งเอง — เพื่อไม่ให้คุณต้องแบก Feature ที่ไม่ได้เลือกเอง

    ออกแบบมาให้ไม่ผูกกับ Provider ไหนเลย

    Pi เป็นแบบ Bring-Your-Own-Key และไม่ผูกกับ Provider ไหนเลย Agent Loop ตัวเดียวกันรันกับ Provider ได้มากกว่า 15 เจ้า — Anthropic, OpenAI, Google, Bedrock, Mistral, Groq หรือ Local Model ผ่าน Ollama — แล้วคุณยัง สลับ Model กลางเซสชันได้ เริ่มงานด้วย Model เร็วและถูกก่อน พอถึงจุดยากค่อยอัปเกรดไป Frontier Model แล้วถ้ามีข้อมูล Sensitive ก็ลดลงมาใช้ Local Model ได้เลย โดยไม่ต้องออกจากเซสชันเดิม

    ยังมีข้อดีที่ไม่ค่อยมีใครพูดถึง: ไม่ Lock-in เมื่อ Harness ของคุณไม่ได้เชื่อมติดกับ Model ของ Vendor เจ้าเดียว การเปลี่ยนราคา หรือการยกเลิก Free Tier — แบบที่กระทบผู้ใช้ทั่วไปของ Google ในปี 2026 — ก็แค่แก้ Config ไม่ต้อง Migrate ทั้งระบบ

    อีกจุดที่ทำได้ดี: ประวัติ Session ของ Pi เก็บแบบ Tree-Structured บทสนทนาแตกกิ่งและรวมกลับมาในไฟล์เดียวกันได้ แล้วยังแชร์ทั้ง Session เป็น GitHub Gist ได้ด้วย — ลองสองแนวทางพร้อมกันโดยไม่ต้องเสียแนวทางแรกไป

    เดิมพันของ Pi สอนอะไรให้คนอื่นบ้าง

    ไม่ต้องเปลี่ยนมาใช้ Pi ก็เรียนรู้จากมันได้ ความสำเร็จของ Pi พิสูจน์เรื่องสำคัญไม่กี่ข้อ ที่ควรจำไว้ไม่ว่าคุณจะใช้ Harness ตัวไหนอยู่:

    • น้อยกว่ามักดีกว่า แนวคิด 4 Tools ใช้ได้ผลเพราะชุดเครื่องมือเล็กแต่คมชัด ชนะชุดใหญ่ที่ซ้อนทับกันเอง — บทเรียนเดิมที่ Harness ที่โตเต็มที่แล้วมักค้นพบซ้ำๆ ข้อจำกัดคือ Feature อย่างหนึ่ง
    • ความเห็นควรเป็นแบบเลือกได้ ไม่ใช่บังคับ พฤติกรรมที่เครื่องมือยัดเยียดให้คุณ สุดท้ายคือสิ่งที่คุณจะต้องสู้กับมันเอง Harness ที่ปรับรูปทรงได้ อยู่ได้นานกว่า Harness ที่รับได้แค่อย่างเดียว
    • ความเป็นเจ้าของสำคัญกว่าความสะดวก เมื่อถึงระดับหนึ่ง สำหรับทีมที่เอางาน Deliver จริงไปฝากไว้กับ AI Agent การเป็นเจ้าของ Harness เอง — ตรวจได้ แก้ได้ ลดความเสี่ยงได้ทุกส่วน — มีค่ามากกว่าเครื่องมือที่ทำได้ทุกอย่างแต่อธิบายอะไรไม่ได้เลย

    Pi คือตัวอย่างที่ชัดที่สุดของการเปลี่ยนแปลงที่ใหญ่กว่านั้น: Harness กำลังกลายเป็นสิ่งที่คุณ ประกอบเอง ไม่ใช่แค่สิ่งที่คุณ ซื้อมา ต่อให้ไม่เคยแตะ Pi เลยก็ตาม นี่คือทิศทางที่ทั้งวงการกำลังมุ่งไป — และนี่คือเหตุผลว่าทำไม Harness ไม่ใช่ Model ถึงเป็นจุดที่การตัดสินใจที่น่าสนใจจริงๆ เกิดขึ้นตอนนี้

    ตอนที่ 4 ของซีรีส์เรื่องยุค AI Harness ตอนต่อไปคือตอนจบ: ทั้งหมดนี้หมายถึงอะไรกับธุรกิจของคุณ — จะ Build เองหรือจะ Buy และมูลค่าจริงๆ ไปตกอยู่ที่ตรงไหน

    คำถามที่พบบ่อย

    Pi (pi.dev) คืออะไร

    Pi คือ Coding-Agent Harness แบบ Open Source (MIT) ที่มินิมอล จาก Mario Zechner ผู้สร้าง libGDX ตั้งอยู่บน Thesis เดียว: Agent ต้องการแค่ 4 Tools — read, write, edit, bash — กับ System Prompt ที่สั้นกว่า 1,000 Tokens ที่เหลือเป็น Opt-in ทั้งหมด

    “Primitives, not features” หมายความว่าอะไร

    แทนที่จะมัดรวม Feature สำเร็จรูปอย่าง Sub-agents, Plan Mode หรือ MCP มาให้ Pi ให้ Building Block — TypeScript Extension System แบบ Typed, Skills และ Prompt Template — เพื่อให้คุณเติมเฉพาะพฤติกรรมที่เลือกเอง และปิด สลับ หรือเปลี่ยนส่วนที่เหลือได้

    ทำไม Pi ถึงเป็น Provider-Agnostic

    Agent Loop ตัวเดียวกันรันกับ Provider ได้มากกว่า 15 เจ้า — Anthropic, OpenAI, Google, Local Model ผ่าน Ollama และอื่นๆ — สลับ Model กลางเซสชันได้ เมื่อ Harness ไม่ได้ผูกติดกับ Model ของ Vendor เจ้าเดียว การเปลี่ยนราคาหรือยกเลิก Tier ก็แค่แก้ Config ไม่ต้อง Migrate

    คัดลอกลิงก์แล้ว