Pi: kendi modelinizle çalışan terminal ajanı

Pi, Earendil Works'ün açık kaynak terminal kodlama ajanıdır: dosyalarınızı okur, kod yazar, komut çalıştırır ve sonucuna göre kendini düzeltir. Kendi ajan döngüsünü getirir — Claude Code, Codex ya da başka bir ajan gerekmez, ikisi aynı işi yapan rakiplerdir.

Gao Kaptan açısından asıl değeri şu: Pi'nin LLM katmanı çok sağlayıcılıdır ve OpenAI-uyumlu bir uç noktayı doğrudan konuşur. Gao Kaptan inference da OpenAI-uyumlu olduğu için araya hiçbir şey girmez.

Kurulum

apt-get update && apt-get install -y curl ca-certificates git python3
curl -fsSL https://deb.nodesource.com/setup_24.x | bash -
apt-get install -y nodejs

npm install -g --ignore-scripts @earendil-works/pi-coding-agent
pi --version

{
  "providers": {
    "kaptan": {
      "baseUrl": "https://kaptan.isnet.net.tr/api/v1/inference/v1",
      "api": "openai-completions",
      "apiKey": "sk-…",
      "compat": {
        "supportsDeveloperRole": false,
        "supportsReasoningEffort": false
      },
      "models": [
        { "id": "Qwen/Qwen3.8-27B-FP8" },
        { "id": "Qwen/Qwen3.6-35B-A3B-FP8" }
      ]
    }
  }
}

pi --list-models

provider  model                     context  max-out  thinking  images
kaptan    Qwen/Qwen3.8-27B-FP8      128K     16.4K    no        no
kaptan    Qwen/Qwen3.6-35B-A3B-FP8  128K     16.4K    no        no

{ "defaultModel": "kaptan/Qwen/Qwen3.8-27B-FP8" }

Kullanım

Etkileşimli oturum için pi, tek seferlik iş için -p:

cd /workspace/projem
pi -p "asal.py dosyasını oku. Algoritması her sayı için bölme deniyor; bunu
       Eratosthenes kalburuna çevir, aynı çıktıyı versin. Sonra betiği çalıştır."

Ajanın gerçekten yaptığı iş — okudu, değiştirdi, çalıştırdı, doğruladı:

İlk 5 asal sayı: 2, 3, 5, 7, 11
Son 5 asal sayı: 71, 73, 79, 89, 97

| Özellik    | Eski (Trial Division)      | Yeni (Eratosthenes Kalburu)    |
| Yaklaşım   | Her sayı için bölme        | Tek seferde filtreleme         |
| Verimlilik | O(n √n)                    | O(n log log n)                 |

Dosyanın kendisi de gerçekten yeniden yazılmıştı (i*i'den başlayan iç döngü dahil) ve hatasız koştu.

Ölçüm: Pi ve Claude Code, aynı model üzerinde

Adil karşılaştırma için tek değişken ajan olmalı. İkisi de aynı pod'da, aynı LiteLLM köprüsü üzerinden aynı Qwen3.8-27B-FP8'e bağlandı. Üç görev, iki tur, her koşu sıfırdan temiz bir kopyada. Hakem, ajanların görmediği gizli testlerdi (pod'da bulunmuyorlardı, sonuçlar dışarıda koşuldu).

Ölçüm tekrarlanabilir olsun diye tam sürümler:

Görevler

Üçü de gerçek bir kusur içeriyor ve hepsinin tek doğru cevabı var; hiçbiri "güzel kod yaz" gibi öznel değil. Ajanlar testleri hiç görmedi — test dosyaları pod'a kopyalanmadı, sonuçlar dışarı çekilip orada koşuldu.

C görevi kasıtlı olarak bu depoda gerçekten yaşanmış bir olaydan türetildi (Celery prefork'ta çocuk başına havuz açılması). "Derin" olmasının sebebi uzunluğu değil, cevabın üç ayrı katmanın çarpımı olması.

Toplam: Pi 61 saniye / 82K girdi token, Claude Code 1291 saniye / 1.096K girdi token — yani 13× token, 21× süre.

Ne ayırt etti, ne etmedi

Kod düzeltme görevlerinde fark yok. A ve B'de dört koşunun dördü de testleri tam geçti. B'de kod, kök nedenin bulunduğu yerde yanıltıcı bir yorum taşıyordu (# dict okuma/yazma GIL sayesinde atomik oldugu icin burada kilide gerek yok) ve README hatayı başka bir dosyaya işaret ediyordu; ikisi de tuzağa düşmedi, doğru katmanı buldu ve düzeltmeyi beşer kez doğruladı.

Fark, girdi yükünde ve kararlılıkta. Claude Code her turda ~26K token'lık bir sistem promptu + araç şeması taşıyor; bu kendi modeli için tasarlanmış bir bütçe. 128K bağlamlı bir modelde aynı yükü her turda taşımak hem pahalı hem kırılgan: C görevinin ikinci turunda Claude Code 16 dakika koştu, max_tokens=16000 tavanına dört kez dayandı ve hiçbir çıktı üretmeden düştü. Pi aynı görevi 9 saniyede, 9K token ile bitirdi.

Çıktı tavanını yükseltmek Claude Code'u kurtarmadı

C görevi ilk turda max_tokens=16000 ile koşulmuştu ve Claude Code o tavana dayanıp düşmüştü. Tavanın suçlu olup olmadığını görmek için tek değişkeni tavan yapıp 120.000'e çıkarıp aynı görev tekrar koşuldu:

Pi düzeldi, Claude Code kötüleşti. Tavan yükselince Pi düşünmesini tamamlayıp doğru cevabı verdi. Claude Code ise tek bir istekte 978 saniye boyunca 64.000 token üretti, yine tamamlayamadı ve 20 dakikalık zaman aşımıyla öldü (exit 124, hiç çıktı yok).

Skill eklemek: Pi'de de var, aynı paket

Pi'nin kendi paket kayıt defteri var (packages.pi.dev, 5.300'ü aşkın paket) ve Skills onun birincil genişletme mekanizması. Yani "skill'ler Claude Code'a özgü" değil — popüler skill'lerin çoğu iki tarafta da kurulabiliyor.

Ponytail ile denendi (gereğinden fazla kod yazmayı engellemeyi amaçlayan bir kural seti). Kurulum, iki tarafta da tek seferlik:

# Pi — tek komut
pi install git:github.com/DietrichGebert/ponytail

# Claude Code — iki ayrı komut
claude plugin marketplace add DietrichGebert/ponytail
claude plugin install ponytail@ponytail

Aynı A ve B görevleri skill açıkken tekrar koşuldu:

Yazılan kod kısalmadı — bu görev seti "gereğinden fazla kod yazma" tuzağı içermiyor, ikisi de zaten hata düzeltiyordu. Kural seti ise her turda taşındığı için token maliyeti arttı; oransal artış Pi'de daha büyük çünkü Pi'nin taban promptu küçük.

Takım kurmak: işi alt ajanlara dağıttırmak

Tek ajan yerine ajanın başka ajanlar koşturması ayrı bir eksen. Mimari fark net:

Ölçmek için dört bağımsız hata içeren bir proje kuruldu (dört ayrı modül, hiçbiri diğerini etkilemiyor) ve göreve açıkça "işler bağımsız, alt ajanlara paralel dağıtabilirsin" denildi.

Pi'de delegasyon işe yaradı. Çağrı sayısı üçe katlandı ve token %70 arttı, ama süre artmadı — paralellik maliyeti gizledi. Dahası kalite yükseldi: tek başına çalışırken kaçırdığı Türkçe ı/i ayrımını, o modüle ayrılmış alt ajan doğru yaptı. İzole bağlam gerçekten işe yarıyor.

Claude Code'da delegasyon Qwen üzerinde çöktü. Aynı görev iki koşuda bambaşka davrandı: birincisinde 31 çağrı ve 1,23 milyon girdi token (her alt ajan kendi 26K'lık sistem promptunu taşıdığı için yük çarpılıyor), ikincisinde 520 saniye boyunca tek bir çağrıda 64K token üretip hiçbir dosyaya dokunmadan bitti.

Background children require pi installed as the npm package … does not provide
@earendil-works/pi-server … A standalone pi binary cannot run background children.

cd /usr/lib/node_modules/@earendil-works/pi-coding-agent
npm install --no-save @earendil-works/pi-server@0.85.0 @earendil-works/pi-client@0.85.0

Sonuç: hangisi, ne zaman

Bu ölçümden çıkardığımız üç şey:

1. Kolay işte ajan seçimi fark etmiyor. Kod düzeltme görevlerinin sekiz koşusunun sekizi de testleri tam geçti. Şaşırtıcı değil: ikisi de aynı modeli kullanıyor ve ikisinin de araç seti aynı dört temel işlemden ibaret (oku, yaz, düzenle, kabuk). İskelet, iş zorlaşana kadar görünmüyor.

2. Fark, ajanın modele bindirdiği yükte. Claude Code her turda ~26K token'lık bir sistem promptu taşıyor — bu, kendi modeli için tasarlanmış bir bütçe. 128K bağlamlı bir modelde aynı yükü her turda taşımak yalnızca pahalı değil, kırılgan: bağlamın önemli bir kısmı daha ilk turda doluyor. Toplamda 13× token ve 21× süre farkı buradan geliyor.

3. Kendi modelinizi kullanacaksanız, o varsayımı taşımayan ajanı seçin. Claude Code'un Qwen üzerindeki başarısızlıkları yavaşlık değil, tam başarısızlıktı: üç derin-teşhis koşusunun ikisinde hiç çıktı üretmeden öldü. Pi aynı görevi her seferinde 9–14 saniyede bitirdi. Gao Kaptan bağlamında sorulan soru "hangisi daha iyi bir ajan" değil, "hangisi benim modelimle çalışıyor" — ve o sorunun cevabı net.

**4. Takım işi farkı büyütüyor, kapatmıyor. Alt ajanlara dağıtım Pi'de hem işe yaradı hem kaliteyi yükseltti (3/4 → 4/4, süre sabit); Claude Code'da Qwen üzerinde bir koşuda 1,23 milyon token, diğerinde sıfır iş üretti. Sebebi aynı: her alt ajan kendi sistem promptunu taşıyor, yani tek ajanda ölçülen yük alt ajan sayısıyla çarpılıyor. Kendi modelinizle ajan takımı kuracaksanız bu, tek-ajan kıyasından daha belirleyici.

Skill'ler için kısa cevap: ikisinde de var, ikisine de aynı paket kuruluyor.** Ama skill'i varsayılan olarak açık bırakmayın — iş tipine göre açın. Bu görev setinde ponytail token'ı artırdı, kodu kısaltmadı ve karşılığında tek bir (değerli) içgörü verdi; başka bir görev setinde tablo tersine dönebilir. Ölçmeden açmak, ölçmeden kapatmak kadar yanlış.

Güvenlik: sandbox'ı Gao Kaptan sağlıyor

Pi'nin paket sistemi de aynı uyarıyı taşır: pi install ile kurulan üçüncü parti paketler ve beceriler tam sistem erişimiyle çalışır. Kaynağını görmediğiniz paketi kurmayın.

Tuzaklar