533 字
3 分钟
我的pi配置杂谈
前言
用pi也用了,效果还是很不错的
这里推荐一些自己常用的插件和配置
插件
pi-mcp-adapter
因为pi里面并没有原生的mcp配置,这个插件算是比较好的mcp插件了,配置是比较简单的。
{ "mcpServers": { "fetch-server": { "type": "stdio", "command": "uvx", "args": [ "mcp-server-fetch" ], "env": {}, "lifecycle": "keep-alive", "directTools": true }, "burp": { "command": "java", "args": [ "-jar", "/mcp-proxy.jar", "--sse-url", "http://127.0.0.1:9876" ], "lifecycle": "eager", "directTools": true }, "idalib-mcp": { "command": "/.venv/bin/python", "args": [ "-m", "ida_pro_mcp.idalib_supervisor", "--stdio", "--isolated-contexts", "--max-workers", "4" ], "cwd": "/Users/zsm/CTF/zsm", "lifecycle": "keep-alive", "directTools": true }, "jadx-mcp-server": { "command": "/.local/bin/uv", "args": [ "--directory", "/jadx-mcp-server/", "run", "jadx_mcp_server.py" ], "lifecycle": "keep-alive", "directTools": true }, "aboutsecurity": { "type": "http", "url": "http://127.0.0.1:1337/mcp", "headers": { "Authorization": "" }, "lifecycle": "eager", "directTools": true } }}pi-llm-wiki
生成ai对话记录的插件,可以记录每一个有效对话到wiki,可以和黑曜石联动,因为他会默认配置成当前模型来记录llm-wiki,所以要配置一下
"llm-wiki": { "notices": false, "recallLinksThreshold": 10, "recallSkillInlineMax": 400, "trajectories": true, "taskModel": { "provider": "deepseek", "id": "deepseek-v4-flash" }},pi-web-access
搜索插件,非常好用,也可以和exa联动
pi-fff
把fd和rg替换成了效果更好的fffind和ffgrep,主要是优化了速度和搜索效果
pi-subagents
子agent插件,这个真挺好用的,并且可以按照subagent可以去创建Workflow,比如我搞了个SRC的链路,就是靠他实现的
好处在于subagent不会冲突,每个的模型可以单独配置,这样可以省token。
pi-blackhole
一个压缩插件,pi原生的压缩会有一个问题,就是超出100%还会跑不自动压缩,这个插件可以解决这个问题。
他是两个插件的融合体
pi-vcc,一个纯算法压缩方法,0llm参与,非常地省token
pi-observational-memory,用来处理压缩后对话精度损失的问题,确保长对话任务不受影响,非常地好用
额外插件
这里就是一些可能没啥用的插件,但是临时装一下可以有效
ponytail
piolium
pi-lens
pi-goal
统计
因为pi不能原生统计token消耗,这里我是用tokscale,这个真不赖,还可以传到云端统计,还有rating(
后话
可能会持续更新这个帖子。
部分信息可能已经过时