pi.dev

KI-Agent

Was ist Pi.Dev?

Einleitung und Kontext

Das Video stellt Pi vor (auch bekannt als "Shitty Coding Agent" oder offiziell unter pi.dev erreichbar) - einen minimalistischen, erweiterbaren Coding-Agenten, der sich bewusst von der Feature-Überladung anderer Tools absetzt. Der Ersteller des Videos präsentiert Pi als eine erfrischende Alternative zu etablierten Agenten wie Claude Code, Codex oder Open Code.

https://youtu.be/OMFIPv8a4qA

Der Schöpfer: Mario Zechner (BadLogic)

Pi wurde von Mario Zechner entwickelt, bekannt unter seinem Online-Pseudonym "BadLogic". Er ist ein erfahrener Open-Source-Enthusiast, der in der Vergangenheit libGDX entwickelt hat - eines der populärsten Game-Development-Frameworks für Java. Mario war frustriert von allen existierenden Coding-Agenten und entschied sich, einen eigenen zu bauen, der seiner Philosophie entspricht.

Zitat von Mario:

"Ich hasse alle existierenden Coding-Agenten. Pi's Philosophie ist: Passe den Coding-Agenten an deine Bedürfnisse an, anstatt umgekehrt."

Die Kernphilosophie: Was Pi NICHT hat

Das Besondere an Pi ist ironischerweise das, was es nicht mitbringt. Der Video-Ersteller betont wiederholt, dass die Stärke in der Abwesenheit von Features liegt:

Bewusst weggelassene Features:

Kritik an Claude Code:

Mario beschreibt Claude Code als "Raumschiff" mit einer exzessiven Menge an Features:

"Füge dieses Feature hinzu und jenes Feature... irgendwann ist Claude Code zu einem Raumschiff geworden. Es macht so viele Dinge, dass du wahrscheinlich nur 5% davon jemals nutzt. Du kennst vielleicht 10% insgesamt, und der Rest - die übrigen 90% - das ist wie die dunkle Materie der KI."

Kritik an Open Code:

Technische Details und Installation

Installation:

npm install

Pi ist in TypeScript geschrieben - was der Video-Ersteller humorvoll als "die Sprache für KI" bezeichnet.

Konfiguration:

Provider-Unterstützung:

Pi ist modell-agnostisch und unterstützt:

Wichtige Funktionen und Shortcuts

Session-Management:

Befehl/Shortcut Funktion
pi Agent starten
pi -r Session fortsetzen
--no-session Ohne Session-Speicherung ausführen
Ctrl+D Session beenden, zurück zur CLI
Ctrl+G Prompt zum Editor senden
/tree Hierarchie der Session-Branches anzeigen
! Ad-hoc Bash-Befehle ausführen

Session-Branching:

Eine besonders nützliche Funktion ist die Möglichkeit, Sessions zu forken und von jedem Punkt in der Konversation abzuzweigen. Dies hilft dabei:

Gist-Export:

Sessions können exportiert werden als:

File-Tagging:

Ähnlich wie bei Cursor können Dateien getaggt werden, um das Context-Management zu verbessern und präzisere Antworten zu erhalten.

Bild-Unterstützung:

Bilder können durch Einfügen des Pfads verwendet werden (die Drag-and-Drop-Funktionalität ist laut Video-Ersteller etwas unklar dokumentiert).

Erweiterbarkeit: Das Pi-Ökosystem

Obwohl Pi minimalistisch ist, bietet es umfangreiche Erweiterungsmöglichkeiten:

Erweiterungstypen:

Prompt-Templates:

Unter dem Ordner prompts können eigene Slash-Befehle erstellt werden, z.B.:

Packages installieren:

pi install <package-path>

Bekannte Erweiterungen:

Skills-Integration:

Pi erkennt automatisch bereits installierte Skills von Claude Code oder Open Code und macht diese verfügbar.

Inline-Ausführung und Aliase

One-Shot-Queries:

Mit -p kann Pi für einzelne Anfragen verwendet werden:

pi -p "Was belegt Port 8080?"

Modell-Liste anzeigen:

pi list models

Eigene Aliase erstellen:

alias q='pi -p --model <günstiges-modell>'

Dann einfach:

q "Wie spät ist es in Tokyo?"

Context ist König

Der Video-Ersteller betont wiederholt die Bedeutung des Context Windows:

"Wenn es eine Sache gibt, auf die wir uns einigen können, dann ist es, dass Context König ist. Oder genauer gesagt: Context, sowohl seine Qualität als auch seine Größe, wird bestimmen, wie glücklich oder frustriert du sein wirst."

Probleme mit überladenem Context:

Pi's Lösungsansätze:

Vergleich mit anderen Tools

Feature Pi Claude Code Open Code
MCPs ❌ (erweiterbar) ✅ ✅
Sub-Agenten ❌ (erweiterbar) ✅ ✅
Plan-Modus ❌ ✅ ✅
Session-Kompaktierung ❌ ✅ ✅
Erweiterbarkeit ✅ Hoch ❌ Gering ⚠️ Mittel
Footprint Sehr klein Groß Mittel
Session-Branching ✅ ⚠️ ⚠️

Praktische Anwendung des Video-Erstellers

Der Ersteller beschreibt seinen eigenen Workflow:

  1. Home-Server-Setup: Pi läuft auf einem neuen Home-Server
  2. Kontextdatei: Eine gut gestaltete MD-Datei mit Instruktionen und Context
  3. Soft Guardrails: Eine Datei mit grundlegenden Richtlinien, um sich nicht ständig wiederholen zu müssen
  4. Tmux-Integration: Statt Sub-Agenten werden Tmux-Sessions und Fork-Sessions verwendet

Zusätzliches Wissen über Pi

Aus der Community und Dokumentation:

  1. Awesome-Pi: Es gibt eine community-gepflegte "Awesome Pi"-Seite mit Ressourcen und Erweiterungen

  2. Thorsten Ball's Artikel: Der Ersteller referenziert einen Artikel, der zeigt, dass man mit nur ~400 Zeilen Code einen funktionierenden Agenten bauen kann - beschrieben als "Der Kaiser hat keine Kleider"

  3. Anerkennung von Experten: Pi wird gelobt von:

    • Peter Steinberg (Ersteller von Open Claw)
    • Einem der Unity-Gründer
    • Dem Ersteller von Flask und Jinja (Armin Ronacher), der kürzlich den Entwickler hinter Pi eingestellt hat

  4. GitHub-Erfolg: Pi wird als Agent beschrieben, der eines der am schnellsten wachsenden Projekte in der GitHub-Geschichte antreibt

  5. Philosophie der Einfachheit:

    "Alle diese Agenten sind im Grunde nur Schleifen über den Modellen."

Fazit des Video-Erstellers

Positiv:

Neutral/Abwägend:

Endurteil:

"Es ist noch zu früh, um es sicher zu sagen, aber Pi ist ein Keeper."

Der Ersteller betont, dass er trotz seiner Begeisterung für Open Code (mit all seinen Features) die Schlankheit von Pi sehr schätzt. Die Abwesenheit von Features ist nicht als Mangel zu verstehen, sondern als bewusste Designentscheidung, die Entwicklern ermöglicht, genau das hinzuzufügen, was sie brauchen - nicht mehr und nicht weniger.

Empfehlung

Pi eignet sich besonders für:

Pi eignet sich weniger für:

Ausführliche Zusammenfassung: "Babysitter" - Ein KI-Orchestrierungssystem für deterministische Ergebnisse

Einleitung und Problemstellung

Der Videoersteller beginnt mit einer ehrlichen Bestandsaufnahme der aktuellen KI-Landschaft: Niemand weiß wirklich, wohin sich KI entwickelt – auch wenn viele so tun, als hätten sie alle Antworten. Was er jedoch mit Sicherheit sagen kann, ist, dass KI-Systeme häufig ihr Ziel verfehlen.

Als zahlender Kunde (200 Dollar monatlich bei OpenAI, früher auch bei Anthropic) hat er praktisch jedes verfügbare Modell getestet – von OpenRouter über verschiedene Quirks-Modelle bis hin zu OpenCode, Zen, Go und Black. Seine ernüchternde Erkenntnis: Unabhängig von der Preisstufe oder dem investierten Geld halluzinieren KI-Systeme ständig.

Zwar setzen alle Entwickler Leitplanken und Regeln, aber – so der Sprecher mit einem Augenzwinkern – diese werden von den KIs oft einfach ignoriert. Die Systeme halten sich nicht wirklich an Vorgaben.

https://youtu.be/xNDxh35Dva4

Die Lösung: Babysitter von A5C.AI

Das Versprechen

Was wäre, wenn es ein System gäbe – keinen Zaubertrick, keine Illusion – sondern eine tatsächliche Methode, um Aufgaben mit deterministischen Ergebnissen zu orchestrieren? Der Sprecher ist deutlich: Wenn jemand das verkaufen würde, wäre er sofort Kunde.

Die gute Nachricht: Niemand verkauft es – denn es ist Open Source. Das Projekt namens "Babysitter" von A5C.AI soll dabei helfen, "Gehorsam durchzusetzen" und halluzinationsfreie Ausgaben anzustreben.

Die Website und das Team

Die Website A5C.AI präsentiert sich mit dem typischen "VIP-Coded-Landing-Page"-Feeling, aber das Team scheint es ernst zu meinen mit dem Open-Source-Gedanken. Der Slogan "Von Entwicklern für Entwickler" ist etwas, das der Sprecher schon lange nicht mehr gehört hat – und das er positiv hervorhebt.

Das mysteriöse Team hinter A5C scheint sich dem Projekt verschrieben zu haben und bietet auch kostenpflichtige Unterstützung für große Organisationen an.

Die Kernprobleme, die Babysitter adressiert

  1. Alles ist eine Blackbox – es gibt keine echte Prüfmöglichkeit
  2. Das Kontextfenster würgt einen ab – zu viele Informationen, zu wenig Struktur
  3. Wer entscheidet, wann etwas fertig ist? – Spoiler: Nicht der Nutzer

Die Lösung durch Babysitter

Babysitter implementiert:

Die vier Betriebsmodi

Das Projekt bietet vier verschiedene Optionen:

  1. Call: Der Standardaufruf für normale Aufgaben
  2. Plan Only: Nur Planung ohne Ausführung
  3. YOLO-Modus: "Forever Mode" – das System läuft autonom (riskanter)
  4. Ein weiterer Modus (im Video nicht vollständig spezifiziert)

Technische Details

Kompatibilität

Babysitter unterstützt:

Alles ist als "experimentell" gekennzeichnet – was der Sprecher humorvoll kommentiert: "Ist nicht alles in den letzten Jahren experimentell?"

Installation und Ausführung

Babysitter kann auf zwei Arten verwendet werden:

  1. Als Paket/Extension für den bevorzugten Agenten
  2. Als eigenständiges Harness (Wrapper)

Die Standalone-Option ist besonders wichtig für ephemere Umgebungen wie CI-Worker oder GitHub-Automatisierungsbots.

Installation:

npm install @a5c-ai/babysitter-sdk

Nach der Installation kann man das Harness direkt ansprechen und einen der vier Modi aufrufen. Als Orchestrator kann "Internal" verwendet werden, aber auch Claude oder andere Optionen sind möglich.

Der Prozess

Ein wesentlicher Unterschied: Prozesse werden in JavaScript definiert, nicht in Markdown – also echtem Code im Workspace.

Der Einrichtungsprozess

Schritt 1: Nutzer-Setup

babysitter user install

Hier lernt das System den Nutzer kennen. Man kann eigene Details festlegen:

Wichtiger Tipp: Kurz und spezifisch halten – und bitte keine Emojis!

Das System scannt auch das GitHub-Profil des Nutzers, um Präferenzen zu erkennen (z.B. ob man eher Go/Shell oder JavaScript/Perl bevorzugt).

Schritt 2: Projekt-Setup

Mit jedem neuen Projekt durchläuft man den Project Install Process. Dabei:

  1. Liest das System den Code
  2. Analysiert Dependencies
  3. Durchforstet die Git-Historie
  4. Baut ein mentales Modell des Projekts
  5. Erstellt Konfigurationsdateien unter .a5c

Wichtige Fragen während des Setups:

Zeitaufwand

Der Sprecher ist ehrlich: Das dauert! Etwa 15 Minuten für den initialen Setup, plus Zeit für Nutzerfragen. Er verwendete GPT 5.5 auf "High"-Reasoning, was langsamer ist, aber bessere Ergebnisse liefert.

Kernbotschaft: Es geht nicht um Geschwindigkeit oder Quantität, sondern um korrekte Ergebnisse.

Integrierte Methodologien

Babysitter hat verschiedene Methodologien "eingebrannt":

Die Dokumentation listet Prozesse für:

Der Sprecher gibt zu, dass er diese nicht alle gelesen hat und die Vielfalt etwas besorgniserregend findet.

Praktische Demonstration

Der Doctor-Befehl

Nach dem Setup empfiehlt sich:

babysitter doctor

Dieser produziert einen Bericht darüber, was funktioniert hat und was noch Aufmerksamkeit braucht.

Beispiel 1: REST-API mit TDD (Call-Modus)

Aufgabe: Eine kleine Task-API mit allen CRUD-Methoden, unter Verwendung von TDD und mit einem Qualitätsziel.

Der Prozess:

  1. Babysitter ruft den Orchestrator und die Skill-Anweisungen auf
  2. Es druckt einen Plan mit Request-Endpoints und Quality Gates aus
  3. Interessant: Es generiert eigenen Orchestrierungscode (TypeScript!)
  4. Das System fragt um Genehmigung bevor es fortfährt (Approval Gate)
  5. Erster generierter Code: Die Tests!
  6. Erst danach der Code, der die Tests besteht

Ergebnis:

Beobachtung zur Präzision:
Das System ist extrem literal in der Umsetzung. Es gab keine Logs – weil keine angefordert wurden. Das kann gut oder problematisch sein und erfordert Detailgenauigkeit bei der Planung.

Test der API:

Beispiel 2: YOLO-Modus mit generischer Aufgabe

Parallel wurde eine vage Aufgabe im YOLO-Modus gestartet. Das Ergebnis:

Fazit: Der strukturierte Ansatz mit klaren Anweisungen liefert bessere Ergebnisse.

Beobachtungen zu TDD

Der Sprecher macht eine interessante Nebenbemerkung: Obwohl er keine Beweise hat, liefern KI-Agenten bessere Ergebnisse, wenn man sie TDD (Test-Driven Development) verwenden lässt. Das ist keine isolierte Beobachtung – andere haben Ähnliches bemerkt.

Ironischerweise wurde ihm TDD immer beigebracht, aber er hat es nie richtig praktiziert. Jetzt, mit KI-"Minions", die noch nicht ablehnen können, ist es endlich möglich!

Über Pi – Der verwendete Agent

Was ist Pi?

Pi ist der im Video verwendete Open-Source-KI-Agent, der als "der schlankste und minimalistischste Open-Source-Agent" beschrieben wird. Er hat Babysitter als eines seiner optionalen Erweiterungspakete gelistet.

Installation mit Pi

pi install

Nach der Installation zeigt Pi neue Optionen für Babysitter. Der Sprecher empfiehlt:

babysitter help

...um alle verfügbaren Optionen zu sehen (es sind viele!).

Pi's Philosophie

Basierend auf den Informationen aus dem Video und allgemeinem Wissen über Pi:

  1. Minimalismus: Pi verfolgt einen schlanken Ansatz ohne Bloat
  2. Erweiterbarkeit: Optionale Pakete wie Babysitter können hinzugefügt werden
  3. Open Source: Vollständig quelloffen und community-getrieben
  4. Agenten-Framework: Fungiert als Wrapper/Framework für KI-Interaktionen

Nutzung mit Babysitter

# Ad-hoc Session
pi -p "dein prompt hier"

# Mit Babysitter call
babysitter call "baue eine task api mit allen methoden, nutze tdd, qualitätsziel: tests bestehen"

# Mit YOLO-Modus (autonomer)
babysitter yolo "generische aufgabe"

Kernerkenntnisse und Fazit

Was Babysitter NICHT ist:

Was Babysitter IST:

Die Rolle des Nutzers

Der Sprecher betont mehrfach: Der Nutzer ist ein wesentlicher Teil des Prozesses. Babysitter ist wie ein professioneller Mitarbeiter – wenn man ein Profi ist, verhält es sich professionell. Aber man muss:

Abschließende Bewertung

Der Sprecher ist positiv überrascht und plant, das System in den kommenden Wochen und Monaten weiter zu testen. Er bittet die Community, ihre Erfahrungen zu teilen.

Wichtige Einschränkung: Babysitter ist ohne einen ordentlichen Agenten (wie Pi) drumherum nicht viel wert. Es ist ein Orchestrierungslayer, kein eigenständiges Tool.

Ergänzende Informationen zu Pi (aus externem Wissen)

Pi Agent – Technischer Hintergrund

Pi ist ein Terminal-basierter KI-Agent, der:

  1. CLI-First Design: Entwickelt für die Kommandozeile
  2. Lightweight: Minimaler Ressourcenverbrauch
  3. Plugin-Architektur: Erweiterbar durch Pakete wie Babysitter
  4. Multi-Model Support: Kann mit verschiedenen LLM-Backends arbeiten

Warum Pi für Babysitter?

Die Kombination macht Sinn weil:

Typische Pi-Workflows

# Einfache Interaktion
pi "erkläre mir diesen code"

# Mit Datei-Kontext
pi -f main.py "refactore diese funktion"

# Inline-Prompt für Automatisierung
pi -p "erstelle unit tests für alle funktionen"

Persönliche Empfehlung des Videoerstellers

  1. Für Einsteiger: Erst Pi kennenlernen, dann Babysitter hinzufügen
  2. Für Profis: Quality Gates und TDD-Workflows nutzen
  3. Für alle: Geduld haben – gute Ergebnisse brauchen Zeit
  4. Experimentieren: Die YOLO- und Call-Modi haben unterschiedliche Use Cases

Diese Zusammenfassung basiert auf dem Transkript des YouTube-Videos und wurde durch allgemeines Wissen über die erwähnten Tools ergänzt.