pi · Claude Code · Codex CLI
三个 Coding Agent Harness 的纯代码实现层面横向对比 — 基于 jayli/pi-coder issue #4 水位报告
综合水位：pi 7.4 / 10 · CC 7.5 · Codex 7.6 —— 差距仅 0.1~0.2，形状是「几处浅坑 + 一个架构级缺口」，没有任何结构性空白
pi（本仓库 v2.1.6）
7.4
加权合计 ÷ 93 · pi 内核 0.87.1
理念：开放、可测试、纪律成文、刻意简化。规则从真实事故复盘里长出来，删除安全做到内核级，系统提示词分段可编程。
Claude Code 2.1.268
7.5
202 MB Mach-O 闭源二进制 · strings 一手取证
理念：一切可配置、面向企业。28 个 hook 事件 × 5 种 handler 的声明层、组织策略下发、最广的插件与 MCP 生态。
Codex CLI 0.154.0
7.6
Rust 闭源二进制 · strings 一手取证
理念：沙箱优先、状态可重建。seatbelt / landlock 双沙箱、world-state 重注入、rollout 全量记录、按模式切推理预算。
一、分析基线 Baseline
横截面比较，只基于代码、二进制与本地数据的一手证据，不做历史版本纵向对比。
| 项 | 值 |
|---|
| 评估对象 | jayli/pi-coder @ d82fa69（v2.1.6，2026-09-27，main，与远端一致；评分基线为 bc717f9 v2.1.5，数字已刷新至当前 HEAD） |
| pi 配套 | pi-subagents 0.72.1（子代理 + watchdog）、pi-web-access 0.32.0（web 检索） |
| 扩展规模 | 30 个扩展（v2.1.6 起 destructive-guard/ 已从仓库删除，完整实现在 git 历史里） |
| 代码量 | 实现 83 文件 23,357 行；测试 63 文件 20,949 行；合计 44,306 行（测试占 47%） |
| 测试实跑 | 全量 node --test：1238 用例，1216 通过，22 跳过（沙箱嵌套按设计跳过），0 失败 |
| 环境开关 | 全部行为以 53 个 PI_* 环境变量表达：未设置 = 开，off = 关 |
二、核心评分矩阵 Score Matrix（权重 ÷ 93）
每格加粗者为该维最高分。「上下文文件工程化」一维（权重 7）按报告价值判断移出表外：上下文文件超出尺寸预算不构成有意义的质量差异。
| 维度 | 权重 | pi | CC | Codex | 对比 | 一句话依据 |
|---|
| 加权合计（÷93） | 93 |
7.4 | 7.5 | 7.6 |
|
三、11 维雷达图 Radar
同一维度上三家互有胜负：pi 在纪律、子代理治理、抗漂移、提示词可编程性四维同时领先；Codex 在执行稳定性与可观测性最强；CC 在验证闭环、约束广度、任务计划、记忆最全。
pi
Claude Code
Codex CLI
四、三种理念 Philosophies
分数接近，但三家对「harness 应该是什么」的回答完全不同。
pi：纪律成文，刻意简化
“小文件高频在场，胜过截断机器”
- 开放可验证：全部实现开源，1238 个用户可跑的测试；闭源两家的分数只能靠 strings 推断。
- 事故判例化：28KB 全局规则逐条来自真实删除事故的复盘（「障碍不是毁灭的理由」「沉默不是同意」）。
- 内核级安全：删除约束做到 macOS seatbelt 内核层，且只收窄到删除、写入不受限，误报面最小。
- 刻意简化：追齐对手能力但砍掉冗余机器——不做 28 事件 hook 配置层、不做 OAuth 2.1 全套、任务状态不建独立存储。
- 可编程提示词：system prompt 分段可寻址，扩展安全增段不破坏前缀缓存——对手都是封闭整体。
- 终端即产品表面：12+ 显示扩展，diff 渲染 / 命令折叠 / 主题实时切换。
Claude Code：一切可配置
“给用户（和企业）一个声明层”
- 声明式钩子：28 个 hook 事件 × 5 种 handler（command / prompt / agent / http / mcp_tool），验证与拦截都能用户配置。
- 企业治理：remote / managed settings、组织策略下发——单机工具不参赛的领域。
- 记忆系统最完整：
if_version 乐观并发、密钥机械拦截、双 scope。
- 生态最广：插件市场、官方 MCP 目录、内置 TodoWrite / 后台执行 / OTEL 导出。
- 代价：闭源不可测；系统提示词封闭；
bypassPermissions 可写进 settings 默认值，关闭保护存在配置侧路径。
Codex CLI：沙箱优先，状态可重建
“模式决定预算，rollout 重建一切”
- 沙箱双路线：macOS seatbelt + Linux landlock，
approval_policy 与 workspace-write / danger-full-access 模式化。
- world-state 重注入：AGENTS.md 作为世界状态基线，与压缩契约绑定。
- 执行稳定性最强（9 分）：完整异步执行 + reconcile 对账自愈。
- 可观测性最强（9 分）：rollout 全量记录可完整重建会话。
- 细节领先：
plan_mode_reasoning_effort 按模式切推理预算、update_plan 明文反复读条款、原生 /goal 带预算硬上限。
- 代价：记忆「有机制无数据」（本机实测 0 行）；无对等多代理治理面；提示词封闭。
五、优势与短板 Strengths & Weaknesses
pi
优势
- 4 个计分维度同时领先两家：纪律条款质量 9、子代理治理 8、抗漂移 8、提示词可编程性 8。
- harness 自身可测试性 9 vs 2/2：删除边界跑真 seatbelt E2E（真内核 EPERM），用户可复现每一个分数。
- 删除安全纵深独一份：只收窄删除 + 授权可记忆 + 永不删除层内核兜底 + bash / apply_patch 双路线共享授权，连退出码 0 里被掩盖的越界删除也能检出。
- 关闭保护只能靠用户物理按键：dangerous 态没有命令入口，模型侧诱导路径被设计成不存在。
- 记忆索引机械派生：索引扫正文重建，结构性不可能「写了记忆忘更新索引」。
- 显示层 9 分、MCP 零依赖三传输（不计分领域）。
短板
- 无后台执行原语（架构级缺口）→ 执行稳定性 6。2.1.6 更新：扩展级已由
background-tasks/ 补齐（run_in_background / background_output / background_kill），pi 内核侧缺口仍在。
- 验证要求只能用环境变量表达，无声明式配置层。
- 记忆缺乐观并发等 4 件数据安全机制。
- bypass 默认态下 push / publish /
curl | sh 无机械闸，全靠纪律文本。
Claude Code
优势
- 验证闭环 8：Stop hook + 原生 goal 评估，背后是 28 事件 × 5 handler 的用户可配置声明层。
- 约束强制力 9：sandbox-exec + bubblewrap、分层 permissions、四种 defaultMode。
- 任务与计划 9：内置 TodoWrite（15 处命中）。
- 记忆 9：乐观并发 + 密钥机械拦截 + 双 scope，全部实测命中。
- 集成生态 9（不计分）：插件市场、官方 MCP 目录、OTEL 全链路导出、完整后台执行套件。
短板
- 抗漂移仅 6：无规则重注入机制，长会话前置规则注意力衰减只能靠压缩缓解。
- 提示词可编程性 3：系统提示词封闭整体，用户侧无可编程面。
- harness 不可测试（2）：闭源二进制，用户无法验证其质量。
- 显示层 / 终端 UX 固定（5）；子代理治理靠 hook 表达（7）。
Codex CLI
优势
- 执行稳定性 9：完整异步执行 + reconcile 对账自愈，三家最强。
- 可观测性 9：rollout 记录可完整重建会话。
- 约束强制力 9：approval_policy + seatbelt / landlock + Guardian 审查。
- 计划细节领先：按模式切推理预算、明文禁止复读计划、
/goal 带 token 预算硬上限。
- 抗漂移 7：world-state 重注入（注入点近因性略逊 pi 的 core-rules）。
短板
- 子代理治理 6：无对等的多代理治理面（无 watchdog、无预算、无编排脚本）。
- 记忆「真特性、零数据」：
memory_consolidate 存在但本机实测 0 行记录。
- 提示词可编程性 5：系统提示词封闭。
- harness 不可测试（2）；显示层固定（6）；集成生态配套 6。
六、不计分维度 CC / Codex 不在同一层面竞争
| 维度 | pi | CC | Codex | 说明 |
|---|
| 显示层 / 终端 UX | 9 | 5 | 6 | pi 投入最重的领域之一：整行 diff 渲染、命令树状折叠、thinking 横向窗口、主题实时切换、statusline 防闪烁。 |
| 集成生态（MCP / web / subagent） | 7 | 9 | 6 | pi 一条 npm 命令装齐无手配依赖；CC 的生态广度（插件市场 / 官方 MCP 目录）仍更大。 |
| harness 自身可测试性 | 9 | 2 | 2 | pi 的分数可用仓库代码复现；闭源两家的分数来自厂商内部质量保障，用户不可验证。 |
七、pi 的剩余差距 重要、非刻意简化、需要追齐
与「刻意简化」不同，以下是真实差距及优先级。
| 优先级 | 差距 | 性质 |
|---|
| P0 | 后台执行原语（run_in_background 一类）：pi 0.87.1 dist 0 命中，长任务前台阻塞 | 架构级；2.1.6 起扩展级已由 background-tasks/ 补齐，pi 内核侧缺口仍在（评分未重打） |
| P1 | 验证闭环的声明层：项目专属验证要求无法声明式表达 | 表达能力差距，非触发率问题 |
| P1 | 记忆的版本化写入（if_version 或等价乐观并发）：同名写入直接覆盖 | 数据安全差距；CC 把它当一等机制 |
| P2 | 约束强制力的广度：bypass 默认态下 push / publish / 外网下载无机械闸 | plan 态已证明 tool_call 钩子可行，缺的是铺到外发动作 |
| P2 | 任务与计划两处细节：按模式切推理预算、禁止复读计划（Codex 均有） | 各一行改动的成本，尚未做 |
| P3 | 可观测性标准导出：无 OTEL 一类标准面 | 与价值判断重叠，优先级低 |