Codemode:Pi 如何突破 LLM 工具调用限制

What Is Codemode

Codemode:Pi 如何突破 LLM 工具调用限制

过去我常建议用脚本替代自定义工具,但 Pi 1.0 推出的 Codemode 改变了这一观点。Codemode 让 LLM 能在 harness 侧的受控环境中直接执行 JavaScript 代码,从而编排复杂操作。它解决了传统工具难以处理图像读取、子代理调度等原生需求的痛点。通过 Codemode,智能体不仅能并发调用模型 API 生成图像或进行文本分类,还能将中间状态存入会话转录中供后续调用。这种将‘大脑’与‘双手’分离的架构,既保证了安全性,又极大扩展了智能体的能力边界。

Codemode 是一种让 LLM 在 harness 侧表达和编排复杂操作的方式,但它并不在 execution environment 侧运行。
  1. ssivark

    结合这篇和 Cloudflare 的那篇帖子,感觉全是长篇大论,却没有一个简单的系统层面图解。在我看来,情况是这样的:

    1. 同像性(Homoiconicity):当前的 harness 机制很笨拙,我们需要真正的同像性,以便统一地将代码(工具调用)和数据(“自然语言”)作为 token 流来处理。

    2. Actor 语义:用于隔离、封装和并发。

    3. 对象能力(Object capabilities):注入引用,拒绝环境权限(ambient authority)。基于能力的反射/内省是发现接口和可供性(affordances)的清晰方式。

    所谓的“Code mode”或类似概念,本质上是通过从 LLM token 流向外“黑客式”地扩展来重新发现这些理念,而不是基于几十年的计算机科学系统设计原则。这标志着我们将 LLM 视为编程语言运行时参与者(有人想试试 eval/apply 吗?)的开端,而不再将其视为带有临时解释器 harness 的文本/token 生成器。

    如果现有的 Code mode 实现尚未支持所有这些,我预计它们会不断堆砌各种 hack,直到达到这个境界。

    ----

    我想是 Dan Ingalls 说过:“操作系统是一系列无法融入语言的东西的集合。本不应该有操作系统。”我对 harness 也有同样的看法——它们是尴尬的中间产物,既不属于 LLM,也不属于编程环境。

    也许答案是与 Common Lisp 或 Scheme fibers / Spritely Goblins 或 Erlang BEAM 联手,然后就此打住!

  2. ohgodhelpplease

    如果你像我一样,读完文章和评论后还在想“codemode”到底是什么:

    它的意思是给 harness 提供一个小型的 js 沙箱,用于组合工具调用,并在将其读入上下文之前处理返回的数据。

  3. ylxdzsw

    我不太明白为什么几乎所有 codemode 实现都选择 Javascript。我原型实现了一个 agent[1],使用 bash 作为 codemode 的语言,在我看来效果同样好,而且无需任何教学(实际上根本不需要 prompt 来教 LLM 关于 codemode 的知识。只要有一个名为“bash”的工具,它们就知道怎么用了)。

    [1] https://github.com/ylxdzsw/mu

  4. dnlgrmm

    遗憾的是,这似乎是为了微小的收益而引入了一套非常复杂的装置。我不需要 MCP 或 agent 可以编程绕过的众多工具调用——事实上,pi 的承诺就是基本上你只需要 bash,不需要其他工具。最小侵入性的做法应该是直接将工具调用“注入”为虚拟 bash 命令。不需要 code mode,也不需要手与脑的二分法。LLM 可以用它自己选择的语言与工具交互。

  5. planb

    标题是“什么是 codemode”。作为一个不知道 codemode 是什么的人,我不得不读到“Orchestrating The Harness”这一节,那里写着:“如果你不熟悉 Codemode,它基本上只是一种在某种语言(在我们的案例中是 JavaScript)内部发出工具调用的方式。”

    虽然我能从例子中大致明白其意,但文章的内容与标题完全不符。

同日更多故事

2026-10-07