Pi Agent：容器化与上下文压缩
来源：关于容器化和压缩的 Pi 文档。
系统形态
coding agent 不是具有更好提示的聊天机器人。
chatbot:
text in -> text out
coding agent:
read files
write files
run commands
call tools
preserve task state这会产生两个独立的可靠性问题：
| 问题 | 边界 | 缺失则失败 |
|---|---|---|
| 智能体可以作用于机器 | 集装箱化 | 主机文件、凭据和进程被暴露 |
| 智能体必须长期工作 | 压实 | 当上下文填满时任务会丢失内存 |
简短版本：
containerization controls what the agent can do
compaction controls what the agent can remember容器化
执行边界答案：
where does the agent run?
what filesystem can it see?
which commands can it execute?
which credentials are available?
what network access is allowed?
where do file edits land?对于 coding agent 来说，这些不是部署细节。它们定义每个工具调用的爆炸半径。
三种模式
| 图案 | 形状 | 最适合 | 留意 |
|---|---|---|---|
| 开放外壳 | 整个 Pi 进程在策略网关/沙箱后面运行 | 强隔离、集中控制运行时 | 更高的操作复杂性 |
| 贡多林延伸 | Pi 保留在主机上，但内置工具和 shell 命令在微型虚拟机中运行 | 保留本地身份验证/配置，同时隔离工具执行 | 自定义扩展仍可在主机上运行 |
| 普通 Docker | Pi 在已安装项目文件的本地容器内运行 | 简单的本地隔离 | 绑定挂载仍写入宿主项目 |
Docker 模式是最容易被误解的：
docker run -v "$PWD:/workspace" ...该安装意味着 /workspace 内的编辑是对宿主项目的真正编辑。如果还安装了 API 密钥或智能体配置，则容器边界包括这些凭据。
扩展边界
有一个细节非常重要：
extensions run wherever the Pi process runs因此，在类似 Gondolin 的设置中：
built-in tools -> micro-VM
custom extensions -> maybe still host工具隔离与完全扩展隔离不同。一个好的沙箱模型应该说明哪个代码路径拥有每个权限。
压实
内存边界回答了一个不同的问题：在对话变得太大后，智能体如何继续？
长时间的编码会话累积：
messages
tool calls
tool results
file reads
file edits
test outputs
branch history
user corrections压缩用结构化摘要替换旧的原始上下文，同时保持最新消息完整。
before:
[old messages][middle messages][recent messages]
after:
[summary][recent messages]我们的目标不是创造一个令人愉快的人类总结。目标是保留足够的任务状态以便智能体继续工作。
安全切入点
压缩不应该盲目地按令牌数进行切片。
工具调用和工具结果是一体的。如果剪切发生在它们之间，则模型可能会看到没有生成结果的命令的结果，或者看到没有结果的命令。
好的切入点往往是：
- 用户消息；
- 助理消息；
- 完成的命令执行；
- 分支摘要；
- 自定义状态快照。
不好的切入点包括工具-结果对的中间。
结构化摘要
延续摘要应该看起来更像任务状态而不是散文：
Goal
Constraints and preferences
Progress
Key decisions
Current blockers
Next steps
Read files:
...
Modified files:
...
Commands run:
...对于 coding agent 来说，文件和命令历史记录是内存的一部分。如果没有它们，智能体可能会重复工作或失去更改存在的原因。
分支总结
分支汇总解决了相关问题。当用户从一个工作分支导航到另一个工作分支时，智能体需要废弃分支的可移植摘要。
| 机制 | 触发 | 目的 |
|---|---|---|
| 压实 | 上下文太长或用户请求它 | 压缩当前时间线 |
| 分支总结 | 跨分支机构导航 | 从另一个分支携带有用的状态 |
一是垂直压缩。另一个是横向上下文迁移。
我的收获
容器化和压缩是成对的设计问题。
一个可以安全行动但不记得的智能体将会停滞不前。一个能够完美记忆但以广泛权限对主机进行操作的智能体是危险的。
可靠的 coding agent 需要：
safe action + reliable continuation这就是我想保留的有用的思维模式。