isaaac/ai
לכל המשאביםבואו נמפה תהליך
תפריט
לבנות סביבת AI משלךחלק 1מדריך מעשי

Pi Coding Agent: איך לבנות AI Agent משלך בלי להתחייב למודל אחד

Pi Coding Agent הוא דרך פשוטה להבין איך AI Agent באמת עובד: לא כמוצר אחד סגור, אלא כחיבור בין מודל, כלים, קבצים, Context והוראות.

בסדרת המדריכים הזאת נתחיל עם Pi ומודל AI חינמי, נבדוק אילו מודלים מקומיים אפשר להריץ על המחשב, נעבור לאפשרויות Cloud ו־OpenRouter, ובסוף ננסה לבנות מערכת שיודעת לבחור לבד איזה מודל מתאים לכל משימה.

בקצרה: מה נבנה בסדרה?

  • מודל חינמי למשימות פשוטות
  • מודל מקומי שרץ על החומרה שלנו
  • מודל Cloud חינמי או זול
  • מודלים מסחריים דרך OpenRouter
  • שכבת ניתוב שמחליטה איזה מודל מתאים לכל חלק במשימה

החלק הראשון מתחיל מהבסיס: מה זה Agent Harness, למה Pi מעניין ואיך מריצים משימה ראשונה בלי לשלם על מודל.

מה זה AI Agent Harness ולמה זה חשוב?

כשאנחנו אומרים היום ״אני עובד עם ChatGPT״, ״אני עובד עם Claude״ או ״אני עובד עם Codex״, אנחנו בדרך כלל לא עובדים רק עם מודל. אנחנו עובדים עם מערכת שלמה שעוטפת את המודל.

העטיפה הזאת היא מה שנקרא, בהקשר הזה, Harness.

שני משאבים משלימים לפני שממשיכיםמדריך השטח לעיצוב עם AI — מסגרת לחשיבה, ביצוע ויישוםהקשר משותף לכל סוכן קוד — AGENTS.md שנשאר עם הפרויקט

אז מה זה Harness?

מודל AI בפני עצמו הוא מנוע שמקבל Context ומייצר Output. הוא לא בהכרח יודע איפה הקבצים שלכם נמצאים, אילו כלים זמינים, באיזו תיקייה לעבוד או איך להתחבר לשירות חיצוני.

מישהו צריך לבנות את הסביבה הזאת סביבו. זה ה־Harness — סביבת העבודה של המודל.

  • המודל עצמו
  • ההוראות שהוא מקבל
  • ה־Context הזמין לו
  • הכלים שבהם הוא יכול להשתמש
  • הקבצים שאליהם יש לו גישה
  • הדרך שבה הפעולות מתבצעות ומוצגות למשתמש
המודל חושב. ה־Harness נותן לו דרך לעבוד.

במילים טכניות יותר, AI Agent Harness הוא שכבת תוכנה שמחברת LLM לכלים, קבצים, Context, APIs וסביבת ביצוע. זה מה שהופך מודל שמייצר טקסט ל־Agent שיכול לבצע עבודה.

דוגמאות ל־AI Agent Harness שאתם כבר מכירים

ChatGPT

ChatGPT הוא מוצר שלם סביב המודלים של OpenAI. הוא מנהל את השיחה, הזיכרון, הקבצים, החיפוש, הכלים וההרשאות. בגרסת Desktop יש סביבות עבודה שונות כמו Chat, Work ו־Codex, שעוטפות מודלים בכלים ובהרשאות המתאימים למשימה.

Claude Desktop

Claude הוא המודל. Claude Desktop הוא הסביבה שמחברת אותו למחשב ולכלים. באמצעות MCP ו־Desktop Extensions אפשר לתת לו גישה למקורות מידע ושירותים נוספים.

Codex

Codex מיועד לעבודה Agentic עם קבצים, repositories, טרמינל, code review ומשימות ארוכות ורב־שלביות.

המודל הוא המוח. ה־Harness הוא כל מה שמאפשר למוח הזה לעבוד.

ChatGPT, Claude, Codex ו־Pi: מה ההבדל?

ההבדל המרכזי הוא לא ש־Pi ״יותר Agent״ מהם. כולם יכולים לשמש כסביבות Agentic. ההבדל שמעניין כאן הוא מידת ההפרדה בין ה־Harness לבין המודל.

ב־ChatGPT, Claude ו־Codex מקבלים מוצר שלם עם מודלים, כלים וממשק מאותו אקוסיסטם. ב־Pi המודל הוא רכיב שניתן להחליף: OpenAI, Anthropic, Google, OpenRouter, Ollama או מודל מקומי דרך endpoint תואם.

כך אפשר לבחון את אותו Agent Harness, עם מודלים שונים ועל אותה משימה.

אז למה בכלל צריך עוד Harness?

ChatGPT, Claude ו־Codex נותנים Harnesses חזקים ונוחים, אבל הם מגיעים כחלק מאקוסיסטם גדול. הספק בונה את הממשק, מחליט איך הכלים מחוברים ומגדיר את דרך העבודה.

Pi לוקח גישה קטנה וישירה: Harness מינימלי, גישה לקבצים ולטרמינל, ואת המודל בוחרים בנפרד.

ברגע שה־Harness והמודל נפרדים, השאלה משתנה מ־״איזה AI הכי טוב?״ ל־״איזה מודל אני צריך בשביל המשימה הזאת?״

מה נעשה בסדרה?

המטרה היא להתחיל מהמערכת הכי פשוטה וזולה שאפשר, ואז להרחיב אותה רק כשהגענו לגבול.

  1. 01

    Pi ומודל חינמי

    מתקינים את Pi, מתחילים ממשימות קטנות ומעלים בהדרגה את רמת המורכבות.

  2. 02

    מודל מקומי

    בודקים מה אפשר להריץ על החומרה הקיימת דרך Ollama או שרת תואם OpenAI.

    נשתמש למשל ב־Ollama או בשרתים מקומיים תואמי OpenAI ש־Pi יודע לחבר כ־Custom Models.

  3. 03

    מודלים חינמיים בענן

    בודקים כמה רחוק אפשר להגיע עם שירותי Cloud לפני שמתחילים לשלם.

  4. 04

    OpenRouter

    פותחים גישה למודלים מסחריים שונים דרך API אחד, לפי מחיר, מהירות ויכולת.

    OpenRouter מרכז גישה למאות מודלים דרך API אחד.

  5. 05

    ניתוב אוטומטי

    בונים שכבה שבוחרת בעצמה איזה מודל מתאים לכל חלק במשימה.

במקום Agent עם מוח אחד, המטרה היא לבנות Agent שיודע לבחור לעצמו את המוח המתאים למשימה.

חלק 1

איך מתחילים עם Pi Coding Agent ומודל AI חינמי

מה זה Pi Coding Agent?

Pi הוא Agent Harness, לא מודל AI. הוא מחבר בין מודל, מחשב וכלים. המודל מספק יכולת לחשוב ולהבין; Pi נותן לו יכולת לפעול: לקרוא ולכתוב קבצים, לשנות קוד ולהריץ פקודות בטרמינל.

הכלים הבסיסיים מתועדים ב־Pi Quickstart, כולל עבודה מתוך תיקייה וקבלת הוראות דרך קבצים כמו AGENTS.md.

מתקינים את Pi ומחברים מודל חינמי

ההתקנה הרשמית קצרה:

npm install -g --ignore-scripts @earendil-works/pi-coding-agent

אחר כך נכנסים לתיקייה שבה רוצים לעבוד ומריצים:

pi

כדי להתחיל בלי לשלם על מודל, אפשר להתקין את pi-free, Extension שמוסיף ספקים ומודלים חינמיים או Freemium:

pi install npm:pi-free

חשוב: pi-free הוא Extension צד שלישי, לא חלק מליבת Pi. כמו כל Extension שמקבל הרשאות במחשב, כדאי לבדוק את המקור לפני התקנה. קוד המקור זמין ב־GitHub.

למה להתחיל עם מודל AI חינמי?

המטרה כרגע אינה לבדוק כמה טוב Claude או GPT. מודלים חזקים כבר מסוגלים לבצע הרבה משימות. השאלה המעניינת יותר היא: כמה אפשר לעשות לפני שצריך אותם בכלל?

הרבה משימות אינן דורשות מודל Frontier:

  • לקרוא קובץ
  • לסכם טקסט
  • לשכתב אימייל
  • לסדר מידע
  • לשנות כמה קבצים לפי הוראה ברורה
  • להריץ פקודה ולבדוק את התוצאה

משימה ראשונה: קריאה וכתיבה של קבצים

ניצור קובץ עם טיוטת אימייל לא מסודרת, ואז נבקש:

תקרא את הקובץ, תשכתב את האימייל בצורה קצרה ומקצועית, ותשמור את הגרסה החדשה בקובץ נפרד בלי לשנות את הקובץ המקורי.

זו לא משימה מרשימה במיוחד — וזה בדיוק העניין. קודם בודקים שהמערכת כולה עובדת: המודל קורא קובץ, מבין הוראה, מבצע פעולה ויוצר תוצאה. בלי Workflow, בלי מערכת Automation ובלי מודל יקר.

מבחן אמיתי יותר: לבנות Landing Page עם Pi

כדי ללמוד איפה הגבול, ניתן לאותו Agent ולאותו מודל חינמי משימה מורכבת יותר: לבנות Landing Page מלא לעסק.

  • להבין את העסק
  • לבנות מבנה לעמוד
  • לכתוב קופי
  • להחליט על היררכיה
  • ליצור CTA ו־FAQ
  • לחשוב על Responsive Layout
  • לכתוב את הקוד
  • לשמור על עקביות לאורך התהליך

כאן כבר יש Planning, Context, Design Decisions, כתיבה וקוד — החלטות רבות שתלויות זו בזו.

איך יודעים שהמודל החינמי כבר לא מספיק?

לא יודעים מראש. הוא יכול להיכשל מהר, לייצר תוצאה גנרית, לכתוב קוד שעובד עם עיצוב חלש, לשכוח דרישות — או להפתיע לחלוטין.

המטרה אינה לגרום לו להיכשל, אלא למצוא את הגבול שלו. אם הוא מספיק טוב למשימות מסוימות, אין סיבה להשתמש במודל יקר בשבילן.

וכשנמצא משימה שבה הוא כבר לא מספיק, לא נקפוץ מיד למודל חזק בענן. קודם נבדוק: כמה AI אפשר להריץ כבר עכשיו על המחשב?

בפוסט הבא נבדוק את החומרה, נמצא את המודל המקומי החזק ביותר שאפשר להריץ בצורה שימושית, וניתן לו בדיוק את אותה משימה.

TL;DR: Pi Coding Agent בקצרה

  • Pi אינו מודל AI. הוא Agent Harness שמחבר מודל לכלים, קבצים, טרמינל והוראות.
  • לא מחפשים ״מודל מנצח״. בונים סביבת Agent שבה אפשר להחליף מודלים לפי המשימה.
  • מתחילים בחינם. מתקינים Pi, מחברים מודל חינמי ובודקים משימות פשוטות.
  • אחר כך מחפשים את הגבול. נותנים לאותו מודל משימה מורכבת ורואים איפה האיכות יורדת.
  • בפרק הבא עוברים ל־Local LLM. משווים מודל מקומי מול אותה משימה.
  • בהמשך נוסיף Cloud models, OpenRouter וניתוב מודלים אוטומטי.

שאלות נפוצות

מה זה Pi Coding Agent?

Pi הוא Agent Harness מינימלי שעובד מהטרמינל. הוא נותן למודל AI גישה לכלים כמו קריאה, כתיבה ועריכת קבצים והרצת פקודות, ומאפשר להחליף את המודל שמפעיל את ה־Agent.

מה זה AI Agent Harness?

AI Agent Harness הוא שכבת התוכנה שמחברת מודל AI לכלים, Context, קבצים, APIs וסביבת ביצוע. המודל מספק reasoning ויצירת תוכן; ה־Harness נותן לו דרך לפעול.

האם Pi הוא מודל AI?

לא. Pi הוא הסביבה שמפעילה את המודל ונותנת לו כלים. את המודל עצמו אפשר להחליף.

האם אפשר להשתמש ב־Pi בחינם?

כן, אם מחברים אותו למודל או לספק שמציע שימוש חינמי. בפרק הזה אנחנו משתמשים ב־pi-free כדי להתחיל בלי לשלם על מודל.

האם Pi יכול לעבוד עם מודל מקומי?

כן. Pi תומך ב־Custom Models וב־OpenAI-compatible endpoints, ולכן אפשר לחבר מודלים מקומיים וכלים כמו Ollama, LM Studio או vLLM.

מה ההבדל בין Pi לבין ChatGPT, Claude או Codex?

ChatGPT, Claude ו־Codex הם מוצרים שלמים שמחברים מודלים, ממשק וכלים בתוך אקוסיסטם של ספק מסוים. Pi שם דגש על Harness קטן וגמיש שבו המודל הוא רכיב שאפשר להחליף.

למה להשתמש במודל מקומי במקום Claude או GPT?

מודל מקומי יכול לתת יותר פרטיות, שליטה ועבודה ללא עלות API לכל בקשה. החיסרון הוא מגבלת החומרה והביצועים, ולכן צריך לבדוק איזה Local LLM מתאים למחשב ולמשימה.

למה להשתמש ב־OpenRouter עם Pi?

OpenRouter מאפשר לגשת למודלים רבים דרך API אחד. זה מתאים למערכת שבה רוצים לבחור מודל לפי מחיר, מהירות או רמת reasoning בלי לבנות חיבור חדש לכל ספק.

האם Pi מיועד רק לתכנות?

לא בהכרח. Pi נבנה סביב coding workflows, אבל Agent שיכול לקרוא ולכתוב קבצים, להריץ פקודות ולעבוד לפי Context יכול לבצע גם משימות טקסט, ארגון מידע ואוטומציות פשוטות.

מה אנחנו בודקים בפרק הבא?

נבדוק את החומרה המקומית, נמצא מודל AI שאפשר להריץ עליה בצורה שימושית, ונריץ שוב את אותה משימה מורכבת כדי להשוות מול המודל החינמי.

קישורים ומשאבים