Pi Top 20 热门扩展盘点

pi.dev 上现在有 2400 多个扩展包，月下载量前 20 的加起来超过 50 万次。我来逐个介绍这些扩展。

pi-subagents — 70.6K/月

让 AI 把任务委派给专注的子代理。内置 7 个专业代理：

scout：快速本地代码库侦察，找到相关文件、入口点、数据流、风险，以及另一个代理应该从哪里开始
researcher：网络和文档研究，包括官方文档、规范、基准测试、最近变更，生成简洁的研究简报
planner：从现有上下文制定具体实现计划，只读和计划，不编辑代码
worker：实现工作，包括已批准的 oracle 交接，编辑文件、验证，遇到未批准的决策时升级而不是猜测
reviewer：代码审查和小修复，检查实现是否符合任务/计划、测试、边缘情况和简洁性
context-builder：规划前的更强设置阶段，收集代码上下文并编写交接材料如 context.md 和 meta-prompt.md
oracle：行动前的第二意见，挑战假设、捕捉偏离、推荐最安全的下一步，不编辑文件

可以用自然语言触发：”Use reviewer to review this diff” 或 “Ask oracle for a second opinion on my current plan”。也可以链式执行（scout → planner → worker）或并行执行（多个 reviewer 同时工作，一个关注正确性，一个关注测试，一个关注不必要复杂度）。

支持后台运行和 fork 上下文。子代理可以 TUI 澄清 UI 预览和编辑工作流。内置推荐编排模式：clarify → planner → worker → fresh reviewers → worker。

pi-mcp-adapter — 59.8K/月

MCP（Model Context Protocol）是 Anthropic 推出的模型上下文协议。问题是 MCP 服务器会暴露上百个工具，每个工具的定义要占 100-300 token，连接几个服务器就烧掉半个上下文窗口——而且不管你用不用这些工具都要付这个成本。

这个适配器用一个 mcp 代理工具（约 200 token）代替所有 MCP 工具。服务器懒加载——只有实际调用工具时才连接，不会在启动时连接。工具元数据缓存到磁盘（~/.pi/agent/mcp-cache.json），搜索、列出和描述功能不需要实时连接。

可以通过 directTools 配置把常用工具提升为 Pi 的一级工具，让 LLM 直接看到，而不是通过代理搜索。比如：

{
  "mcpServers": {
    "github": {
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-github"],
      "directTools": ["search_repositories", "get_file_contents"]
    }
  }
}

生命周期模式：lazy（默认，连接后空闲 10 分钟断开）、eager（启动连接但不自动重连）、keep-alive（启动连接，自动重连）。

支持 MCP UI 标准。当 agent 调用有 UI 资源的工具时，适配器通过 Glimpse（macOS）或浏览器打开它，UI 可以调用 MCP 工具并发消息回给 agent，双向通信。

配置文件：.mcp.json（项目）、~/.config/mcp/mcp.json（用户全局）、~/.pi/agent/mcp.json（Pi 全局覆盖）、.pi/mcp.json（Pi 项目覆盖）。

context-mode — 57.8K/月

“上下文问题的另一半”。从 4 个方面解决：

上下文节省：沙箱工具把原始数据挡在上下文外。Playwright 快照 56KB、20 个 GitHub issue 59KB、一个访问日志 45KB，通过沙箱后变成 5.4KB，98% 减少。

会话连续性：每个文件编辑、git 操作、任务、错误和用户决定都记录到 SQLite。对话压缩后不把这些数据倒回上下文——而是索引到 FTS5，通过 BM25 搜索只注入相关内容。模型从上次停的地方继续。如果你不用 --continue，上次会话数据立即删除——新会话是干净的开始。

Think in Code：LLM 应该编程来做分析，而不是计算。不是读 50 个文件到上下文来数函数，而是写个脚本做计数，console.log() 结果。一个脚本代替 10 次工具调用，节省 100 倍上下文。这是所有 15 个平台的强制性范式：停止把 LLM 当数据处理器，把它当代码生成器。

// Before: 47 × Read() = 700 KB. After: 1 × ctx_execute() = 3.6 KB.
ctx_execute("javascript", `
  const files = fs.readdirSync('src').filter(f => f.endsWith('.ts'));
  files.forEach(f => console.log(f + ': ' + fs.readFileSync('src/'+f,'utf8').split('\n').length + ' lines'));
`);

不强制文风：context-mode 管数据往哪去，不管模型怎么写回答。简洁性、完整性、格式——你的模型决定（或通过你自己的 CLAUDE.md/AGENTS.md）。

11 个 MCP 工具：ctx_batch_execute、ctx_execute、ctx_execute_file、ctx_index、ctx_search、ctx_fetch_and_index（6 个沙箱工具）+ ctx_stats、ctx_doctor、ctx_upgrade、ctx_purge、ctx_insight（5 个元工具）。

支持 Claude Code（plugin 自动路由）、Gemini CLI（hook 自动路由）、VS Code Copilot（hook）、JetBrains Copilot（hook）、Cursor（hook/plugin）、OpenCode（plugin）等平台。

pi-web-access — 34.3K/月

网页搜索、内容提取和视频理解。零配置 Exa 搜索（不需要 API key），也可以添加 Exa、Perplexity 或 Gemini API key 获取更多控制，或者用浏览器 cookie 访问 Gemini Web。

工具：

web_search：通过 Exa、Perplexity AI 或 Gemini 搜索网络，返回带来源引用的综合答案。支持批量查询、按天/周/月/年过滤、限制域名、包含内容抓取
code_search：通过 Exa MCP 搜索代码示例、文档和 API 引用，不需要 API key
fetch_content：获取 URL 并提取可读内容为 markdown。自动检测和处理 GitHub 仓库、YouTube 视频、PDF、本地视频文件和常规网页
get_search_content：从之前的搜索或抓取中检索存储的内容

GitHub URL 被克隆到本地，不是抓取渲染的 HTML。模型拿到真实文件内容和本地路径，可以用 read 和 bash 探索。超过 350MB 的仓库通过 API 获取轻量级视图（可以 forceClone: true 覆盖）。克隆在会话中缓存，会话更改后清除。私有仓库需要 gh CLI。

YouTube 视频通过 Gemini 处理：完整转录、带时间戳的视觉描述、章节标记。可以传一个 prompt 问视频里的具体问题。结果包含视频缩略图。fallback：Gemini Web（启用浏览器 cookie 时）→ Gemini API → Perplexity（只有文本摘要）。处理所有 URL 格式：/watch?v=、youtu.be/、/shorts/、/live/、/embed/、/v/。

本地视频文件：传文件路径（/、./、../ 或 file:// 前缀）通过 Gemini 分析视频内容。支持 MP4、MOV、WebM、AVI 等常见格式，最大 50MB。可以传 prompt 问具体内容。安装 ffmpeg 会包含缩略图帧。

PDF URL 提取为文本并保存到 ~/Downloads/ 作为 markdown。agent 可以 read 特定部分而不加载完整文档到上下文。只有文本提取，没有 OCR（扫描文档）。

被阻止的页面：当 Readability 失败或只返回 cookie 通知时，扩展通过 Jina Reader（服务器端 JS 渲染，不需要 API key）重试，然后 Gemini URL Context API，再是 Gemini Web 提取（启用浏览器 cookie 时）。处理 SPA、JS 重型页面和反机器人保护。也解析 Next.js RSC flight 数据。

每个能力都有 fallback 链：搜索先试 Exa，再试 Perplexity，再试 Gemini API，最后试 Gemini Web（启用浏览器 cookie 时）。

配置：~/.pi/web-search.json。provider 设置默认搜索提供商（exa、perplexity、gemini）。workflow 设置默认 curator 模式（summary-review 打开 curator 并自动生成摘要草稿，none 原始结果）。

斜杠命令：/websearch（打开搜索 curator）、/curator（切换或配置 curator）、/search（浏览存储的搜索结果）、/google-account（显示当前认证的 Google 账户）。

活动监视器：Ctrl+Shift+W 切换显示实时请求/响应活动。

@ollama/pi-web-search — 26.1K/月

基于本地 Ollama 实例的网页搜索和抓取工具。适合本地部署场景，不依赖外部 API。

两个工具：

ollama_web_search：搜索网络获取实时信息
ollama_web_fetch：从网页获取并提取内容

要求：pi coding agent 已安装、Ollama 正在运行（ollama serve）。

如果连接错误：确保 Ollama 正在运行、验证 web search/fetch 在 Ollama 配置中启用、检查 OLLAMA_HOST 环境变量匹配设置。

@plannotator/pi-extension — 21.9K/月

交互式计划审查。可以给 agent 消息添加注释，还能审查代码和 PR。提供计划审查界面，agent 可以交互式审查计划，标注问题，收集反馈，改进方案。

pi-lens — 13.7K/月

实时代码反馈。每次 write 和 edit 时运行一个快速、语言感知的管道：

Secrets 扫描：阻止写入，检测到凭证（密码/token/secret）
Auto-fix：6 个工具的安全自动修复（Biome check --write、Ruff check --fix、ESLint --fix、stylelint --fix、sqlfluff fix、RuboCop -a）在分析前应用
LSP 同步：在活跃语言服务器中打开/更新文件
并行 lint：LSP 诊断、tree-sitter 结构规则、ast-grep 安全/正确性规则、fact 规则、语言特定 linter、实验性 Semgrep 安全扫描、相似性检测
级联诊断：显示哪些其他文件受影响以及诊断如何传播（通过文件 → 符号 → 依赖的 review graph）

agent 结束时（所有 agent 工具调用完成后）：

延迟格式化：本轮排队的文件格式化一次，同步到 LSP，跟踪 read-guard 覆盖
摘要通知：简洁状态：多少文件被格式化、哪些改变、是否有格式化器失败

会话开始时：重置运行时状态和诊断遥测，检测项目根、语言配置文件和活跃工具，应用语言感知的启动默认值来预装工具，预热缓存和可选索引（有重叠/会话护栏），为检测到的语言发出缺失工具安装提示，在用户提示前添加会话指导，打开 warmFiles（在 .pi-lens/lsp.json 中配置）来为懒索引语言服务器如 clangd 做种。

LSP 支持默认开启（--lsp 或无 flag），内置 37 种语言服务器定义，自动从 PATH、项目 node_modules 和托管安装中发现。服务器未安装时提供交互式安装提示。LSP 服务器 240 秒不活动后关闭（没有文件被修改），编辑恢复时重置定时器。懒索引服务器如 clangd 可以配置 warmFiles 在会话开始时打开入口点文件。

格式化器：自动检测并运行 26 种格式化器（biome、prettier、ruff、black、sqlfluff、gofmt、rustfmt、zig fmt、dart format、shfmt、nixfmt、mix format、ocamlformat、clang-format、ktlint、rubocop、standardrb、gleam format、terraform fmt、php-cs-fixer、csharpier、fantomas、swiftformat、stylua、ormolu、taplo）。检测规则：配置门控（只在项目配置指示使用时运行）、最近胜（多个格式化配置在不同目录级别存在时，离编辑文件最近的胜）、Biome 默认（JS/TS 文件没有 Prettier 或 Biome 配置时用 Biome）、Ruff 默认（Python 文件没有 Black 配置时用 Ruff format）。

Read-before-edit 保护：所有文件写入和编辑前验证 agent 是否读了足够上下文。零读取阻止（任何编辑没在当前会话读过的文件）、文件修改阻止（文件在上次读取后磁盘上改变）、超出范围阻止（编辑目标行超出之前读取的范围）。跨越多个读取的覆盖：读取 1-100 行和 101-200 行一起满足完整文件写入。符号扩展读取（小读取通过 tree-sitter 透明扩展到封闭符号）在符号级别计入覆盖。Markdown、文本和日志文件豁免。单次编辑覆盖：/lens-allow-edit <path>。配置 --no-read-guard 禁用或模式设为 warn。

机会性读取扩展：当 agent 读取一个小切片（≤ 60 行）时，pi-lens 通过 tree-sitter AST 透明扩展到完整封闭符号（函数、方法或类）。agent 收到完整符号作为上下文，read guard 记录符号级别覆盖，所以符号内任何地方的编辑通过而不需要 agent 读每一行。扩展在 200ms 预算内运行，不支持的文件类型或解析失败时静默回退。支持 TypeScript、TSX、JavaScript、JSX、Python、Go、Rust、Ruby。

Fact 规则管道：覆盖 JavaScript/TypeScript、Python、Go、Rust、Ruby、Shell、CMake。基于 TypeScript AST 的 fact-rule 引擎提取函数级别指标并评估质量和安全规则。阻止规则在写入时立即浮现，建议规则通过 /lens-booboo 访问。

阻止（写入时浮现）：cors-wildcard（Access-Control-Allow-Origin: * 在服务端代码）、error-swallowing（空 catch 块）、no-commented-credentials（注释代码中的密码/token/secret）、high-entropy-string（Shannon 熵可疑高的字符串字面量，可能硬编码 secret）。

pi-markdown-preview — 12.1K/月

Markdown 和 LaTeX 预览。可以输出到终端、浏览器或 PDF。实时渲染，支持数学公式、代码高亮、表格、列表等 Markdown 特性，以及 LaTeX 数学公式。

@juicesharp/rpiv-ask-user-question — 12K/月

结构化问卷工具。当 AI 需要猜测时，可以用选项向用户提问，而不是自由输入。这样可以避免模糊的猜测，确保得到明确的方向。支持带选项的问卷，用户可以从预定义的选项中选择，或者输入自定义内容（如果允许）。

Powerline 风格的状态栏，显示模型、thinking、token、git、worktree 和 skill 指标。提供两行固定状态页脚，包含丰富的信息和视觉反馈。

@juicesharp/rpiv-todo — 11.5K/月

待办事项列表，以覆盖层显示，/reload 和会话压缩后还在。支持依赖追踪（blockedBy）和循环检测，模型可以顺序安排工作。4 种状态：pending → in_progress → completed，加上删除的墓碑记录（用于审计）。

覆盖层在编辑器上方实时渲染，完成的项目保持可见直到下个 agent 响应开始，然后消失。12 行折叠阈值；完成的项目先掉落，待办项目最后截断。列表为空时自动隐藏。

工具 todo：创建/更新/列表/获取/删除/清除任务。blockedBy 依赖追踪带循环检测。任务通过分支回放持久化——存活会话压缩和 /reload。

斜杠命令 /todos：按状态分组打印当前待办列表。

本地化：安装 @juicesharp/rpiv-i18n 可以把覆盖层标题、/todos 章节标题和状态词切换到活动区域。支持 de、en、es、fr、pt、pt-BR、ru、uk。语言从 --locale <code> → ~/.config/rpiv-i18n/locale.json → LANG/LC_ALL → 英语解析。

pi-simplify — 10.2K/月

审查最近修改的代码，检查清晰度、一致性和可维护性。基于 git diff 检测变更文件，让 agent 审查这些原则：

保留功能：从不改变代码做什么
应用项目标准：遵循 CLAUDE.md/AGENTS.md 的约定
增强清晰度：减少复杂度、消除冗余、改进命名
保持平衡：避免过度简化

agent 读每个文件，一次应用一个改进，运行测试验证不破坏任何东西，总结变更。

斜杠命令：/simplify（审查所有未提交变更）、/simplify --staged（只审查暂存变更）、/simplify src/foo.ts src/bar.ts（审查特定文件）、/simplify --ref=main（对比特定分支 diff）。

@juicesharp/rpiv-advisor — 9,294/月

让 AI 在行动前向更强的模型请求第二意见。当决策本身有风险时很有用——oracle 会挑战假设、捕捉偏离、推荐最安全的下一步而不编辑文件。避免在没验证的情况下做出高风险决策。

pi-btw — 9,095/月

平行对话功能。/btw 命令开启一个真正的 Pi 子会话，有 read/bash/edit/write 工具访问，在主 agent 忙碌时也能运行。

连续 BTW 线程：默认保持，后续 /btw 调用继续当前线程
/btw:tangent：上下文无关的侧边线程，不从当前主会话继承对话
打开专注 BTW 模态窗口：有自己的 composer 和 transcript
在你用 Alt+/ 把焦点切回主编辑器时保持 BTW 覆盖打开
BTW 线程条目不出现在主 agent 的未来上下文中
支持 BTW-only 模型和 thinking 覆盖而不改变主线程设置
注入完整线程或摘要回主 agent
可选 --save 把单个 BTW 交换保存为可见的会话笔记

斜杠命令：

/btw [--save] <question>：立即运行，保持当前 BTW 线程，打开或刷新 BTW 模态窗口，流到 BTW 模态 transcript/状态表面，持久化 BTW 交换为隐藏线程状态
/btw:new [question]：清除当前 BTW 线程，从当前主会话上下文启动新线程
/btw:tangent [--save] <question>：启动或继续上下文无关的 tangent 线程，不从当前主会话继承对话
/btw:clear：关闭 BTW 模态/组件，清除当前 BTW 线程
/btw:inject [instructions]：发送完整 BTW 线程回主 agent 作为用户消息，pi 忙碌时排队为后续，发送后清除 BTW 线程
/btw:summarize [instructions]：用当前有效 BTW 模型总结 BTW 线程，注入到主 agent，pi 忙碌时排队，清除 BTW 线程
/btw:model [<provider> <model> <api> | clear]：显示或设置 BTW-only 模型覆盖
/btw:thinking [<level> | clear]：显示或设置 BTW-only thinking 覆盖

覆盖控件：Alt+/ 在 BTW 和主编辑器之间切换焦点不关闭覆盖层，Ctrl+Alt+W 是不传递 Alt+/ 的终端的回退焦点切换，Esc 覆盖层聚焦时立即关闭 BTW。

BTW 作为实际 Pi 子会话实现，有自己的内存会话状态、transcript 事件和工具表面。上下文 /btw 线程从当前主会话分支种子化并过滤掉父上下文中的 BTW 可见笔记；/btw:tangent 在无上下文模式下启动相同 BTW UI。BTW 可以继承主线程模型/thinking 设置或使用 BTW-only 覆盖。覆盖层 transcript/状态行从子会话事件驱动。

@juicesharp/rpiv-web-tools — 9,054/月

基于 Brave Search API 的网页搜索工具。提供网络搜索和内容抓取功能，使用 Brave Search API 获取结果，适合需要高质量搜索结果的场景。

@juicesharp/rpiv-btw — 8,998/月

/btw 斜杠命令，一次性侧边提问。简化版平行对话，用于快速侧边问题而不保持连续线程。

@runfusion/fusion — 8,990/月

Fusion AI 编码代理的 CLI 工具。提供 HTTP API 服务器、守护进程、dashboard 启动器和任务工具。

@juicesharp/rpiv-pi — 8,855/月

基于技能的开发工作流。包含五个技能（研究、设计、计划、实现、验证）和组成其 ship-loop 的共享子代理。提供技能驱动的开发流程，从研究到验证的完整链路。

glimpseui — 8,683/月

原生微 UI 框架，提供跨平台的 WebView 窗口和双向 JSON 通信。用于脚本和代理——跨平台 WebView 窗口带双向 JSON 通信。

MCP UI 标准支持：当 agent 调用有 UI 资源（_meta.ui.resourceUri）的工具时，适配器获取 UI HTML 并在 iframe 中打开（通过 Glimpse 的原生 macOS WKWebView 窗口，如果可用，否则回退到浏览器）。UI 可以调用 MCP 工具并发消息回给 agent。

会话复用：当 agent 再次调用同一工具而其 UI 已打开时，适配器推送新结果到现有窗口而不是替换。这启用实时更新——agent 可以细化图表、添加数据或响应用户输入而不丢失当前视图。不同工具仍替换会话如之前。

来自 UI 的消息类型：prompt（触发 agent 响应用户消息）、intent（带名称 + 参数的结构化动作）、notify（即发即忘通知）、message（通用消息负载）。

检索 UI 消息：mcp({ action: "ui-messages" })。

浏览器控件：Cmd/Ctrl+Enter 完成并关闭，Escape 取消并关闭，Done/Cancel 按钮 同键盘快捷键。

技术：工具许可门控 UI 是否可以调用 MCP 工具，支持 stdio 和 HTTP MCP 服务器，使用本地 408KB AppBridge 包（MCP SDK + Zod）进行浏览器↔服务器通信。

@samfp/pi-memory — 8,013/月

持久化记忆。从会话中学习纠正、偏好和模式，在未来对话中注入。

自动学习：会话结束时通过 LLM 整合提取偏好、项目模式和纠正。只有置信度 ≥ 0.8 的事实被存储。课程通过精确匹配和 Jaccard 相似度（≥ 0.7 阈值）去重。

上下文注入：新会话开始时从存储事实和课程构建 <memory> 上下文块，追加到系统提示。块限制在 8KB。

纠正粘住：你纠正一次的错误变成永久课程（如 “use sed for daily notes, not echo >>”）。

记忆类型：偏好（pref.*，如 pref.commit_style → “conventional commits”）、项目模式（project.*，如 project.rosie.di → “Dagger dependency injection”）、工具偏好（tool.*，如 tool.sed → “use for daily note insertion”）、用户身份（user.*，如 user.timezone → “US/Pacific”）、课程（表格）。

工具：memory_search（语义搜索）、memory_remember（手动存储事实或课程）、memory_forget（删除事实或课程）、memory_lessons（列学习的纠正）、memory_stats（显示记忆统计）。

斜杠命令：/memory-consolidate（手动触发从当前会话的内存提取）。

工作原理：

session_start：打开 SQLite 存储，在状态栏短暂显示记忆统计
before_agent_start：从存储事实和课程构建 <memory> 上下文块，追加到系统提示
agent_end：收集会话消息用于后续整合
session_shutdown：运行 LLM 整合（通过 pi -p --print）提取结构化知识，然后关闭存储

存储：SQLite 数据库在 ~/.pi/memory/memory.db（WAL 模式）。三张表：semantic（带置信度分数的键值事实）、lessons（学习的纠正带去重）、events（所有记忆操作的审计日志）。

项目本地存储：保持项目记忆与用户全局记忆隔离，在 {project}/.pi/settings.json 添加：

{
  "pi-memory": {
    "localPath": ".pi/memory" // 解析为 {project}/.pi/memory/memory.db
  }
}

或者如果通过 pi-total-recall 安装（包含 pi-memory、pi-session-search 和 pi-knowledge-search 的完整上下文堆）：

{
  "pi-total-recall": {
    "localPath": ".pi/total-recall"
  }
}

解析顺序（最高优先在前）：pi-memory.localPath 在 {cwd}/.pi/settings.json → pi-total-recall.localPath cascade → {localPath}/memory/memory.db → 全局默认：~/.pi/memory/memory.db。

选择性课程注入：默认所有课程注入每个会话。当有很多跨不同领域的课程时可能浪费上下文。启用选择性模式根据相关性过滤课程：

{
  "memory": {
    "lessonInjection": "selective"
  }
}

添加到 ~/.pi/agent/settings.json。在选择性模式，课程通过提示相关性（FTS 搜索用户的第一个消息）、项目上下文（匹配当前工作目录项目的课程）、类别推断（提示中的关键词触发相关类别，如 “pentest” 拉取 bug-bounty 课程，”blog post” 拉取 writing 课程）过滤。结果限制在 15 个最相关课程而不是全部。

社区

这 20 个扩展每月下载超过 50 万次。juicesharp 和 nicopreme 贡献最多，各有多个扩展上榜。juicesharp 专注于工作流工具（rpiv-todo、rpiv-advisor、pi-btw、rpiv-ask-user-question、rpiv-pi），nicopreme 贡献了核心扩展（pi-subagents、pi-mcp-adapter、pi-web-access）。

安装

安装扩展用 pi install npm:<package名>。比如：

1	pi install npm:pi-subagents

最后的话

Pi 的扩展生态在快速成长。从任务调度、网络访问到代码审查、文档预览，从子代理协作到持久化记忆，开发者们构建了完整的工具链。这个排行榜只是个快照，未来应该还会有更多好东西。