IndyDevDan · 51:36 · 发布 2026-02-23 · 22.8万次观看(截至抓取) · 观看原视频 🔥 观众最高回放 29:56 — 本片高回放时刻见对应章节
主旨
写一个 meta-agent:调度 8 个领域专家 agent 各自专精 Pi 的某一面——widget / extension / hooks / theme / command / tool / system prompt / subagent,并行询问后汇总输出。演示”你应当 build agents that build agents”——meta 是造 agent 的 agent,作者自己 build Pi demo 时边 build 边用 meta agent 自动生成新的 agent spec。
核心论点
- Meta-agent 调度领域专家 agent 而非泛 agent——8 个 expert 各自专精 Pi 的一面(extensions、hooks、widgets、themes 等),主 agent 不动手,只调度。(→ 详解1)
- “build agents that build agents”是本片最关键的一句——meta 把自己从劳动里解放出来,把重复造 agent 的工作也交给 agent。这是 AI 编码光谱 中 “independent research” 那一层的具体工程样例。(→ 详解2)
- 作者在 build demo 时 build meta-agent —— 作者亲述他在做 demo 时到第四第五个 agent 时意识到这些是同类工作, 于是切到 meta mode 让 meta-agent 按模板生成剩下的 agent spec— 主会话边造 agent 边发现可以 meta 化,这是 harness 工程化的递归应用。(→ 详解3)
- tilldone.ts 是 ~700 行可参考实现样本 ——
extensions/tilldone.ts文件给出了 widget + tool + hook + 命令注册的完整样板,这是任何想 build Pi 工程师的”读这一份例子”。(→ 详解4)
知识点详解
1. 8 个领域专家并行调度 43:16
So, if we look for Pi Pi, you can see here that I have a meta agent. And so, I’m going to kick this off. What you’ll see is that I have broken down the capabilities of PI into their own agent expert. So, we’re combining a lot of ideas we’ve talked about on the channel. You know, we’ve talked about agent experts. (43:16)
I’m just going to say prompt all eight experts. Have them concisely state their purpose. And so when we fire this off, you can see that my primary agent prompted all eight agents in parallel. And so these are pre-existing agents that have a precise purpose to explain how to build and create new PI agents. (43:16)
主 prompt 是 prompt all eight experts, have them concisely state their purpose ——主 agent 并行询问 8 个 expert 然后汇总。 这等于一个 agent as service 的可重用抽象:任何时候你需要某领域专精知识,主 agent 可以调度对应 expert。
2. “build agents that build agents” 43:16
This is a meta PI agent. And I’ve delegated all of the special, you know, unique parts about Pi into their own dedicated agents. This is a piece of the future of agentic engineering. One agent is not enough. You want to be stacking these. (43:16)
作者把这句话写成 Pi 视频的关键洞察:You want to be building agents that build agents. You want to be working on that meta level so that you can quickly build out your solutions. (42:07)
核心理由:当你发现自己在反复创造同类 agent,就该把这个创造的过程也自动化 —— meta 是把”创造 agent”这一动作本身也工程化的层级。
3. 边 build 边 meta 化 43:16
You can imagine as soon as I started spinning up all of these agents to create this demo for you, I stopped around agent four or five and I said, “Click where I am. I’m building agents once again in a different specialized format, right? Building PI agents. Let me create a meta agent to generate these to spec with the right customizations.” (43:56)
作者点破这是 bootstrap 过程:你 demo build 一个 Pi agent,做到第四第五个时意识到这些都是同类工作 → 切到 meta mode 让 meta-agent 把后面的 agent 按模板生成。这是 AI 编码光谱 中 “independent research” 的具体表现——你不再”做工作”,你”做 meta 工作”。
4. tilldone.ts 是 ~700 行 reference 样板 43:16
And if we just hop into one of these, you can see that we have, you know, the till done is a, you know, some 700 line TypeScript file that breaks down exactly how this works. And if we just do a quick collapse here, you can get the gist of it. We registered a new command till done. We registered a tool for the agent, right? So we can call this whenever it wants to, we have an on input hook that we’re catching on. We have another hook on agent end on tool call session, so on and so forth. (43:16)
**tilldone.ts(约 700 行)**示范了一件事:注册 command + 注册 tool + 注册多个 hook + 自定义 widget + 完整 inloop agentic coding 流程——这是一份完整的 Pi ext 参考实现,任何想 build Pi ext 的人都应先读这一份。
可执行步骤
- clone
pi-vs-claude-code仓库,读extensions/tilldone.ts(~700 行) - 在 Pi 配置里加一个 meta-agent persona,指定它调度的 8 个 expert(widget-expert / hook-expert / theme-expert / ext-expert / command-expert / tool-expert / system-prompt-expert / subagent-expert)
- 跑一个让 8 个 expert 都回答同一个新 ext 设计问题的 prompt,验证并行被问后汇总
- (进阶)写一个 meta-meta-agent:它调上面这个 meta-agent 自动生成新的 agent spec
- (实用)把 meta-agent 接到日常 Claude Code 工作流,让新 agent 的生成也自动化
关联
- 进阶:本片 14-v12-Agent-Chain.md — chain 抽象 = 串行接力;meta-agent 抽象 = 调度领域专家
- 进阶:本片 11-v9-Agent-Team.md — team 抽象 = 并发 dispatch;meta 是 team 的”领域专家化升级”
- 印证(AI 编码光谱的最高层):AI 编码光谱 — meta-agent 处于 independent research 那一层,vibe coding / agentic engineering 不再适用
- 印证(recursive self-improvement 在 harness 层):递归自我改进 — meta-agent 是 harness 化的递归自改实现
- 互补(同样主张造 agent 而非用 agent):Meta Harness — 同一主张更抽象一级,本片具体到 Pi 的实现
一手来源与延伸
- Mario Zechner 的 Pi 主页:https://pi.dev/
- 配套 GitHub:https://github.com/disler/pi-vs-claude-code — 所有 Pi v0-v13 实际 extension 代码 + tilldone.ts 700 行样板
- 视频 43:16-51:36(v13 Meta PI 演示)
术语
- Meta-agent:调度其他 agent 的 agent,“造 agent 的 agent”
- Domain expert agent:专注于某一面 (widget / hook / theme / extension 等) 的专精 agent
- Agent as service:把 agent 当可重用的服务,主 agent 按需求调度
金句
You want to be building agents that build agents. You want to be working on that meta level so that you can quickly build out your solutions. (42:07) — 本片最关键的一句。
One agent is not enough. You want to be stacking these. (43:16) — 单 agent 不够,你应当把它们堆起来。
Click where I am. I’m building agents once again in a different specialized format. (43:49) — 作者 build demo 时 bootstrap 到 meta mode 的过程。
立场与利益
- 与利益同向:整个 14 个变体的建设都在 author 的课程(tactical-agentic-coding)里深度展开 = 拉付费课
- 与利益反向(单独标):作者承认 Pi 一切都需要自己造——meta-agent 同样是 ext 写出,而非内置。这是一个”你应该自己造”的主张,与”Pi 已经做完了”的销售形象背离
- 利益中性:meta 抽象、agent as service 概念无直接挂商品
价值定位
对本片目标学习者的价值:
- 适合谁:已经把 v0-v12 各种模式用得熟练,**现在想问”我重复造 agent 的过程能不能也自动化?”**的工程师
- 解决什么:meta-agent 把”造 agent”这一动作本身也工程化——不是造一次,是造”造 agent”的工具
- 认知 vs 实操:偏认知——meta 模式需要重新组织思维;实操可以从 tilldone.ts 入门
- 跨源最强重叠:与 AI 编码光谱 / 递归自我改进 / Meta Harness 遥相呼应,但本片是具体到 Pi 的工程实现
自检问题
- meta-agent 调度的不是泛 agent 而是领域专家,8 个 expert 各专精什么? 答案:widget / extension / hooks / theme / command / tool / system prompt / subagent 8 面——meta 主 agent 并行询问后汇总。回跳 43:16
- “build agents that build agents” 的两层意思? 答案:第一字面——meta-agent 自动生成新 agent 的 spec。第二层次——把”造 agent”这一动作工程化,意味着你不再是”doer”而是”meta-doer”。回跳 42:07
- 本章提到的 ~700 行 reference 实现是什么文件? 答案:extensions/tilldone.ts——示范了注册 command / tool / hook / widget 的完整 Pi ext 工程骨架。回跳 43:16