#V2EX
### [Python] 我开源了 Python 版本的 pi-mono(OpenClaw 的底层组件)

2 月份的朋友圈都被 OpenClaw 霸榜了，全世界都在“养虾”，各种玩法、各种接入、各种工作流分享刷屏。

看着 TypeScript 生态里各种“养虾底座”层出不穷；反观 Python 社区，大家要么在手搓一堆 if/else ，要么在和过度封装的沉重框架搏斗，实在有点冷清。

于是，我决定在开工第一天，正式开启 Python 圈的“养猪”事业——搞了个叫 pig-mono （🐷） 的开源项目。你可以把它理解成 pi-mono （ OpenClaw 的底座）在 Python 生态的对应版本。

GitHub 地址： <https://github.com/kangkona/pig-mono> （欢迎感兴趣朋友 Star 、提 Issues 、PR ）

# 先讲清楚：pig-mono 想做什么？

在我眼里，Agent 应用的核心早就不只是“写 prompt”了，而是要把它当成一个可迭代、可测试、可部署的工程系统。

这也是 pig-mono 最核心的设计理念：为 Python 开发者提供一套标准的 Agent Harness （智能体运行与测试底座）。

不搞黑盒魔法，而是像传统的测试/运行底座一样，把不可控的 LLM “大脑”，与可控的工具（ Hands ）、记忆（ State ）、环境（ Environment ）彻底解耦。它的目标是：

统一 LLM 访问层：同一套 API 接 14 家 Provider （含 OpenRouter 、Bedrock 、DeepSeek 等）。
提供完整的 Agent 运行时：工具注册、工具参数校验、消息历史、状态管理、异步执行……能跑、好调、可复用。
打通真实世界的“入口”：CLI Coding Agent 、Web Chat UI 、多平台消息机器人（ Slack/飞书/TG 等）。
Monorepo 模块化沉淀：按需安装、按需组合，绝不强买强卖。
未来扩展更多可直接插拔的、框架无关的 Agent 能力组件

# 核心模块速览：从哪里开始玩？

pig-mono 目前包含多个可独立安装的包（就像乐高积木）：
包名

你会用它来做什么

pig-llm：统一 LLM API：complete/stream 、用量统计、失败重试/兜底等

pig-agent-core：Agent 运行时：工具系统、消息历史、状态保存/恢复、异步等

pig-coding-agent：交互式 Coding Agent CLI：读写文件、执行命令、重构、分析

pig-web-ui：Web Chat UI （ FastAPI ）

pig-tui：终端 UI （更友好地交互/展示）

pig-messenger：多平台 Bot 框架：同一个 agent 接多消息平台

## 1 ） pig-llm：14 家大模型，1 套接口

如果你只想要一个“好用、能换、支持流式”的 LLM 客户端，这是最轻量的入口。
安装：
`pip install pig-llm`

最小示例：

```
from pig_llm import LLM
llm = LLM(provider="openai", api_key="sk-...", model="gpt-4o-mini")
resp = llm.complete("What is the meaning of life?")
print(resp.content)

# 支持丝滑的流式输出
for chunk in llm.stream("Tell me a story"):
  print(chunk.content, end="", flush=True)
```

支持 OpenAI / Anthropic / Google / DeepSeek / OpenRouter / xAI 等 14 家，也可自定义。

## 2 ） pig-agent-core：走向标准化的 Agent Harness

很多 Agent 写到最后变成了：一堆手写 JSON schema ，外加“不知道为什么又忘了上下文”的玄学 bug 。更可怕的是——根本没法做自动化 Evals 。

说实话，要在 Python 生态里做一个 100% 完美的 Harness 还有很长的路要走，但 pig-agent-core 从第一天的底层设计，就是奔着这个愿景去的。它帮你把“大模型的文字接龙”包装成一个输入输出高度确定、随时可以打断/恢复的状态机：

解耦执行：LLM 只负责思考，Harness 负责安全的工具调度和参数校验（基于 Pydantic ）。

状态与记忆分离：对话历史和内部状态支持序列化存取，随时可以 dump 成 JSON 恢复。这使得针对 Agent 的单测和回归测试终于成为可能。

安装：
`pip install pig-agent-core`
定义工具（装饰器注册）：

```
from pig_agent_core import Agent, tool

@tool(description="Get current weather for a location")
def get_weather(location: str) -> str:
  return f"Weather in {location}: Sunny, 72°F"
把工具塞进 Agent 然后跑起来：
from pig_llm import LLM

agent = Agent(
  name="WeatherBot",
  llm=LLM(provider="openai"),
  tools=[get_weather],
  system_prompt="You are a helpful weather assistant.",
)

response = agent.run("What's the weather in Paris?")
print(response.content)
```

它还支持：
消息历史：多轮对话追踪
异步：async/await
状态保存/恢复：例如把会话存成 JSON ，之后继续跑
参数校验：也支持用 Pydantic 定义工具参数模型

## 3 ） pig-messenger：一套 Agent 同时跑 Slack / Discord / Telegram / WhatsApp / 飞书

这是我个人最想补齐的一块：入口的多样性。
很多团队的 Agent 不是给“网页用户”用的，而是要进入消息平台，成为团队协作流的一部分。pig-messenger 提供一个统一的 MessengerBot ，再通过 Adapter 连接不同平台：
安装：

```
pip install pig-messenger # 基础
pip install pig-messenger[slack] # 带 Slack
pip install pig-messenger[all] # 全平台
```

Slack Bot 示例：

```
import os
from pig_messenger import MessengerBot
from pig_messenger.adapters import SlackAdapter
from pig_agent_core import Agent
from pig_llm import LLM

agent = Agent(
  llm=LLM(
    provider="openrouter",
    model="moonshotai/kimi-k2.5",
    api_key=os.environ["OPENROUTER_API_KEY"],
    ),
)
bot = MessengerBot(agent)
bot.add_platform(
  SlackAdapter(
    app_token=os.environ["SLACK_APP_TOKEN"],
    bot_token=os.environ["SLACK_BOT_TOKEN"],
  )
)
bot.start()
```

多平台并行跑（示意）：

```
from pig_messenger.adapters import SlackAdapter, DiscordAdapter, TelegramAdapter
bot = MessengerBot(agent)
bot.add_platform(SlackAdapter(...))
bot.add_platform(DiscordAdapter(bot_token=os.environ["DISCORD_BOT_TOKEN"]))
bot.add_platform(TelegramAdapter(bot_token=os.environ["TELEGRAM_BOT_TOKEN"]))
bot.start()
```

## 4 ） pig-coding-agent：交互式 Coding CLI

如果你想体验“Agent 在本地真实干活”，可以从 pig-coding-agent 开始。
安装：
`pip install pig-coding-agent`
启动交互式会话：
$ pig-code
你可以把它当作一个“会读写文件、能执行命令、会分析和重构”的编程助手。项目 README 里给了一些典型用法，例如：

```
pig-code gen "Create a FastAPI hello world app"
pig-code analyze main.py
pig-code refactor main.py "Add type hints"
```

5 分钟上手：从源码开发（ Monorepo ）
如果你想参与开发或直接从源码跑起来：

```
git clone
cd pig-mono

# 安装开发依赖
pip install -e ".[dev]"

# 安装所有 packages （可编辑模式）
./scripts/install-dev.sh

# 跑测试
./scripts/test.sh
```

# 你可能会问：为什么叫 “pig-mono”？

其实一开始想叫 py-mono （直白好懂，Python 版 pi-mono ）。结果准备发包时发现名字在 PyPI 被占用了。

于是顺势改成了 pig-mono ，不仅顺理成章地开启了我的“养猪”事业，最重要的是，可以光明正大玩个谐音梗：

虾仁猪心（ xiā rén zhū xīn ）“

“虾人不是人，猪心却走心”， 就是这么离谱、但又很好记。
适合谁用？
我会把 pig-mono 推荐给三类人：

* Python 主力军：想把类似 OpenClaw 的内核能力移植到自己业务系统里的人。
* “反”重型框架者：不想被太重、太黑盒的 Agent 框架绑架，希望能像乐高一样自由扩展。
* 多端部署需求者：要把同一个 Agent 塞进飞书、Slack 、Discord ，甚至自研 IM 的团队

# 结尾：如果你对它感兴趣

如果你觉得这个思路对你的胃口，欢迎去 GitHub 逛逛。领养一头你的专属赛博小猪（感兴趣朋友可以 Star 、提 Issues 、PR ）！

项目地址： <https://github.com/kangkona/pig-mono>

也欢迎在评论区聊聊：你最想用 Agent 解决的“真实工作流”是什么？呼声高的场景，我直接用 pig-mono 写个可复用的示例发出来！
https://www.v2ex.com/t/1194075#reply0