跳过正文
  1. Posts/

两毛四写一篇文章:我用 Pi + DeepSeek 做 Codex 备用方案的体验

·2057 字·5 分钟· ·
沈显鹏
作者
沈显鹏
Engineer. Builder. Maintainer.
目录

先说结论:Pi + DeepSeek,是我目前找到的最具性价比的 AI 编码备用方案。

两毛四,写了一篇完整的博客文章。

这个价格放在以前,我可能会觉得只是一个噱头。但实际用完之后,我的感受是:当 AI 调用的边际成本低到这个程度,很多原本只是“想想而已”的事情,真的可以交给 AI 去做了。

为什么需要备用方案
#

我现在同时在用 Claude Code、Codex 和 Copilot。

每个月加起来几十美元,不算便宜,但也还能接受。真正让我有压力的不是订阅费,而是额度限制

很多时候,不是工具不好用,而是用的时候会下意识“省着点”。比如写文章、批量分析 issue、生成测试、重构代码,这些任务都很适合交给 AI,但如果每次都要担心额度,很容易打断使用节奏。

我并不想为了这些场景再花上百美元去升级额度。

所以我需要的是一个备用方案:
随时能顶上,效果还不错,最重要的是便宜。

先试了 OpenCode,但没跑起来
#

我第一个试的是 OpenCode。

不过在我的 Mac 上没有顺利跑起来,界面都没进去。后来我又尝试给它配置 DeepSeek API,也没有成功。

这个时候,我想起了 Pi。

Pi 是什么
#

Pi 是一个极简的终端编程 Harness,由 @badlogic 开发。它是开源的,也不绑定某一个特定模型。

你可以把它理解成一个运行在终端里的 AI 编程助手框架:
它不提供复杂的图形界面,而是通过命令行和模型交互,让 AI 去阅读项目、分析代码、执行任务、生成内容。

这点正好适合我。因为我本来就更喜欢命令行工具,也更习惯在终端里完成开发工作。

最近 DeepSeek-V4 刚发布,价格大概是 GPT-5.5 的十分之一。既然 Pi 可以自由接不同模型,那我就把 DeepSeek 接进去,看看实际效果怎么样。

实战:让它写一篇文章
#

正好我最近给 Explain Error Plugin 加了不少新功能,一直没来得及写文章总结。

于是我只给了 Pi 一句话:

Explain Error 最近发布了一些新功能,自从我上次写完文章后,这段时间的功能都没分享过,你帮我把这些新功能整理一下,写一篇文章。

然后我就没有再管它。

它自己做了几件事:

  1. 去 GitHub 拉取了最近已经关闭的 issues;
  2. 从里面整理出 11 项更新;
  3. 按照“重大功能 / 用量管控 / 新 Provider / Bug 修复”四个维度分组;
  4. 提取每个功能对应的技术细节和配置方式;
  5. 按照我博客里常用的表格格式和脚注风格生成文章。

整个过程,我没有中途补充 prompt,也没有人工插手调整方向。

最后生成出来的文章,虽然还需要我自己做一点润色,但整体结构、内容完整度和技术细节都已经很接近可发布状态。

最终费用:¥0.24

Pi + DeepSeek 好在哪
#

我觉得它最适合作为 Codex、Claude Code 这类工具的补充,而不是完全替代。

它的优势主要有几个。

第一,成本透明

API 调用花了多少钱,每次都能看得很清楚。不会像订阅制工具一样,用着用着突然发现额度快没了,也不会月底才开始担心账单。

第二,没有软限制

API 直连的好处是,用多少花多少。只要账户里有余额,就可以继续跑任务,不会因为月度额度用完而突然卡住。

第三,模型自由

你可以根据任务选择不同模型。
写代码可以用 DeepSeek,分析中文长文本可以换 Qwen,其他任务也可以接不同 Provider。

相比之下,Codex 主要还是围绕 OpenAI 自家的模型体系。它体验更完整,但选择空间没有这么自由。

第四,开源

Pi 的代码在 badlogic/pi-mono。它支持 TypeScript 扩展和 Pi Packages,你甚至可以自己打包和分享 Skills。

这点对我来说很重要。因为它不是一个完全封闭的产品,而是一个可以折腾、可以扩展、可以和自己工作流结合的工具。

当然,它也不是没有门槛
#

Pi + DeepSeek 最大的问题是:需要自己稍微动手配置一下。

你需要自己申请 API Key,充值,然后把模型接进去。整个过程不算难,但肯定比直接订阅 Codex 或 Claude Code 多一步。

另外,Pi 是终端工具,不是图形 IDE。
如果你已经习惯了 Cursor、Copilot Chat 或 Codex 那种更完整的产品体验,刚开始可能会觉得它有点“简陋”。

但对我来说,这反而不是问题。因为我需要的不是一个完整 IDE,而是一个在额度紧张时,能帮我继续跑任务的备用工具。

我的使用定位
#

我并没有因此放弃 Codex。

Codex 依然是我的主力工具之一,毕竟已经付过费,而且它的整体体验、上下文处理和产品完成度还是很强。

但当 Codex 额度吃紧,或者我需要跑一些批量任务时,比如:

  • 整理 GitHub issues;
  • 生成文章初稿;
  • 分析 changelog;
  • 批量生成测试;
  • 做一些低风险重构;

Pi + DeepSeek 就非常适合顶上。

它不是为了取代 Codex,而是把那些“有价值,但不值得消耗高级额度”的任务接过去。

最后的感受
#

两毛四,写了一篇还不错的文章。

这件事给我的感受不是“AI 又便宜了”,而是:当 AI 调用成本足够低时,我们对任务价值的判断会发生变化。

以前你可能会觉得,整理一批 issue、写一篇初稿、分析一段历史记录,可以让免费的 AI Chat 去做,然后 Copy 过来,不值得专门交给 AI Code Agent 跑一遍。

但如果一次只花几毛钱,这些事情就突然变得值得了。

所以,Pi + DeepSeek 对我来说是一个很实用的备用方案。

如果你已经在用 Codex、Claude Code 或 Copilot,但经常被额度限制卡住,可以试试 Pi + DeepSeek 或 Pi + Qwen。

花十分钟配置一下,可能就能多一个便宜、稳定、随时能顶上的 AI 编程助手。

相关文章

AI Agent,还是 Automation?

·1736 字·4 分钟
在 AI 技术飞速发展的今天,很多公司都在追逐 AI 的浪潮,但我们是否真正理解了“自动化”与“AI Agent”的区别?本文将从实际应用的角度,探讨在什么场景下应该使用确定性的自动化,而在什么场景下应该引入 AI Agent。通过对比分析,我们希望帮助读者在这个全员 AI 的时代,做出更明智的技术选择。