Pi-Mono: Монолитный AI-агент для разработчиков

TL;DR

Pi-Mono - это TypeScript-монолит, предоставляющий полный стек инструментов для работы с LLM: от CLI-агента до Web UI. Проект предлагает единый API для разных провайдеров AI, встроенный RAG и удобные абстракции для быстрого старта.

Введение: зачем ещё один AI-тулкит?

В 2024 году каждый второй npm-пакет пытается стать прослойкой между разработчиком и LLM. Но pi-mono отличается тремя ключевыми особенностями:

Zero-config подход - работает из коробки с OpenAI, но легко расширяется
Монолитная архитектура - все компоненты в одном репозитории
TypeScript-first - полная типизация даже для промптов

// Пример инициализации агента
import { PiMono } from 'pi-mono';

const agent = new PiMono({
  provider: 'openai',
  model: 'gpt-4-turbo',
  rag: {
    vectorStore: 'memory' // или 'pinecone', 'weaviate'
  }
});

Основные компоненты

1. CLI Agent

Интерактивный терминальный интерфейс с историей сессий и контекстным меню:

pi-mono chat --model gpt-4 --temp 0.7
> /mode code # переключение в режим код-ассистента
> Напиши React-компонент для drag-and-drop доски

Фичи:

Автодополнение команд
Поддержка мультимодальных запросов
Плагинная система (например, для интеграции с Jira)

2. Unified LLM API

Абстракция над разными провайдерами с единым интерфейсом:

const response = await agent.chat({
  messages: [{ role: 'user', content: 'Explain event loop in Node.js' }],
  temperature: 0.5,
  stream: true // для SSE
});

Поддерживаемые провайдеры:

OpenAI
Anthropic
Local (Ollama, llama.cpp)
Azure OpenAI

3. RAG Pipeline

Готовый механизм для Retrieval-Augmented Generation:

await agent.ingest({
  source: 'https://react.dev/learn',
  loader: 'playwright' // или 'pdf', 'mdx'
});

const answer = await agent.query(
  "Как использовать React context?"
);

Практическое применение

Кейс 1: Интеграция с кодбейсой

Добавляем pi-mono в Next.js-проект как код-ревьюера:

// next.config.js
const { PiMono } = require('pi-mono');

module.exports = async (phase) => {
  const agent = new PiMono({ /* config */ });
  
  return {
    webpack: (config) => {
      config.plugins.push(new WebpackPlugin({
        onEmit: (assets) => agent.review(assets)
      }));
      return config;
    }
  };
};

Кейс 2: Slack-бот для внутренней документации

Используем встроенную Slack-адаптеру:

# pi-mono.config.yaml
slack:
  token: $SLACK_TOKEN
  channels:
    - tech-questions
  rag:
    sources:
      - "./docs/**/*.md"

Заключение: стоит ли пробовать?

Pi-mono - это не серебряная пуля, а скорее “Swiss Army knife” для быстрого прототипирования AI-фич. Главные преимущества:

✅ Меньше boilerplate-кода для стандартных сценариев
✅ Единая кодовая база вместо зоопарка микросервисов
✅ Гибкость за счёт TypeScript-экосистемы

Для enterprise-решений стоит оценить нагрузку (монолит имеет свои ограничения), но для стартапов и внутренних инструментов - отличный вариант.

# Для старта достаточно:
npx create-pi-mono@latest my-ai-agent
cd my-ai-agent && npm run dev

Источник: https://github.com/badlogic/pi-mono