企业官网建设流程全解析

oh-my-pi eval 工具指南：持久化 Python/JS 内核，还能在代码里回调 agent 工具

【免费下载链接】oh-my-pi⌥ Coding agent with the IDE wired in项目地址: https://gitcode.com/GitHub_Trending/oh/oh-my-pi

oh-my-pi（OMP）是一个将 IDE 深度集成的开源 AI 编程助手（coding agent）。它的eval 工具是区别于其他 AI 编程工具的独特能力：让 AI 在持久化的 Python / JavaScript 内核中分步执行代码，变量状态跨调用永不丢失；更酷的是，你可以直接在代码里回调 agent 的工具、发起一次模型补全、甚至派出子 agent 干脏活。

一、eval 工具是什么？为什么不用python -c？🤔

很多 AI 编程工具跑 Python 的方式是每次都起一个新进程（类似python -c），这意味着每次执行都是一次性环境：上一行定义的变量、导入的库，下一行全忘了。

oh-my-pi 的 eval 工具彻底改变了这一点：

官方文档明确要求：临时执行代码请走 eval，不要绕道 bash 去调python -c、node -e（见 docs/tools/eval.md）。它的核心理念是"增量式工作"：导入 → 定义 → 测试 → 使用，每一步一个 cell，某一步出错就只重跑那一步，前面的成果原样保留在内核里。

二、四语言持久内核：Python、JavaScript、Ruby、Julia

eval 工具内置 4 个语言后端，各自维护独立的持久运行时，互不干扰（重置 Python 不会影响 JS 的状态）：

💡 小技巧：每个语言都有reset开关，可以在下一次调用前只清空该语言的内核，其他语言的变量原封不动。

下面这张图就是一次真实的 eval 执行：模型在持久 Python 内核里运行 matplotlib 代码，图表、警告、结果说明都以富媒体形式直接回传到界面：

Python 后端的实现非常"轻"：单个子进程 + NDJSON 行协议，不依赖 Jupyter、不需要额外 pip 安装，Python 3.10+ 即可（内核封装位于packages/coding-agent/src/eval/py/）。它还支持%pip、%timeit、!cmd等 IPython 风格魔法命令，display()能直接回传 pandas 表格、matplotlib/plotly 图形。

三、预置辅助函数：一个"超能力 REPL"

每个内核启动时都会注入一套跨语言的预置助手函数，让代码天然"长在项目上"：

• display(value)—— 结构化输出，JSON、图片、Markdown 都能直接"画"给模型看
• read(path)/write(path, content)—— 直接读写项目文件，支持local://协议
• env(...)/output(...)—— 查环境变量、取回之前工具调用的完整输出
• tool.<name>(args)—— ⭐ 在代码里直接调用 agent 的任何注册工具
• completion(...)/agent(...)—— ⭐ 发起一次性模型调用、派出子 agent
• parallel(thunks)/pipeline(items, ...stages)—— 有界并发池与分阶段流水线
• log()/phase()/budget—— 记录日志、打阶段标记、查询预算

比如让 AI 批量处理 500 个文件，它会写一个 cell，用parallel在受限线程池里并发处理，保持顺序、隔离失败——这比"模型逐个调用工具"快得多。

四、最大亮点：在代码里回调 agent 工具 🚀

这是 eval 工具最"反直觉"也最强大的部分——代码不再是被动执行的脚本，而是 agent 的指挥台：

1. 调用任何注册工具

tool.grep({"pattern": "TODO", "path": "src"})

代码里一行搞定 grep / read / edit 等 31 个内置工具，结果直接作为 Python 对象返回，方便继续用代码处理。

2. 一次性模型补全completion()

无需工具、无历史的一锤子模型调用，支持smol（快）/default（当前）/slow（最强）三档模型，还能传 JSON Schema 直接拿到解析好的结构化对象。适合在循环里做"翻译一批注释""给每条日志打标签"这类批处理。

3. 派出子 agentagent()

在代码里 spawn 一个子 agent 去探索代码库、跑结构化任务，支持isolated请求独立 worktree、schema约束返回结构。多个子 agent 还能用handle=true+pipeline组成无环任务图：上游子 agent 的输出自动喂给下游，失败只影响自己的子树。

4. 预算守卫budget

budget.total/budget.spent()/budget.remaining()让你能在代码里自我节制，避免批量任务失控烧钱。

下面是子 agent 协同工作的现场：多个探索 agent 并行分析packages/下的 agent、ai、coding-agent 等目录：

五、快速上手：安装与开启

bun install -g @oh-my-pi/pi-coding-agent

安装后eval.py与eval.js默认开启，无需任何配置。如需 Ruby / Julia，在设置中打开eval.rb/eval.jl（或设置环境变量PI_RB/PI_JL）即可。Python 内核默认按会话复用（python.kernelMode="session"），也可改成每次调用新建内核；超时默认 30 秒，传timeout: 0可禁用看门狗。

六、使用技巧清单 ✅

• 增量推进：把长任务拆成多个小 cell（导入 → 定义 → 测试），失败时只重跑出错那一步
• 别重复导入：上一 cell 的顶层变量会自动存活，重复 import / 声明是浪费
• cell 内并发：需要并行时用 cell 内的parallel，而不是指望模型连发多次工具调用
• 重图重表：用display()回传数据，模型看到的是结构化内容而非被截断的终端文本

总结：oh-my-pi 的 eval 工具把"持久内核 + 代码回调 agent"这两件事做成了标配——Python/JS 状态跨调用常驻，代码里能调工具、能调模型、能派子 agent，是 AI 编程助手里真正"把 IDE 和 REPL 焊在一起"的设计。核心实现可参考packages/coding-agent/src/tools/eval.ts与packages/coding-agent/src/eval/，完整文档见docs/tools/eval.md和docs/python-repl.md。

【免费下载链接】oh-my-pi⌥ Coding agent with the IDE wired in项目地址: https://gitcode.com/GitHub_Trending/oh/oh-my-pi