Agent 工具选型与模型兼容性：Pi、Oh My Pi 和 GLM 本地服务
整理日期：2026-09-16。依据今天 16:16—16:20 左右的可见对话摘录与项目资料整理；不是完整聊天转录，未执行本地安装或模型兼容性测试。
问题起点
你在寻找比 OpenCode 更轻的开发工具，使用 GLM-5.3-Flash，并反馈 Codex CLI 配合不佳；随后比较 Pi 与 Oh My Pi，询问能否同时使用。这是你的当前体验，不能外推为某工具对所有 GLM 服务都不可用。
模型与 Harness 分别决定什么
模型生成文本及工具调用；Harness 负责上下文组织、工具定义、编辑协议、会话状态和执行结果回传。模型名称相同，模板、工具解析器和历史消息处理不同，实际任务表现仍会不同。成功返回聊天文本只验证了最外层 API 连通，不能证明多轮工具调用已正确接通。
Pi 的官方仓库将自己描述为包含统一 LLM API、Agent loop、TUI 和 coding CLI 的工具集；原 badlogic/pi-mono 地址现重定向到 earendil-works/pi。Pi 官方仓库
Oh My Pi 源于 Pi，加入更完整的编码工作流，当前 README 明确介绍 LSP、调试器和子任务等功能。这里仅确认功能定位，不采纳 README 营销措辞作为普适性能排名。Oh My Pi 官方仓库（核查：2026-09-16）
两者如何取舍与并用
把 Pi 作为较小实验基线、把 OMP 作为集成开发工作流，是可选的工作方法，不是模型效果保证。两者可以分别安装、连接同一兼容服务；具体 provider 配置和模型字段按各自版本文档填写，不假定配置文件或会话格式可以直接互换。
同一份代码可以先后使用两者；若同时修改，使用独立分支或工作目录便于审阅冲突。接同一服务也会共享服务容量，比较单请求延迟时先避免两边同时压测。
本地 GLM 服务的最小验收
- 保存服务端与客户端版本、权重 revision、模型名、chat template、reasoning 与 tool parser。
- 测普通问答与流式结束，再测一次带参数的只读工具调用。
- 将工具结果回传，确认模型可以继续而非重复调用或把 reasoning 混入参数。
- 测一次小文件修改和恢复，检查编辑成功率、重试次数、总 token 与耗时。
- 使用同一组任务对比工具；不要同时改变量化、思考档位和生成预算。
前面对话提及其他日期的横测分数，本次没有取得完整测试方法，也不属于今日实测，因此不抄成榜单。当前尚不能仅靠这些摘录诊断你那次兼容失败的根因。
关联：AISBench 与推理服务评测：依赖、思考预算和结果可比性、让 Agent 稳定管理多台服务器：SSH 密钥、连接复用与 Ansible。