用Pi和Telegram自建开源常驻AI智能体，复刻OpenAI Dots

OpenAI 推出的 Dots 代表了一种新的 AI 使用范式——它们是常驻型（always-on）智能体，专注于各自的垂直场景。你可以让一个 Dot 充当研究助理，另一个充当拥有邮件和日历访问权限的私人秘书。它们在后台持续运行，并在发现重要信息时主动给你发消息。

问题是，这类服务依赖闭源模型和托管平台。一位 YouTube 创作者给出了完全开源的替代方案：用自己掌控的模型、运行在自己的常驻机器上，照样复刻出一套功能等价的多智能体系统。本文梳理其完整实现思路，核心工具是 Pi 终端框架配合 Telegram 作为消息入口。

智能体的本质：一个目录就是一个 Agent

整套方案的设计哲学非常轻量。在作者的 VPS 上，所有智能体都放在一个 agents 目录下，而每一个智能体本质上就是一个独立的文件夹。

每个文件夹里包含三类关键要素：

agents.md 文件：定义该智能体的上下文与人格。例如个人助理的 agents.md 会写明「你是一名私人助理，通过 Google Workspace CLI 帮助用户管理工作」，从而让它具备读写 Gmail、整理收件箱、创建日历事件等能力。
Skills（技能）：通过 npx skills add 为智能体挂载工具。作者给研究助理挂上了 Firecrawl 的抓取、解析、搜索技能，给个人助理挂上 Google Workspace 的日历、Drive、邮件技能。安装时可指定「仅对当前项目生效」，实现每个智能体独享工具集。
独立工作区：每个目录就是该智能体自己的「电脑」，它可以在其中读写文件、执行研究，互不干扰。

个人助理的 agents.md 定义了它的角色与职责

作者演示中建立了两个智能体：研究助理 Andre（底层用 Kimi K3 模型）和私人助理 Bunny（底层用 Space Bunny 隐身模型）。前者负责联网检索，后者已接入他的 Gmail 与日历，能读邮件、发邮件、建日程。想加多少个都行，各自给定专属工具、专属 prompt，并用你自己的 API Key 和任意模型驱动。

Pi 终端框架（Project Pi）是一个以「目录即工作区」为核心设计理念的 AI 智能体运行时。它的工作方式类似于将传统 CLI 工具链与大语言模型调用粘合在一起：每次进入某个目录启动会话时，框架会读取该目录下的 agents.md 作为系统提示，并加载已挂载的 Skills 作为可调用的工具集（tool calls）。Skills 的安装机制本质上是将外部 API 的调用逻辑封装成模型可识别的函数描述符（function schema），让模型能够以结构化输出触发真实的网络请求或本地命令。Firecrawl 是一个专为 LLM 流水线优化的网页抓取与内容清洗服务，能将任意网页转换为干净的 Markdown 供模型读取，避免 HTML 噪声干扰推理质量。

消息网关：让智能体随时可达

仅靠 SSH 连接 Pi 显然不够——你不可能随时坐在终端前。真正让 Hermes、OpenCLO 这类工具「出圈」的关键，并不只是集成多，而是它们能像一个真人联系人一样，从你日常使用的任何平台直接对话：Telegram、WhatsApp、邮件、Slack 等等。

这背后的核心组件叫 message gateway（消息网关），是一个运行在常驻机器上的后台进程。无论你用的是 VPS、家用台式机，还是本地的 DGX Spark，只要它保持开机，这个进程就会持续监听来自各集成平台的消息。

常驻机器可以是 VPS、Spark 或 DGX Spark

网关的路由逻辑清晰直接：当 Telegram 发来一条消息，网关会生成一个由三部分构成的 ID——消息来源（如 Telegram）、智能体名称（如 PA agent）、以及对应的 Pi 会话 ID。这条消息随后被存入本地的 SQLite 数据库（数据库同样跑在常驻机器上）。

如果 SQLite 中没有匹配会话，网关就新建一个；若已有对应会话，则把消息路由到那个特定目录下的 Pi 会话中。由于 Pi 是按目录工作的，消息被送进该目录后，自然就带上了我们之前定义好的技能、工具和上下文。在 Telegram 里发送 /new 即可开启一个全新会话，网关识别到它不在数据库中后会创建新条目。整个机制简单却实用。

消息网关的设计模式在分布式系统中并不陌生，本质上是一种「事件驱动的异步消息代理」。它解耦了消息来源（Telegram、WhatsApp 等）与实际执行层（Pi 会话），使得两侧可以独立演化。SQLite 在此充当轻量级的持久化状态机——相较于 Redis 或 PostgreSQL，SQLite 无需独立服务进程，单文件即可存储整个会话映射表，对个人部署场景的维护成本极低。值得注意的是，这种「来源 + 智能体名 + 会话 ID」三元组路由方案，与 Twilio 等商业 CPaaS 平台的 webhook 路由逻辑在架构上高度相似，区别仅在于本方案将计算和数据主权保留在用户自己的机器上。

动手部署：从 bot father 到启动实例

作者强调无需自己从零编写网关，他开源了一个极简的 pi-gateway 工具，总共只用了约 34 次提交就完成到当前状态，非常轻量。部署流程大致如下：

安装与初始化

通过 uv tool install pi-gateway 安装后，进入目标智能体目录（如 PA assistant），执行 pi-gateway init 进行初始化。

创建 Telegram Bot

在 Telegram 中找到官方的 BotFather，发送指令创建新 bot，为其命名（如 bunny）并设定一个以 bot 结尾的唯一用户名。BotFather 会返回一个 token，复制粘贴到网关配置中。

通过 BotFather 创建专属 Telegram 机器人

安全与绑定

为避免任何人都能访问你的智能体，务必配置白名单 User ID。通过 userinfobot 查到自己的 Telegram ID 后填入，确保只有你能对话。接着指定该 bot 绑定的工作目录（决定了它加载哪套上下文）和使用的模型（如从 OpenRouter 调用的 Space Bunny），并设定思考等级。

启动与管理

用 pi-gateway start -i bunny 启动指定实例，pi-gateway status 查看运行状态，pi-gateway instances 列出所有在跑的 bot。回到 Telegram 点击 bot 的 start，一个运行在终端框架、具备 Google Workspace 全部访问权限的私人助理就上线了。

照同样流程，作者又创建了研究助理 Andre，绑定 researcher 目录和 Kimi K3 模型。两个风格迥异、各有专长的智能体就此并行运行，随时可在手机上呼叫。

可扩展的方向

该演示版网关目前只支持 Telegram，但作者将其余部分留作「作业」，鼓励开发者在开源仓库基础上继续扩展：

定时自动化：让智能体每天清晨自动检查并总结邮件、分类整理，方便你快速归档。

可设置每天早晨自动检查邮件的自动化任务

更多工具：通过 MCP 或自定义工具为 Pi 智能体挂载更多能力。
更多平台：参照 OpenCLO、Hermes 等开源项目的做法，自行接入 WhatsApp、邮件、Slack 等入口。

这套方案真正的价值在于可控与私有：模型、数据、运行环境全部掌握在自己手里，SQLite 本地存储会话，Key 自备，模型随选。对于看重隐私或希望跑本地模型的人来说，它提供了一条脱离闭源托管服务的可行路径。

**MCP（Model Context Protocol）**是 Anthropic 于 2024 年底提出的开放协议，旨在标准化 LLM 与外部工具、数据源之间的连接方式。其设计目标类似于 USB 对硬件外设的标准化：开发者只需按协议实现一个 MCP Server，任何支持 MCP Client 的模型或框架都能直接调用，无需为每个模型单独适配。相较于各框架私有的工具调用格式，MCP 的标准化特性使得工具生态可以在不同智能体框架间复用，这也是作者建议通过 MCP 扩展 Pi 智能体能力的原因——已有大量现成的 MCP Server 覆盖文件系统、数据库、GitHub、Notion 等常见场景，可直接挂载而无需自行开发。