一份 AI 智能体扩展代码 TypeScript 不报错、命令能注册、状态栏能显示——这些加在一起，仍然不等于它在真实场景里能用。这是一位 Pi（开源 AI 编程 Agent 工具）扩展开发者在掘金上抛出的观点，他用自己写的 Context Audit Extension 为例，搭出一套 6 层证据阶梯。

这是什么

Pi 是一个开源 AI 编程助手，类似 Claude Code 或 Cursor 的命令行版本。开发者可以写「扩展」给它增加功能：新的 Tool（让 AI 主动调用的工具）、Command（用户直接触发的指令）、事件监听、状态栏显示。问题在于：写完不代表能用。这位开发者把「能用」拆成 6 层证据，从最弱的「读懂官方文档」到最强的「生产环境无风险」，每一层只能支撑它亲自验证过的结论。具体到他写的扩展，他在 Pi v0.82.1 版本上验证到 RPC 加载、命令发现与执行、工具进入活动面板，但 TUI（终端界面）路径、模型自主调用、生产安全被明确标记为「未通过」。

行业怎么看

支持者会说：这种分级方法是 AI Agent 行业最缺的东西。现在大量 Agent 产品 demo 光鲜、落地稀碎，根因之一就是没人把「通过验证」这件事拆清楚。这套阶梯值得每个 AI 产品团队抄作业。

但我们注意到一个反向声音：开发者可以在业余项目里花时间做 6 层验证，企业团队在 deadline 压力下往往只做 1-2 层。一位架构师在评论里直言，「证据阶梯是好东西，但 PM 会问为什么这个扩展要三周而不是三天」。换句话说，方法论严谨不等于工程可负担。当 AI 智能体进入业务关键系统，「够用就行」的验证方式可能正在批量制造线上事故。

对普通人的影响

对企业 IT：采购 AI Agent 产品时，要求厂商提供「真实 Runtime 证据」而不是 demo 视频，会成为未来 12 个月的必修课。

对个人职场：理解「跑通 Demo」和「能上线」的差别，会成为 AI 项目管理者与普通使用者的认知分水岭。

对消费市场：用户会逐渐学会问「这个 AI 在我这种场景下真能用吗」，而不是被宣传话术直接说服。