Pi Agent + LM Studio：本地部署大模型，打造你的私人 AI 助手
如果你是一名 macOS 用户，同时又想本地运行大语言模型（LLM），那么 LM Studio + Pi Coding Agent 的组合值得你关注。这套方案让你无需依赖任何云端服务，就能在本地跑起一个功能完整的 AI 编码助手。
为什么需要这套组合？
使用大模型并不是什么新鲜事，但真正用起来时，往往会遇到几个头疼的问题：
- 模型怎么调用？
- 隐私顾虑 不想把代码、数据发到云端
- 成本高昂 商用 API 的调用费用说高不高，但长期用下来也是笔开销
LM Studio 解决了第一个问题——它提供了一个本地 OpenAI 兼容的 API 服务器；而 Pi Coding Agent 则提供了调用界面。两者结合，就是一个完整的本地 AI 工作流。
前置条件
- Pi CLI 已安装（
v0.63+） - LM Studio 已安装并正在运行
- 在 LM Studio 中下载了一个模型（比如
qwen3.5-35b-a3b）
第一步：安装 LM Studio
从 lmstudio.ai 下载并安装 LM Studio。安装完成后打开它，你会看到一个简洁的图形界面。
第二步：下载模型
- 打开 LM Studio，切换到 Discover 标签页
- 在搜索框中输入你想要的模型名称（比如
qwen3.5-35b-a3b） - 点击 Download 等待模型下载完成
模型选择建议：模型越大，对 Mac 内存的要求越高。16GB 建议选 7B~14B 规模，32GB 以上可以尝试 30B+ 的模型。
第三步：启动本地服务器
- 切换到 LM Studio 的 Developer 标签页
- 选择你刚才下载的模型
- 点击 Start Server
默认情况下，服务器运行在 http://localhost:1234。
你可以用以下命令验证服务器是否正常运行：
curl http://localhost:1234/v1/models正常返回应该是一个 JSON 格式的已加载模型列表，包含模型的 ID。
第四步：配置 Pi 调用 LM Studio
接下来是最关键的一步——让 Pi 知道如何调用你的本地模型。
创建或编辑文件 ~/.pi/agent/models.json，写入以下内容：
{
"providers": {
"lmstudio": {
"baseUrl": "http://localhost:1234/v1",
"api": "openai-completions",
"apiKey": "lm-studio",
"models": [
{
"id": "qwen3.5-35b-a3b",
"name": "Qwen3.5 35B (LM Studio)"
}
]
}
}
}几个重要的注意事项：
apiKey是 Pi 要求的必填字段，但 LM Studio 实际上会忽略它——填什么都行，我一般填lm-studio- 模型
id必须完全匹配curl http://localhost:1234/v1/models返回的 ID，大小写敏感 - JSON 文件中不要加注释（
//之类的），否则 Pi 会静默失败，排查起来很头疼
如果你有多个模型，只需在 models 数组中追加即可：
{
"providers": {
"lmstudio": {
"baseUrl": "http://localhost:1234/v1",
"api": "openai-completions",
"apiKey": "lm-studio",
"models": [
{
"id": "qwen3.5-35b-a3b",
"name": "Qwen3.5 35B (LM Studio)"
},
{
"id": "qwen3.5-0.8b-mlx",
"name": "Qwen3.5 0.8B MLX (LM Studio)"
}
]
}
}
}第五步：测试
配置完成后，就可以开始使用了。
非交互模式（单次提问）：
pi --provider lmstudio --model qwen3.5-35b-a3b -p "Hello, are you working?"交互模式（多轮对话）：
pi --provider lmstudio --model qwen3.5-35b-a3b如果看到模型返回了响应，说明一切正常！
添加更多模型
添加新模型非常简单。先在 LM Studio 中加载新模型，然后在 models.json 的 models 数组中添加对应条目即可。
不需要重启 Pi，配置文件会自动重载。
常见问题排查
| 问题 | 解决方案 |
|---|---|
Unknown provider "lmstudio" | 检查 models.json 语法（不能有注释，必须是合法 JSON） |
| Connection refused | 确认 LM Studio 的服务器正在端口 1234 上运行 |
| Model not found | 确保 models.json 中的 id 与 /v1/models 返回的 ID 完全一致 |
| 响应缓慢 | 本地跑大模型本来就这样——试试更小的模型 |
实用命令速查
# 查看 LM Studio 已加载的模型
curl -s http://localhost:1234/v1/models | python3 -m json.tool
# 查看 1234 端口是否被占用
lsof -i :1234
# 查看 Pi 能看到哪些模型
pi --list-models参考链接
结语
LM Studio + Pi 这套方案的核心价值在于：本地、免费、隐私安全。你的代码、你的数据、你的模型，全部留在自己的机器上。对于注重隐私的开发者，或者预算有限的学生党来说，这是一个非常实用的选择。
如果你也在寻找本地运行大模型的方法，不妨从 LM Studio 开始试试。项目地址：LM Studio，Pi Coding Agent。