@anrans001/pi-spark-pi-extension
为Pi AI Agent提供分布式执行引擎，实现可靠、可扩展的远程任务运行。
安装使用
复制下面这段提示词发给你的 AI（Claude / Cursor / TRAE / Codex / WorkBuddy 等），它会自动帮你完成安装：
帮我安装这个 AI Skill：@anrans001/pi-spark-pi-extension。 它的用途是：为Pi AI Agent提供分布式执行引擎，实现可靠、可扩展的远程任务运行。 完整的 Skill 内容见：https://321skill.com/skills/anrans001-pi-spark-pi-extension/raw/index.md 请读取该页面内容，如果是 SKILL.md 格式直接安装，如果是 README 提炼核心 prompt 后安装。
提示词包含完整的 Skill 内容链接，AI 读取后即可完成安装。你也可以 查看完整内容 确认无误。
使用示例
“使用pi-spark扩展，将这个数据清洗脚本分发到所有可用的数据分析Worker节点上并行执行，并监控每个任务的进度。”，它会通过pi-spark控制平面提交任务，Worker节点将拉取并执行脚本，你可以实时查询任务状态、日志，并在需要时取消或重试失败的任务。
介绍
这个Skill解决了在Pi AI Agent生态中，复杂或耗时任务难以可靠地在单一进程中执行的问题。在实际开发中，开发者经常需要将AI生成的工作负载（如数据处理、模型推理）分发到远程服务器执行，但面临任务丢失、状态难以追踪、无法优雅重试和取消等挑战。
使用方式很简单，你只需要在Pi中安装此扩展，并启动独立的pi-spark控制平面和Worker节点。之后就可以通过Pi的Extension API提交任务，系统会自动将任务路由到拥有相应执行能力的Worker，并持久化存储任务状态、事件和结果。
它非常适合需要构建可扩展、高可靠AI应用的后端开发者和智能体开发者。尤其是那些已经在使用Pi框架，并希望将Agent的能力扩展到本地进程之外，利用多台机器资源来处理批量任务、长期运行作业或需要特定硬件（如GPU）的工作负载的团队。
建议在构建需要任务队列、分布式执行和状态持久化的生产级AI应用时统一使用此工具。需要注意的是，它目前仍处于实验阶段，API可能发生变化，且控制平面本身不提供TLS终止或速率限制，部署在跨机器环境时需自行配置安全网关。
常见问题
pi-spark和直接在Pi里运行任务有什么区别？
pi-spark将任务执行从Pi主进程中分离，提供了分布式、持久化、可重试、可取消的远程执行能力，适合长时间运行或需要特定环境（如不同机器、GPU）的任务。
Worker是如何发现和分配任务的？
Worker主动向控制平面“拉取”任务，并基于执行器ID和标签进行路由。Worker通过心跳维持租约，确保同一任务在同一时刻只被一个活跃Worker处理。
给 AI 助手的安装指引
如果你的 AI 编程助手（Claude Code、Cursor、TRAE 等）能看到这个页面，把下面这段发给它即可自动完成安装：
请访问 https://321skill.com/skills/anrans001-pi-spark-pi-extension/raw/index.md 读取 @anrans001/pi-spark-pi-extension 的原始 Skill 定义（Markdown 格式），按其中说明在我的环境里完成安装和配置。
AI 可直接读取的原始 Markdown 地址：/skills/anrans001-pi-spark-pi-extension/raw/index.md（查看排版版本）