清华开源 PilotDeck 2.0：给智能体一套“工作舱”，任务成本降到六分之一

用 AI 智能体干活儿，最让人头疼的往往不是模型不够聪明，而是三件事：项目一多，文件和记忆全搅在一起；人一离开电脑，任务就卡在半路；活一复杂，Token 账单一路飙升。

清华大学 THUNLP 实验室联合面壁智能、OpenBMB 等团队推出的 PilotDeck 2.0，正是冲着这三个问题去的。这套开源智能体操作系统把“工作舱”“白盒记忆”“常驻执行”和“智能路由”打包在一起，试图让 Agent 从演示品变成能长期干活的工具。

一分钟速览

• 以 WorkSpace 工作舱为基本单位，每个项目拥有独立的文件系统、记忆库和技能集，互不干扰。
• 记忆白盒化：生成、抽取、存储、调用全链路可见，可手动修改、删除或固定。
• Dream 模式在空闲时归纳、去重零散记忆，支持一键回滚。
• Always-on 模式让 Agent 在关闭窗口后继续执行长周期任务。
• Smart Routing 让强模型负责规划、小模型负责执行，复杂任务成本可降到顶配单体模型的约六分之一。

工作舱：把“串台”变成“隔离”

大多数 Agent 工具的记忆是一个黑盒：用户不知道它记住了什么、什么时候记的、记在哪里。项目一多，A 项目的偏好会污染 B 项目的上下文，前脚刚写完技术架构，后脚让它写营销文案，输出里还带着“架构解耦”。

PilotDeck 的解法是把工作舱做成独立工位。每个工作舱有自己的文件系统、记忆库和技能集，音视频剪辑与 iOS 小游戏可以同时进行，记忆和检索空间物理隔离。这个设计并不炫技，却直接对应了真实工作中的多项目切换需求。

更关键的是记忆白盒化。用户可以在面板里逐条查看 Agent 记住了哪些偏好和事实，发现记错时直接修改或删除，也可以把重要信息一键固定。相比反复写 Prompt 让它“忘掉错误信息”，这种可编辑的记忆更接近人类的工作笔记。

成本：强模型做决策，小模型干杂活

Agent 跑长任务，最大的劝退点往往是账单。很多任务并不难，只是排版、翻译、格式处理，但系统架构简陋，全程都在调用最贵的旗舰模型。

PilotDeck 内置任务难度识别，把不同环节拆给不同段位的模型。官方给出的自媒体社媒运营实测中，全流程使用 Claude Opus 4.5 的单次费用为 12.58 美元；开启智能路由后，主 Agent 负责顶层规划仍走 Opus 4.5，子 Agent 的文本润色降级到 Sonnet 4.5，费用降到 2.83 美元，节省约七成。

在更复杂的七项任务对比中，单体 MiniMax-M2.7 成本 1.90 美元但得分只有 37.1；单体 Claude Sonnet 4.6 得分 69.1，成本 18.36 美元；PilotDeck 采用主 Sonnet 4.6 加子 MiniMax-M2.7 的编排，得分 70.6，成本 3.15 美元。效果略优于纯顶配单体，成本却只有约六分之一。

在 Workbuddy Bench 评测中，PilotDeck 使用 Qwen3.6-35B-A3B 得分 79.1，高于 Claude Code 的 77.3。这组数据说明，编排层的优化可以在不换更大模型的情况下，换来可观的性能与成本改善。

趋势洞察

智能体的竞争正在从“模型能力”转向“操作系统能力”。谁能管好记忆、隔离上下文、调度模型、保证任务持续执行，谁就能让 Agent 真正进入生产环境。PilotDeck 采用 AGPL-3.0 许可证，支持 macOS、Linux、Windows 与 Docker 部署，降低了企业试用门槛。

不过，开源只是起点。工作舱的隔离是否足够彻底、白盒记忆能否规模化管理、路由策略在真实业务中会不会误判，都需要更多实践检验。Agent 操作系统这个层级的战争，才刚刚开始。