清华开源！智能体操作系统任务成本降 83%，AI 记忆可查可改

梦瑶 发自 凹非寺 量子位 | 公众号 QbitAI

清华最近搞了个开源智能体操作系统，专治 AI Agent 干活儿时的各种老大难问题？！

系统名叫 PilotDeck 2.0，由清华大学 THUNLP 实验室联合面壁智能、OpenBMB 等团队共同推出。

它想解决的，恰好是咱用 AI Agent 干活儿时最扎心的那些事儿——

比如项目一多，文件、记忆、任务全搅在一起，傻眼捏…

活一复杂 Token 哗哗烧，人刚离开电脑，AI 又卡在半路等指令 *1000 …

这些糟心事儿背后，其实都绕不开三个老大难：记忆管理、任务执行，以及模型调用成本。

贴心的我，也帮大家总结了一下这玩意儿到底能帮咱干点啥——

项目管理：同时处理多个项目，隔离文件、记忆与任务，减少资料混杂、任务串台。

长期记忆：记住项目背景、用户偏好和工作进度，支持查看与修改，避免反复交代。

后台执行：支持后台运行长周期任务、检查可执行事项，让 AI 在用户离开时继续干活。

智能路由：据任务难度选择合适的模型，复杂任务用强模型、简单任务用低成本模型，减少不必要的开支。

此外，2.0 版本还支持 Office 文件全流程处理、任务断点续跑及一键安装，并完成 2000 条交互消息压力测试。

在 Workbuddy Bench 评测表现上，PilotDeck 使用 Qwen3.6-35B-A3B 得分 79.1，也优于 Claude Code ( 77.3 ) 。

通过让强模型管决策、小模型干杂活的调度方式，还能把复杂长任务的成本砍掉近六分之五。

听上去，好像，还蛮实用的，哈？？？

AI 有了自己的工作舱，记忆、文件和任务都能管起来了

大家或许都有这种感觉…

就咱平时用各种 AI 工具，最害怕的事情之一就是「上下文污染」。

比如前脚刚让 AI 按严肃学术风写了篇技术架构，后脚让它写小红书文案，它张口闭口还是架构解耦。。。（笑）

而这抓马之事的背后，主要是和现有的大多数 Agent 记忆的黑盒问题有关系。

换句话说，AI 到底记住了什么、什么时候记的、记在哪了，屏幕这头的我们两眼一抹黑。

万一中途记错了某个关键业务逻辑，想找到问题出在哪儿都费劲，最后只能忍痛把整段对话废掉，从头再来！！！

而 PilotDeck 最核心的底层架构，就是以 WorkSpace（工作舱）为基本单位。

我们可以把它理解成给 AI 划分了独立的物理工位，每个项目都有自己专属的文件系统、记忆库和技能集。

具体官方给出的例子——

在 A 工作舱里折腾音视频剪辑，在 B 工作舱里 iOS 小游戏，两边的记忆和检索空间完全物理隔离，再也不会互相打架。

这样一来，即便同时处理好几摊活儿，也能各自保留上下文，减少记忆串台、任务跑偏的麻烦：

此外，在最新的 2.0 版本中，PilotDeck 还补上了端到端办公能力——

支持直接创建、编辑和验证 Word、Excel、PowerPoint 文件，连检查成果这一步也能交给 AI，办公党友友刚需～

更击中痛点的是，PilotDeck 把记忆彻底做成了白盒化。

比如 AI 突然说我记得你之前偏好这种写法，你可能根本不知道它从哪儿得出的结论，也不知道它有没有记错！！

白盒记忆解决的就是这个问题，直接给了用户一个随时翻账本的机会——

从记忆的生成、抽取、存储到最后被调用，整条链路完全对用户可见。

比如 AI 在干活儿过程中记下了哪些偏好、哪些事实，点开面板就能一条条查看。

万一发现它把某个关键参数记错了，也不用费劲巴拉地写一长串 Prompt，试图让它忘掉错误信息。

直接手动修改、删除，甚至可以一键固定重要信息就行～

还有下面这个例子。

AI 已经生成了一份关于软件工程的文档，用户可以直接框选其中的内容。

点击「Add to chat」（添加到对话），就能让 AI 针对选中的部分继续修改。

此外，其还内置了一个叫 Dream 模式的机制。

当 AI 处于空闲状态时，系统会在后台自动对零散的交互记忆进行归纳、提炼和去重。

如果整理过程中弄丢了关键细节，还能一键回滚，秒级恢复到整理前的状态，不用担心越整理越乱。

不仅如此，PilotDeck 还引入了 Always-on（常驻执行） 模式——

即使关掉聊天窗口、离开电脑，Agent 依然会在后台持续推进长周期的监控与执行任务。

能把既定任务跑完，还能在执行过程中主动发现潜在的候选任务，并在全部搞定之后，把成果落地为本地文件，附带一份完整的进展与总结报告。

值得一提的是，整套系统原生支持 MCP。

不管习惯在 Web 界面、命令行 CLI 还是企业微信、飞书等 IM 生态里操作，后端的逻辑和行为完全一致。

对开发者来说，意味着可以围绕现有工作流扩展工具和技能。

对长期使用 AI 的友友来说，也算是有机会减少反复交代背景、手动串联步骤的时间～

「主强子弱」智能路由：花 1/6 的钱，把顶配模型干趴下。。。

用 Agent 跑长任务，钱包扛不住往往是最大的劝退点。

很多时候任务并不难，可能只是把几段文字做个排版、把多语种翻译套个模板——

但是吧，因为系统架构简陋，全程都在狂跑最贵的旗舰模型，Token 消耗往往还蛮夸张的。。。

值得一提的是，PilotDeck 还搞了个 Smart Routing（智能路由）。

其在底层内置了任务难度识别，把不同环节的任务拆解后分发给不同段位的模型，做了一套端云协同与分层编排。

复杂的规划决策让顶配大模型来做，底层的执行、润色、格式处理全部降级给轻量模型。

在自媒体社媒运营场景的实测中，如果不做省钱路由，全流程跑 Claude Opus 4.5，单次费用高达 $12.58。

而开启智能路由后，主 Agent 负责顶层规划走 Opus 4.5，子 Agent 负责文本润色降级到 Sonnet 4.5。

费用降到 $2.83，差不多能省下 70% 的成本，be like：

此外，在更硬核的复杂任务测试中，这个差距体现的更悬殊一些？？

研究团队拿播客多语言推送、多源数据报告、领域论文综述、代码库架构文档等 7 个高难度复杂任务做了横向对比——

单体 MiniMax-M2.7 跑下来，成本是挺低（$1.90），但得分只有 37.1，没法用，直接 pass。

单体 Claude Sonnet 4.6 跑下来，得分冲到了 69.1，但一趟测试就要烧掉 $18.36。

而在 PilotDeck 的路由编排下，采用主 Sonnet 4.6+ 子 MiniMax-M2.7 的主强子弱架构——

综合得分飙到了 70.6，成本只要 $3.15，降了约 83% 的成本。

效果比纯顶配单体模型好的同时，成本却只有顶配模型的六分之一左右。

对了，PilotDeck 采用 AGPL-3.0 开源许可证，支持 macOS、Linux 和 Windows，也提供 Docker 部署方式。

大家感兴趣的话，可以上手试试，GitHub 链接放下面了～

参考链接：

[ 1 ] https://github.com/OpenBMB/PilotDeck

[ 2 ] https://x.com/OpenBMB/status/2110364065822646570

一键三连「点赞」「转发」「小心心」

欢迎在评论区留下你的想法！