清华THUNLP联合面壁智能开源PilotDeck 2.0：复杂任务成本降至约六分之一

清华大学THUNLP实验室联合面壁智能、OpenBMB等团队推出开源智能体操作系统PilotDeck 2.0，并已按AGPL-3.0协议开放代码。据量子位的报道，这套系统瞄准的是长期使用AI Agent时最实际的三个痛点：记忆混乱、长任务断档，以及模型调用成本。

架构上，PilotDeck以WorkSpace（工作舱）为基本单位，为每个项目分配独立的文件系统、记忆库和技能集。官方示例中，一个工作舱做音视频剪辑、另一个写iOS小游戏，两边的记忆与检索空间物理隔离，避免同时处理多摊活儿时上下文互相污染。

与之配套的是白盒化记忆。从记忆的生成、抽取、存储到最终被调用，整条链路对用户可见；哪些偏好和事实被记住，可以在面板中逐条查看，发现记错时直接修改、删除或一键固定，而不必再写一长串Prompt要求模型遗忘。

系统还内置Dream模式与Always-on模式。前者在空闲时于后台归纳、提炼、去重零散记忆，并支持一键回滚到整理前状态；后者允许Agent在聊天窗口关闭、人离开电脑后继续推进长周期任务，完成后把成果落地为本地文件，并附上一份进展与总结报告。

成本控制依靠Smart Routing（智能路由）。系统先识别任务难度，再把复杂规划交给旗舰模型、执行与润色降级给轻量模型。在自媒体运营场景的实测中，全流程使用Claude Opus 4.5的单次费用高达12.58美元，改为Opus 4.5做顶层规划、Sonnet 4.5做子任务后降至2.83美元，节省约七成。

更复杂的一组对比覆盖播客多语言推送、多源数据报告、领域论文综述、代码库架构文档等7个高难度任务。单体MiniMax-M2.7成本仅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以Sonnet 4.6为主、MiniMax-M2.7为辅的编排方案得分70.6，成本3.15美元，约为纯顶配方案的六分之一，也与标题中任务成本降83%的说法相呼应。

在Workbuddy Bench评测中，PilotDeck搭配Qwen3.6-35B-A3B得分79.1，高于Claude Code的77.3。系统原生支持MCP，Web界面、命令行以及企业微信、飞书等IM入口共享同一套后端逻辑，开发者可以围绕现有工作流扩展工具与技能。

PilotDeck采用AGPL-3.0许可，支持macOS、Linux、Windows，并提供Docker部署方式，代码托管在GitHub的OpenBMB组织下。对开源Agent生态来说，它把操作系统级的记忆治理与成本调度摆上了台面：接下来的看点是第三方能否复现这些评测数字，以及白盒记忆在真实团队协作中是否足够好用。