清华 PilotDeck 2.0 开源：Agent 操作系统成本降 83% 怎么搭

清华大学 THUNLP 联合面壁智能、OpenBMB 开源智能体操作系统 PilotDeck 2.0（AGPL-3.0）。四大核心：WorkSpace 工作舱隔离文件/记忆/技能、白盒记忆可查改删、Always-on 关窗后继续执行、Smart Routing 强模型规划+小模型执行。实测：Claude Sonnet 4.6+MiniMax-M2.7 编排得 70.6 分、成本 $3.15，对比单体 Sonnet 4.6 的 69.1 分、$18.36，成本约六分之一。

核心结论

清华大学 THUNLP 实验室联合面壁智能、OpenBMB 等团队在 2026 年 10 月 17 日开源了智能体操作系统 PilotDeck 2.0，采用 AGPL-3.0 许可证，支持 macOS、Linux、Windows 与 Docker 部署。它瞄准的是用 AI Agent 干活最扎心的三个问题：项目一多文件记忆全搅在一起、人一离开任务就卡住、活一复杂 Token 账单飙升。四大核心功能——WorkSpace 工作舱、白盒记忆、Always-on 模式、Smart Routing——把复杂任务成本压到顶配单体模型的约六分之一。

四大核心功能

1. WorkSpace 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：

每个工作舱有独立的文件系统
每个工作舱有独立的记忆库
每个工作舱有独立的技能集
记忆和检索空间物理隔离
示例：音视频剪辑与 iOS 小游戏可以同时进行，互不干扰

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。

2. 白盒记忆：可查可改可删

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
把重要信息一键固定
Dream 模式：空闲时自动归纳、去重零散记忆
支持一键回滚

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。

3. Always-on 模式：关窗后继续干活

Always-on 模式让 Agent 在关闭窗口后继续执行长周期任务。这是 Agent 从"演示品"走向"生产工具"的关键能力——真实任务往往需要几十分钟甚至几小时的执行时间，如果人一离开就卡住，Agent 永远只能在 demo 里用。

4. Smart Routing：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：

主 Agent 负责顶层规划 → 走旗舰模型
子 Agent 负责文本润色等 → 降级到便宜模型
自动识别任务难度并路由

成本对比实测

自媒体社媒运营场景

配置	单次费用
全程 Claude Opus 4.5	$12.58
智能路由（Opus 4.5 规划 + Sonnet 4.5 润色）	$2.83
节省	约 70%

七项复杂任务对比

配置	得分	成本
单体 MiniMax-M2.7	37.1	$1.90
单体 Claude Sonnet 4.6	69.1	$18.36
PilotDeck 编排（Sonnet 4.6 + MiniMax-M2.7）	70.6	$3.15

关键发现：PilotDeck 编排得分 70.6 略优于纯顶配单体的 69.1，成本却只有约六分之一（$3.15 vs $18.36）。

Workbuddy Bench 评测

配置	得分
PilotDeck（Qwen3.6-35B-A3B）	79.1
Claude Code	77.3

使用更小的模型，通过编排层优化，得分反而超过 Claude Code——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。

怎么用：开发者行动指南

1. 部署

属性	详情
许可证	AGPL-3.0
支持平台	macOS、Linux、Windows、Docker
GitHub	OpenBMB/PilotDeck

AGPL-3.0 对商业使用有一定限制——如果你要把 PilotDeck 作为 SaaS 服务提供，需要注意许可证条款。但内部使用和试用没有障碍。

2. 多项目并行场景

如果你同时管理多个项目（比如同时做技术架构和营销文案），WorkSpace 工作舱是你的第一道防线。为每个项目创建独立工作舱，物理隔离文件、记忆和技能集。

3. 长周期任务场景

如果你的任务需要几十分钟甚至几小时执行，开启 Always-on 模式。这样关闭窗口后 Agent 继续执行，回来时查看结果。

4. 成本敏感场景

如果你的 Agent 账单正在飙升，开启 Smart Routing。实测数据显示，在保持甚至略微提升质量的前提下，成本可以降到单体的约六分之一。关键是配置好主 Agent 用旗舰模型、子 Agent 用便宜模型。

5. 记忆管理场景

如果你的 Agent 记忆出现"串台"或"记错"，使用白盒记忆面板逐条查看、修改或删除。Dream 模式可以在空闲时自动归纳去重，减少手动维护负担。

行业意义

从模型能力到操作系统能力

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 的四项核心功能——工作舱、白盒记忆、Always-on、智能路由——都不是模型层面的创新，而是操作系统层面的工程优化。但这恰恰是当前 Agent 落地最缺的能力。

成本曲线的又一个证据

与 DeepSeek V4.1-Flash-1017 和 GLM-Legal 同一天发布，三条路径不同但指向一致：

DeepSeek 用 Harness 专项优化压缩 Agent 任务运行时间与输出 token
GLM-Legal 用专用化把法律任务成本降到 Gemini 4 Argon 的 1/70
PilotDeck 用路由把复杂任务拆给不同段位模型，成本降到 1/6

竞争正在从"谁更聪明"转向"谁能让 Agent 持续干活还不破产"。

开源只是起点

PilotDeck 采用 AGPL-3.0 许可证，降低了企业试用门槛。但开源只是起点——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。

清华开源 PilotDeck 2.0：工作舱隔离+智能路由，Agent 任务成本降到六分之一？