文章核心观点 - 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，旨在解决AI Agent在记忆管理、任务执行和模型调用成本三方面的核心痛点 [1][3] - 系统以WorkSpace工作舱为基本单位，实现文件、记忆与任务的物理隔离，并引入白盒记忆、智能路由、Always-on常驻执行等机制 [12][13][17] - 通过主强子弱的智能路由架构，在保持或提升任务效果的同时，将复杂长任务成本降低约六分之五 [8][45] 产品定位与核心架构 - 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，采用AGPL-3.0开源许可证，支持macOS、Linux和Windows，并提供Docker部署方式 [1][46] - 系统最核心的底层架构以WorkSpace工作舱为基本单位，相当于给AI划分独立物理工位，每个项目拥有专属文件系统、记忆库和技能集 [12][13] - 在A工作舱处理音视频剪辑、在B工作舱开发iOS小游戏时，两边记忆和检索空间完全物理隔离，避免互相干扰 [14] - 2.0版本支持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 [6] 记忆管理机制 - 现有大多数Agent记忆存在黑盒问题，用户无法知晓AI记住了什么、何时记录、记在哪里，一旦记错关键业务逻辑，只能废弃整段对话重新开始 [10][11] - PilotDeck将记忆彻底白盒化，从记忆生成、抽取、存储到调用，整条链路完全对用户可见 [17][18] - 用户可点开面板逐条查看AI记录的偏好和事实，发现关键参数记错时可直接手动修改、删除或一键固定重要信息，无需编写长Prompt试图让AI遗忘 [19][20][21] - 系统内置Dream模式，在AI空闲时后台自动对零散交互记忆进行归纳、提炼和去重，若整理过程中丢失关键细节可一键回滚，秒级恢复至整理前状态 [26][27][28] - 用户可框选AI已生成文档中的内容，点击Add to chat让AI针对选中部分继续修改 [23][24] 任务执行与后台运行 - PilotDeck引入Always-on常驻执行模式，即使关闭聊天窗口、离开电脑，Agent仍会在后台持续推进长周期监控与执行任务 [29] - 该模式能跑完既定任务，还能在执行过程中主动发现潜在候选任务，全部完成后将成果落地为本地文件，并附带完整进展与总结报告 [29] - 系统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 [15] - 项目管理方面支持同时处理多个项目，隔离文件、记忆与任务，减少资料混杂和任务串台 [15] - 长期记忆方面可记住项目背景、用户偏好和工作进度，支持查看与修改，避免反复交代 [15] 智能路由与成本优化 - PilotDeck内置Smart Routing智能路由，底层具备任务难度识别能力，将不同环节任务拆解后分发给不同段位模型，实现端云协同与分层编排 [35][37] - 复杂规划决策由顶配大模型负责，底层执行、润色、格式处理全部降级给轻量模型 [38] - 在自媒体社媒运营场景实测中，全流程跑Claude Opus 4.5单次费用高达12.58美元，开启智能路由后主Agent走Opus 4.5、子Agent降级到Sonnet 4.5，费用降至2.83美元，节省约70%成本 [39][40][41] - 在播客多语言推送、多源数据报告、领域论文综述、代码库架构文档等7个高难度复杂任务横向对比中，单体MiniMax-M2.7成本1.90美元但得分仅37.1，单体Claude Sonnet 4.6得分69.1但成本达18.36美元 [41][42] - 采用主Sonnet 4.6加子MiniMax-M2.7的主强子弱架构后，综合得分飙升至70.6，成本仅3.15美元，降约83%成本，效果优于纯顶配单体模型的同时成本仅为顶配模型六分之一左右 [43][44][45] 评测表现与生态兼容 - 在Workbuddy Bench评测中，PilotDeck使用Qwen3.6-35B-A3B得分79.1，优于Claude Code的77.3 [7] - 整套系统原生支持MCP，无论通过Web界面、命令行CLI还是企业微信、飞书等IM生态操作，后端逻辑和行为完全一致 [30][31] - 对开发者而言可围绕现有工作流扩展工具和技能，对长期使用AI的用户可减少反复交代背景、手动串联步骤的时间 [32][33]