清华开源PilotDeck 2.0：构建AI智能体操作系统，实现记忆白盒化与成本降低83%
2026/10/17 20:10阅读量 2
清华大学THUNLP实验室联合面壁智能、OpenBMB等团队开源智能体操作系统PilotDeck 2.0。该系统通过WorkSpace架构实现多项目隔离，提供可查改的“白盒”长期记忆机制，并支持后台常驻执行。其核心的智能路由技术采用“主强子弱”模型调度策略，在保持高任务得分的同时，将复杂长任务成本降低约83%。
事件概述
清华大学THUNLP实验室联合面壁智能（Wallbox AI）、OpenBMB等团队共同推出了开源智能体操作系统 PilotDeck 2.0。该系统旨在解决AI Agent在多任务处理中的上下文污染、记忆黑盒以及高昂的Token成本问题。系统原生支持MCP协议，兼容Web界面、CLI及主流IM生态，采用AGPL-3.0许可证开源，支持macOS、Linux和Windows及Docker部署。
核心信息
1. WorkSpace架构与记忆白盒化
- 物理隔离的工作舱：以WorkSpace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。不同项目间的记忆和检索空间完全隔离，避免上下文串台。
- 全链路可视的记忆管理：打破传统Agent的记忆黑盒，用户可查看记忆生成、抽取、存储及调用的完整链路。支持手动修改、删除错误记忆或固定关键信息。
- Dream模式与Always-on机制：
- Dream模式：在AI空闲时自动归纳、提炼和去重零散交互记忆，支持一键回滚以防细节丢失。
- Always-on模式：允许Agent在后台持续运行长周期任务，即使关闭聊天窗口也能推进工作，并在完成后输出本地文件及总结报告。
2. 智能路由与成本控制
- “主强子弱”调度策略：内置任务难度识别，将复杂规划决策交由顶配大模型，底层执行、润色等任务降级给轻量模型，实现端云协同与分层编排。
- 实测降本效果显著：
- 自媒体场景：全流程使用Claude Opus 4.5单次费用为$12.58；开启智能路由后（主Agent用Opus 4.5，子Agent用Sonnet 4.5），费用降至$2.83，节省约70%。
- 复杂任务场景：在播客推送、数据报告等高难度任务中，单体MiniMax-M2.7成本低但得分仅37.1；单体Claude Sonnet 4.6得分为69.1但成本高达$18.36。PilotDeck采用“主Sonnet 4.6 + 子MiniMax-M2.7”架构，综合得分达70.6，成本仅为$3.15，约为顶配单体模型的六分之一（成本降低约83%）。
3. 性能表现
- 在Workbuddy Bench评测中，PilotDeck使用Qwen3.6-35B-A3B模型得分79.1，优于Claude Code的77.3分。