清华开源PilotDeck 2.0：智能体任务成本降83%

清华大学计算机系自然语言处理实验室（THUNLP）联合面壁智能、OpenBMB等团队，正式开源了智能体操作系统 PilotDeck 2.0。该系统针对 AI 智能体在实际应用中的三大痛点——记忆混乱、任务中断和模型调用成本高昂，提出了系统化的工程解法。

PilotDeck 2.0 的核心能力主要集中在四个维度：

• 多项目环境隔离：在并行处理多个项目时，将文件系统、记忆库与任务流进行物理隔离，彻底避免上下文串扰。
• 白盒化长期记忆：持续沉淀项目背景、用户偏好与进度，全部记忆对用户可查、可改、可回滚。
• 后台常驻执行：支持离线运行长周期任务，用户关闭窗口后仍可自主推理与生成交付物。
• 分层智能路由：根据任务复杂度分发请求，顶层规划交由旗舰模型，执行细化交由轻量模型，大幅降低推理开支。

在 Workbuddy Bench 基准评测中，PilotDeck 配合 Qwen3.6-35B-A3B 取得了 79.1 的综合评分，超越了 Claude Code（77.3 分）。

模块化工作舱与白盒记忆管理

现有智能体应用中最普遍的隐患是上下文污染与“黑盒记忆”。当用户在同一个对话流中切换技术讨论与日常创作时，提示词往往发生交叠；而一旦智能体记入错误逻辑，用户无法精确定位或修正，通常只能重置整个会话。

PilotDeck 以 WorkSpace（工作舱）作为资源隔离的基础单元，相当于为智能体划定独立的虚拟工位。例如，音视频剪辑项目与 iOS 开发项目分布在各自的工作舱中，二者的检索索引与记忆库互不交叉，有效消除任务跑偏风险。

在记忆交互层面，PilotDeck 实现了全流程链路可视化。从记忆的抽取、分类、存储到最终被检索引用，均提供白盒展示界面。如果智能体提取了错误的参数或偏好，用户无需通过反复提示词引导其遗忘，直接在控制面板修改或删除单条记忆即可，重要规则亦支持置顶固定。

系统还引入了后台整理机制「Dream 模式」。当智能体处于空闲状态时，系统会自动合并、归纳碎片交互信息并剔除冗余。如整理过程中遗失了特定细节，用户可一键回滚至整理前状态。

此外，PilotDeck 配备了 Always-on（常驻执行）机制。关闭操作界面后，智能体仍在后台推进长周期执行任务，不仅能够自主完成流水线作业，还能在过程中发现潜在子任务，最终将成果汇总为本地文件及执行报告。

系统原生支持模型上下文协议（MCP）。无论是通过 Web 界面、命令行 CLI，还是接入各类即时通讯生态，其底层逻辑与调度行为均保持一致。

「主强子弱」分层路由：长任务成本降至六分之一

长任务开销失控通常源于调度策略过于粗放——即便处理多语种套版、基础排版等简单步骤，系统依旧全流程调用顶级大模型。

PilotDeck 设计了 Smart Routing（智能路由）机制，在底层引入任务复杂度动态评判，将工作流解耦为多级节点。顶层策略由大模型负责，代码填充、文本润色、格式清洗等轻量任务则下发给高性价比的小模型。

在社交媒体运营场景测试中，全流程使用 Claude Opus 4.5 的单次消耗为 12.58 美元；启用智能路由后，主智能体负责规划走 Opus 4.5，子智能体处理文案降级至 Sonnet 4.5，单次费用降至 2.83 美元，开销降低近 70%。

在涵盖播客跨语言推送、多源数据报告、学术综述等 7 项高复杂度任务的横向测试中，分层路由的优势更为明显：

• 单独运行 MiniMax-M2.7 虽成本低（1.90 美元），但基准得分仅为 37.1；
• 单独运行 Claude Sonnet 4.6 达到 69.1 分，但单次花费达 18.36 美元；
• 采用 PilotDeck 的「主 Sonnet 4.6 + 子 MiniMax-M2.7」协同架构后，综合得分提升至 70.6 分，单次成本大幅收窄至 3.15 美元，降幅超过 82%。

PilotDeck 目前已采用 AGPL-3.0 协议开源，支持在 macOS、Linux 与 Windows 系统中运行，并提供标准化 Docker 部署方案，相关代码已在 公开。