梦瑶 发自 凹非寺

量子位 | 公众号 QbitAI

清华最近搞了个开源智能体操作系统，专治AI Agent干活儿时的各式「老浩劫」问题？！

这套名叫PilotDeck 2.0的系统，由清华大学THUNLP施行室联结面壁智能、OpenBMB等团队共同推出。

其解决的问题，好巧不巧的是刚巧和咱用AI Agent干活儿时最扎心的事儿「强联系」——

就比如啊...形势一多，文献、操心、任务全搅在悉数，傻眼握...（笑）

活一复杂，Token哗哗往外烧，东谈主刚离开电脑，AI又卡在半途等提醒*1000......

而PilotDeck 2.0对准的，恰好即是这些让东谈主头大的老bug——操心佛管、任务奉行，以及模子调用资本。

贴心的我，也帮宇宙淡淡纪念了一下这玩意儿到底能帮我们干啥事儿，能解决啥日常的防碍——

形势经管：同期处理多个形势，羁系文献、操心与任务，减少尊府搀和、任务串台。永恒操心：记着形势配景、用户偏好和责任进程，撑持稽查与修改，幸免反复顶住。后台奉行：撑持后台驱动长周期任务、查验可奉行事项，让AI在用户离开时陆续干活。智能路由：据任务难度遴选相宜的模子，复杂任务用强模子、绵薄任务用低资本模子，减少不必要的开支。

在Workbuddy Bench评测泄漏上，PilotDeck使用Qwen3.6-35B-A3B得分79.1，也优于Claude Code (77.3)。

此外，通过让强模子管有规画、小模子干杂活的相易形式，还能把复杂长任务的资本砍掉近六分之五？？

听上去，好像，还蛮实用的，哈？？？

AI有了我方的责任舱，操心、文献和任务王人能管起来了

宇宙大略王人有这种嗅觉...

就咱平素用各式AI器用，最发怵的事情之一即是「高下文混浊」。

比如前脚刚让AI按严肃学术风写了篇期间架构，后脚让它写小红书案牍，它张口钳口照旧架构解耦。。。（笑）

而这抓马之事的背后，主如若和现存的大大王人Agent操心的黑盒问题关系系。

换句话说，AI到底记着了什么、什么时候记的、记在哪了，屏幕这头的我们两眼一抹黑。

万一半途记错了某个环节业务逻辑，思找到问题出在哪儿王人汉典，终末只可忍痛把整段对话废掉，从新再来！！！

而PilotDeck最中枢的底层架构，就所以WorkSpace（责任舱）为基本单元。

我们不错把它贯穿成给AI分离了寥寂的物理工位，每个形势王人有我方专属的文献系统、操心库和手段集。

具体官方给出的例子——

在A责任舱里折腾音视频裁剪，在B责任舱里iOS小游戏，双方的操心和检索空间绝对物理羁系，再也不会彼此打架。

这么一来，即便同期处理好几摊活儿，也能各自卫留高下文，减少操心串台、任务跑偏的防碍：

更击中痛点的是，PilotDeck把操心透澈作念成了「白盒化」。

比如AI短暂说我牢记你之前偏好这种写法，你可能根蒂不知谈它从哪儿得出的论断，也不知谈它有莫得记错！！

白盒操心解决的即是这个问题，凯旋给了用户一个随时「翻账本」的契机——

从操心的生成、抽取、存储到终末被调用，整条链路绝对对用户可见。

比如AI在干活儿过程中记下了哪些偏好、哪些事实，点开面板就能一条条稽查。

万一发现它把某个环节参数记错了，也毋庸汉典巴拉地写一长串Prompt，试图让它忘掉非常信息。

凯旋办动修改、删除，甚而不错一键固定进攻信息就行～

此外，其还内置了一个叫「Dream模式」的机制。

当AI处于餍足气象时，系统会在后台自动对零星的交互操心进行归纳、索取和去重。

如果整理过程中弄丢了环节细节，还能一键回滚，秒级还原到整理前的气象，毋庸顾虑越整理越乱。

不仅如斯，PilotDeck还引入了Always-on（常驻奉行） 模式——

即使关掉聊天窗口、离开电脑，Agent还是会在后台不时鞭策长周期的监控与奉行任务。

能把既定任务跑完，还能在奉行过程中主动发现潜在的候选任务，并在全部责罚之后，把恶果落地为腹地文献，附带一份圆善的进展与总论断说。

值得一提的是，整套系统原生撑持MCP。

非论民俗在Web界面、号令行CLI照旧企业微信、飞书等IM生态里操作，后端的逻辑和行径绝对一致。

对设立者来说，意味着不错围绕现存责任流膨胀器用和手段。

对永恒使用AI的友友来说，也算是有契机减少反复顶住配景、手动串联递次的时候～

「主强子弱」智能路由：花1/6的钱，把顶配模子干趴下。。。

用Agent跑长任务，钱包扛不住经常是最大的劝退点。

许多时候任务并不难，可能仅仅把几段翰墨作念个排版、把多语种翻译套个模板——

关联词吧，因为系统架构轻便，全程王人在狂跑最贵的旗舰模子，Token花消经常还蛮夸张的。。。

值得一提的是，PilotDeck还搞了个Smart Routing（智能路由）。

其在底层内置了任务难度识别，把不同关节的任务拆解后分发给不同段位的模子，作念了一套端云协同与分层编排。

复杂的盘算推算有规画让顶配大模子来作念，底层的奉行、润色、阵势处理全部左迁给轻量模子。

在自媒体社媒运营场景的实测中，如果不作念省钱路由，全经过跑Claude Opus 4.5，单次用度高达$12.58。

而开启智能路由后，主Agent厚爱顶层盘算推算走Opus 4.5，子Agent厚爱文本润色左迁到Sonnet 4.5。

用度降到$2.83，差未几能省下70%的资本，be like：

此外，在更硬核的复杂任务测试中，这个差距体现的更悬殊一些？？

议论团队拿播客多话语推送、多源数据论说、边界论文综述、代码库架构文档等7个高难度复杂任务作念了横向对比：

单体MiniMax-M2.7跑下来，资本是挺低（$1.90），但得分只须37.1，没法用，凯旋pass。。。

单体Claude Sonnet 4.6跑下来，得分冲到了69.1，但一回测试就要烧掉$18.36。

而在PilotDeck的路由编排下，接管主Sonnet 4.6+子MiniMax-M2.7的主强子弱架构，抽象得分飙到了70.6，资本只须$3.15。

效果比纯顶配单体模子好的同期，资本却只须顶配模子的六分之一控制。

对了，PilotDeck接管AGPL-3.0开源许可证，撑持macOS、Linux和Windows，也提供Docker部署形式。

宇宙感趣味趣味的话，不错上手试试，GitHub相接放底下了哈～

参考相接：

[1]https://github.com/OpenBMB/PilotDeck

[2]https://x.com/OpenBMB/status/2110364065822646570

— 完 —

量子位 QbitAI · 头条号签约

怜惜我们，第一时候获知前沿科技动态