跳转到内容
主站 新闻 控制台

清华开源智能体操作系统:任务成本降83%,AI记忆可查可改

· 量子位
国内AI

清华大学联合团队近日推出了一款开源智能体操作系统,旨在解决当前 AI Agent 在实际落地应用中的诸多难题。

这套名为 PilotDeck 2.0 的系统,由清华大学 THUNLP 实验室联合面壁智能、OpenBMB 等团队共同推出。

该系统重点攻克了用户与开发者在调用 AI Agent 时常见的核心痛点:项目增多时,文件、记忆与任务混作一团,难以统筹;任务逻辑变复杂后,Token 消耗急剧攀升;而用户一旦离开电脑,AI 往往卡在中间流程等待指令。

针对这些问题,PilotDeck 2.0 聚焦于三大关键能力维度的优化——记忆管理、任务执行与模型调用成本。

整体来看,系统主要涵盖以下核心特性:

  • 项目管理:支持多项目并行处理,在底层隔离文件、记忆与任务,避免资料混杂与上下文串台。
  • 长期记忆:自动记录项目背景、用户偏好和工作进展,支持可视化查看与手动编辑,无需反复输入前置背景。
  • 后台执行:支持常驻后台运行长周期任务,自主巡检可执行事项,实现用户离线状态下的持续推进。
  • 智能路由:根据任务复杂度动态分派模型,复杂规划交由高阶模型决策,简单任务调用轻量低成本模型,大幅缩减推理开销。

在 Workbuddy Bench 基准评测中,搭载 Qwen3.6-35B-A3B 的 PilotDeck 取得了 79.1 的得分,优于 Claude Code(77.3 分)。

此外,得益于「强模型统筹决策、小模型负责执行」的分层调度策略,系统在处理长周期复杂任务时的成本最高可降低近六分之五。

AI 拥有独立工作舱,实现记忆、文件与任务的协同管理

在日常使用各类 AI 工具时,「上下文污染」往往是影响产出质量的一大诱因。例如刚让 AI 按严肃学术风格撰写完系统架构方案,随后要求其撰写一段社媒文案,其生成内容依然容易夹杂大量架构专业术语。

这种现象的根源在于多数现有 Agent 的记忆机制属于「黑盒」状态:AI 记录了哪些信息、何时记录、存储在何处,用户均无法直观获知。一旦模型在交互过程中错误理解了关键业务逻辑,用户很难精准定位错误源头,通常只能被迫清空整段对话并重置任务。

PilotDeck 的底层架构以 Workspace(工作舱)为基本管理单元。这一设计相当于为 AI 划分了相互独立的虚拟工位,每个项目均拥有专属的文件系统、记忆库与工具集合。

例如,在 A 工作舱中执行音视频剪辑任务,在 B 工作舱中开发 iOS 应用程序,两者的记忆与检索空间完全物理隔离,互不干扰。即使用户同时推进多个项目,系统也能独立保留各自的上下文环境,有效避免记忆混淆与任务偏移。

更为关键的是,PilotDeck 将记忆系统进行了「白盒化」改造。

以往当 AI 提示「已根据你的偏好处理」时,用户很难获知其推断依据及准确性。白盒化机制则为用户提供了透明的审查与编辑权限:从记忆的提取、生成、存储到最终调用的全链路,均对用户保持可见。

用户可随时在面板中逐条查看 AI 沉淀的偏好与事实数据。若发现关键参数记录有误,无需编写繁杂的 Prompt 引导其遗忘,直接在控制台中手动修改、删除或一键固定核心信息即可。

此外,系统还内置了「Dream 模式」。当 AI 处于空闲状态时,系统会在后台自动对分散的交互记忆进行整理、归纳与去重;若整理过程中误删了关键细节,还支持一键回滚,可秒级恢复至整理前的状态。

不仅如此,PilotDeck 引入了 Always-on(常驻执行)模式。即使用户关闭聊天窗口或离线,Agent 依然能在后台持续推进长周期的监控与执行任务。它不仅能按计划完成预定流程,还能在运行过程中主动发掘潜在的关联任务;全部完成后,会将最终结果落地为本地文件,并同步输出完整的执行总结报告。

值得注意的是,整套系统原生支持 MCP(Model Context Protocol)。无论是通过 Web 界面、命令行 CLI,还是接入企业微信、飞书等协同办公生态,后端的执行逻辑与交互行为均保持高度一致。对于开发者而言,可便捷地基于现有工作流扩展工具与技能;对于长期使用 AI 的用户,也能显著减少重复交代背景与手动串联任务的成本。

「主强子弱」智能路由:以约 1/6 成本实现更优性能

使用 Agent 执行长周期任务时,高昂的 API 调用成本往往是实际落地的主要阻碍。许多环节本身逻辑并不复杂(例如基础文字排版、格式套用等),但在传统粗放式架构下全流程调用顶配旗舰模型,极易导致 Token 消耗激增。

为此,PilotDeck 引入了 Smart Routing(智能路由)机制。

系统底层内置了任务难度识别模块,将复杂工作流拆解后分发给不同层级的模型,实现端云协同与分层编排:由顶配大模型负责全局规划与决策,底层的代码执行、文本润色、格式处理等基础环节则降级分流至轻量模型。

在社交媒体内容运营场景的实测中,若不启用智能路由,全流程使用 Claude Opus 4.5 的单次调用成本为 12.58 美元;而在启用智能路由后,主 Agent(负责顶层规划)调用 Opus 4.5,子 Agent(负责文本润色)降级使用 Sonnet 4.5,单次成本降至 2.83 美元,节省了近 70% 的开销。

在更高难度的复杂任务评测中,该架构的优势更为显著。研究团队选取了播客多语言推送、多源数据报告生成、领域论文综述、代码库架构文档编写等 7 项复杂任务进行横向对比:

  • 单体 MiniMax-M2.7:调用成本为 1.90 美元,但综合评测得分仅为 37.1;
  • 单体 Claude Sonnet 4.6:综合评测得分达到 69.1,但单次测试消耗成本高达 18.36 美元;
  • PilotDeck 路由编排(主模型 Sonnet 4.6 + 子模型 MiniMax-M2.7):综合得分提升至 70.6,单次成本仅需 3.15 美元。

测试表明,该协同架构不仅在综合表现上优于顶配单体模型,还将调用成本控制在后者的约六分之一。

目前,PilotDeck 已采用 AGPL-3.0 开源许可证开放源代码,支持 macOS、Linux 及 Windows 系统,并提供 Docker 容器化部署方案。

参考链接:
[1] https://github.com/OpenBMB/PilotDeck
[2] https://x.com/OpenBMB/status/2110364065822646570