财湃新闻 清华大学THUNLP实验室联合面壁智能、OpenBMB等团队共同推出开源智能体操作系统PilotDeck 2.0，针对性解决AI Agent在记忆管理、任务执行和模型调用成本方面的核心痛点。该系统从底层架构到功能设计均围绕实际使用场景优化，为多项目并行处理、长周期任务推进、成本可控的AI落地提供了全新的开源解决方案，相关功能实测数据表现优于同类型单体顶配模型。

WorkSpace工作舱实现项目物理隔离

　　PilotDeck 2.0以WorkSpace工作舱为基本运行单位，每个独立项目都拥有专属的文件系统、记忆库和技能集，不同项目之间实现完全的物理隔离，从根源上避免了多任务并行时常见的上下文污染和任务串台问题。用户在同时推进多个不同方向的项目时，各项目的历史交互信息、存储文件、专属技能不会互相干扰，无需反复向AI重新交代不同项目的背景信息，大幅降低了多项目管理的沟通成本。

　　这种隔离式的架构设计，也让不同项目的技能集可以随着任务推进独立沉淀，针对特定场景积累的处理经验不会被其他项目的无关信息覆盖，进一步提升了AI在对应场景下的处理精准度。用户可以根据项目需求灵活创建多个独立工作舱，每个工作舱的运行状态完全独立，互不影响，适配团队和个人用户同时处理多类任务的使用需求。

白盒化记忆管理打破信息黑盒

　　PilotDeck 2.0首次实现了AI记忆的完全白盒化，用户可以直接查看、修改、删除或固定AI的所有记忆条目，彻底解决了传统AI Agent记忆完全不透明的黑盒问题。用户能够清晰掌握AI存储的所有交互信息，及时修正其中的错误内容，固定关键的项目背景和用户偏好，避免AI因记忆偏差输出不符合预期的结果。

　　系统内置的Dream模式，可以在AI处于空闲状态时自动对过往的交互记忆进行归纳、提炼和去重，自动整理冗余信息，优化记忆库的存储结构，提升后续记忆调用的精准度。同时该模式支持记忆状态一键回滚，即便自动整理过程中出现信息偏差，用户也可以快速恢复到之前的记忆版本，不会出现记忆信息丢失或错乱的情况。

常驻执行模式支撑长周期任务推进

　　PilotDeck 2.0引入Always-on常驻执行模式，允许AI在用户关闭操作窗口或离开电脑的状态下，在后台持续推进长周期任务，无需用户保持界面在线。系统可以在后台运行过程中主动发现潜在的候选任务，自动完成相关处理流程，最终生成对应的本地文件和总结报告，用户返回后即可直接查看完整的任务成果。

　　该模式针对长周期任务的运行稳定性做了专门优化，即便运行过程中出现网络中断等突发状况，系统也可以保留当前的任务进度状态，恢复连接后直接从中断位置继续推进任务，无需从头重新执行。极限测试中，系统可以连续稳定处理2000条交互消息，即便执行时长达到小时级的复杂任务，也能保持全程运行稳定，不会出现任务中断或状态丢失的问题。

智能路由机制大幅降低模型调用成本

　　PilotDeck 2.0采用Smart Routing智能路由机制，系统会自动识别当前任务的难度等级，将复杂决策类任务分发到顶配大模型进行处理，将简单执行类任务自动降级分配给轻量模型完成，在保证任务处理效果的前提下尽可能降低模型调用的资源消耗。

　　根据官方实测数据，这套智能路由机制可以将复杂长任务的调用成本降低约83%，最终的任务处理效果优于直接使用单体顶配模型的表现。在WorkbuddyBench办公测试中，当底座更换为35B-A3B级轻量模型后，PilotDeck 2.0的得分达到79.4分，位列同测试中Claude Code、Workbuddy等同类产品之首，用更低的模型成本实现了更优的任务处理效果。

跨生态适配与开源部署支持

　　PilotDeck 2.0系统原生支持MCP协议，可以跨Web、命令行及企业微信、飞书等即时通讯生态完成操作，在不同的使用入口下保持任务处理逻辑完全一致，用户无需切换不同平台即可在日常使用的通讯工具中直接下发任务、查看进度、接收成果，降低了新系统的学习和使用门槛。

　　该系统采用AGPL-3.0开源许可证发布，完全开放源代码，支持macOS、Linux、Windows三大主流操作系统，同时提供Docker部署方式，个人用户和企业用户都可以根据自身的硬件环境选择适配的部署方案，也可以基于开源代码根据自身的业务需求进行二次开发，扩展更多专属功能。

(编辑：曹凤芹)