共计 1371 个字符，预计需要花费 4 分钟才能阅读完成。
整套系统原生支持 MCP
导语:AI Agent 干活时最让人头疼的, 往往不是能力不够 , 而是记忆混乱、任务中断和 Token 烧得太快。清华大学 THUNLP 实验室联合面壁智能、OpenBMB 等团队开源的智能体操作系统 PilotDeck 2.0, 正是冲着这三件事来的。
📌 一个项目一个“工作舱”, 先解决记忆串台
PilotDeck 2.0 的底层以 WorkSpace(工作舱) 为基本单位 。可以把它理解为给 AI 划分了独立工位: 每个项目都有专属的文件系统、记忆库和技能集。
官方给出的例子是, 在 A 工作舱做音视频剪辑、在 B 工作舱写 iOS 小游戏 , 两边的记忆与检索空间彼此隔离, 不会互相污染。这样一来, 同时推进多个项目时, 上下文各自保留, 任务跑偏和记忆串台的几率明显下降。
此外, 整套系统原生支持 MCP。 无论用户习惯 Web 界面、命令行 CLI, 还是企业微信、飞书等 IM 生态, 后端逻辑与行为保持一致, 开发者也可以围绕现有工作流扩展工具和技能。
🔍 记忆做成白盒: 能看、能改、还能回滚
现有大多数 Agent 的记忆是个黑盒——它记住了什么、何时记的、存在哪里, 用户基本无从得知 。一旦关键业务逻辑被记错, 排查成本很高, 最后常常只能废掉整段对话重来。
PilotDeck 2.0 把记忆从生成、抽取、存储到调用的整条链路对用户开放 。哪些偏好、哪些事实被记下, 点开面板就能逐条查看; 发现参数记错, 可以直接手动修改或删除, 也能一键固定重要信息, 不必再写一长串 Prompt 去“纠正”。
配合 Always-on(常驻执行) 模式, 即使关掉聊天窗口、人离开电脑 ,Agent 仍可在后台推进长周期监控与执行任务, 跑完后把成果落地为本地文件, 并附上进展与总结报告。
💡 智能路由: 把贵模型留给决策, 把杂活交给轻量模型
- 自媒体社媒运营场景: 全流程跑 Claude Opus 4.5, 单次费用约 12.58 美元; 开启路由后主 Agent 用 Opus 4.5 做顶层规划、子 Agent 降到 Sonnet 4.5 做润色, 费用降至约 2.83 美元。
- 7 个高难度复杂任务对比: 单体 MiniMax-M2.7 成本约 1.90 美元, 但得分仅 37.1; 单体 Claude Sonnet 4.6 得分 69.1, 成本却高达 18.36 美元。
- 主强子弱编排: 主 Sonnet 4.6 搭配子 MiniMax-M2.7, 综合得分 70.6, 成本约 3.15 美元, 效果优于纯顶配单体模型, 花费约为其六分之一。
📊 开源方式与上手门槛
围绕“清华开源! 智能体操作系统任务成本降 83%,AI 记忆可查可”，这一部分可从背景、现状与影响三个角度理解其关键信息。结合已公开内容来看，核心结论是趋势已较为明确，但细节仍需结合后续进展持续观察。
🚀 值得关注的几个看点
- 记忆白盒化, 让 Agent 的行为更可解释、更可干预;
- 工作舱隔离思路, 为多项目并行的 Agent 管理提供了一种结构化解法;
- 分层路由把成本控制前置到调度层, 而不只是压缩单次调用;
- 原生支持 MCP, 意味着更容易接入既有工具链与办公生态。
总结:PilotDeck 2.0 的切入点并不花哨 , 都是 Agent 长期使用中反复出现的老问题: 记忆要可控、任务要能连续跑、成本要压得住。它能否成为智能体操作系统的通用底座, 还要看后续生态与实测反馈, 但至少给出了一个相对完整的技术思路。
