8.0
热点
AI SCORE
开源项目2026-10-17 20:10
清华开源智能体系统，支持记忆编辑与MCP
量子位#Agent#开源#MCP
Editor brief · 编辑速览
清华开源一套智能体操作系统，支持查询和修改AI记忆，并原生支持MCP。素材宣称任务成本降低83%，但未给出测试条件和对照基线。
梦瑶 发自凹非寺
量子位 | 公众号 QbitAI
清华最近推出了一个开源智能体操作系统，专门解决 AI Agent 干活时的各种“老大难”问题。
这套名叫 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。
它解决的问题，恰好与我们使用 AI Agent 时最头疼的事情密切相关。
比如，项目一多，文件、记忆、任务就全搅在一起，让人无从下手。
任务一复杂，Token 就哗哗地消耗；人刚离开电脑，AI 又卡在半路等指令，类似的情况反复上演。
PilotDeck 2.0 瞄准的，正是这些让人头大的老问题：记忆管理、任务执行，以及模型调用成本。
这里先简单总结一下，它到底能帮我们做什么、解决哪些日常麻烦：
在 Workbuddy Bench 评测中，PilotDeck 使用 Qwen3.6-35B-A3B 得分 79.1，也优于 Claude Code 的 77.3。
此外，通过让强模型负责决策、小模型处理杂活的调度方式，还能把复杂长任务的成本砍掉近六分之五。
我们平时使用各种 AI 工具，最害怕的事情之一就是“上下文污染”。
比如，前脚刚让 AI 按严肃学术风格写了一篇技术架构文章，后脚让它写小红书文案，它却还是张口闭口“架构解耦”。
这类令人哭笑不得的情况，主要与现有大多数 Agent 的记忆黑盒问题有关。
换句话说，AI 到底记住了什么、什么时候记的、记在哪里，屏幕这头的我们往往一无所知。
万一它中途记错了某个关键业务逻辑，想找到问题出在哪里都很费劲，最后只能忍痛放弃整段对话，从头再来。
PilotDeck 最核心的底层架构，就是以 WorkSpace（工作舱）为基本单位。
我们可以把它理解成给 AI 划分独立的物理工位，每个项目都有自己专属的文件系统、记忆库和技能集。
在 A 工作舱里处理音视频剪辑，在 B 工作舱里开发 iOS 小游戏，两边的记忆和检索空间完全物理隔离，不会互相干扰。
这样一来，即便同时处理多个项目，也能各自保留上下文，减少记忆串台、任务跑偏的麻烦。
更切中痛点的是，PilotDeck 把记忆彻底做成了“白盒”。
比如，AI 突然说“我记得你之前偏好这种写法”，你可能根本不知道它从哪里得出的结论，也不知道它有没有记错。
白盒记忆解决的就是这个问题，直接给用户提供了随时“翻账本”的机会。
从记忆的生成、抽取、存储，到最后被调用，整条链路完全对用户可见。
比如，AI 在工作过程中记下了哪些偏好、哪些事实，点开面板就能逐条查看。
万一发现它把某个关键参数记错了，也不用费力写一长串 prompt，试图让它忘掉错误信息。
直接手动修改、删除，甚至可以一键固定重要信息。
此外，它还内置了一个叫“Dream 模式”的机制。
当 AI 处于空闲状态时，系统会在后台自动对零散的交互记忆进行归纳、提炼和去重。
如果整理过程中丢失了关键细节，还能一键回滚，在秒级恢复到整理前的状态，不用担心越整理越乱。
不仅如此，PilotDeck 还引入了 Always-on（常驻执行）模式。
即使关掉聊天窗口、离开电脑，Agent 依然会在后台持续推进长周期的监控与执行任务。
它既能完成既定任务，也能在执行过程中主动发现潜在的候选任务。全部完成后，还会把成果保存为本地文件，并附上一份完整的进展与总结报告。
无论习惯在 Web 界面、命令行 CLI，还是企业微信、飞书等 IM 生态中操作，后端的逻辑和行为都完全一致。
对开发者来说，这意味着可以围绕现有工作流扩展工具和技能。
对长期使用 AI 的用户来说，也有机会减少反复交代背景、手动串联步骤的时间。
用 Agent 跑长任务，钱包扛不住往往是最大的劝退点。
很多时候，任务并不难，可能只是给几段文字排版，或者给多语种翻译套个模板。
但由于系统架构简陋，全程都在调用最贵的旗舰模型，Token 消耗往往相当夸张。
值得一提的是，PilotDeck 还提供了 Smart Routing（智能路由）。
它在底层内置了任务难度识别，将不同环节的任务拆解后，分发给不同能力层级的模型，实现端云协同与分层编排。
复杂的规划决策交给顶配大模型，底层的执行、润色、格式处理则交给轻量模型。
在自媒体社交媒体运营场景的实测中，如果不启用省钱路由，全流程使用 Claude Opus 4.5，单次费用高达 $12.58。
开启智能路由后，主 Agent 使用 Opus 4.5 负责顶层规划，子 Agent 则使用 Sonnet 4.5 负责文本润色。
费用降到了 $2.83，差不多能省下 70% 的成本。
此外，在更高难度的复杂任务测试中，这一差距体现得更加明显。
研究团队选取了播客多语言推送、多源数据报告、领域论文综述、代码库架构文档等 7 个高难度复杂任务，进行横向对比。
单体 MiniMax-M2.7 的成本确实很低，只有 $1.90，但得分只有 37.1，达不到可用要求，直接被排除。
单体 Claude Sonnet 4.6 的得分达到了 69.1，但一轮测试就要花掉 $18.36。
在 PilotDeck 的路由编排下，采用主 Sonnet 4.6、子 MiniMax-M2.7 的“主强子弱”架构，综合得分提升到了 70.6，成本只需 $3.15。
效果优于单独使用顶配模型，成本却只有它的六分之一左右。
对了，PilotDeck 采用 AGPL-3.0 开源许可证，支持 macOS、Linux 和 Windows，也提供 Docker 部署方式。
感兴趣的话，可以上手试试，项目位于 GitHub 的 OpenBMB/PilotDeck 仓库。
参考资料：
[1] GitHub：OpenBMB/PilotDeck
[2] X：OpenBMB 发布的动态，状态编号为 2110364065822646570。
《变形计》综艺赛博复活，AI 版 MrBeast 爆火，LibTV 下场“造星”了
2026-10-14
AI 从“造图”卷到“造世界”，这次真有点科幻了……
2026-10-12
刚刚，Hinton 发了首篇 RSI 论文
2026-10-05
刚刚，诺贝尔奖颁给光遗传学！
2026-10-05
平台能够对 AI 防御和攻击算法进行自动化、科学的评估。
开源复现潮出现了，商业闭源产品也卷起来了。
量子位 QbitAI 版权所有 © 北京极客伙伴科技有限公司 京ICP备17005886号-1