清华开源 PilotDeck 2.0：成本降到六分之一

用 agent 干长活，最怕两件事：它记错了你没发现，它一直用最贵的模型烧钱。

一、发生了什么

10 月 17 日，量子位报道清华大学 THUNLP 实验室联合面壁智能、OpenBMB 推出开源智能体系统 PilotDeck 2.0，采用 AGPL-3.0 许可，支持 macOS、Linux、Windows，也提供 Docker 部署。

系统的组织单位叫 WorkSpace，可以理解成给每个项目一个独立工位：文件、记忆、技能各自隔离，互不干扰。

记忆是这次的重点。PilotDeck 把记忆做成白盒：从生成到调用全程可见，能逐条改、删，也能固定重要信息。它还有一个「Dream 模式」，在空闲时把零散记忆归纳、去重，整理错了能一键回滚。另有 Always-on 模式，关掉窗口后 agent 继续跑长周期任务，结束后把结果落成本地文件。

成本靠「智能路由」压。系统先判断任务难度，把规划决策交给强模型，把润色、格式处理这类活降级给轻模型。自媒体场景里，全流程用 Claude Opus 4.5 单次要 12.58 美元；主 agent 用 Opus 4.5、子 agent 用 Sonnet 4.5 之后降到 2.83 美元。

更硬的测试是七个复杂任务，包括播客推送、多源报告、论文综述、架构文档。单体 MiniMax-M2.7 成本 1.90 美元，得分 37.1；单体 Claude Sonnet 4.6 得分 69.1，成本 18.36 美元；PilotDeck 用 Sonnet 4.6 带 MiniMax-M2.7，得分 70.6，成本 3.15 美元，约为前者的六分之一。在 Workbuddy Bench 上，PilotDeck 配 Qwen3.6-35B-A3B 得 79.1，高于 Claude Code 的 77.3。

二、跟你有什么关系

同时跑多个项目的人。 工作舱隔离解决的是「上个项目的偏好污染下个项目」。如果你经常在一个对话里切换任务，这个改动立刻有用。

在意账单的人。 大小模型分工不是新概念，但同时报出省下的比例和得分，能帮你估算自己的场景值不值得换。

要审计 agent 行为的团队。 记忆可查可改，意味着出错后能找到是哪条记忆导致的，而不是整段对话作废重来。

三、怎么用

1. 先按项目建舱。 一个客户、一个产品、一个长期任务各一个 WorkSpace。别把所有东西塞进默认舱，隔离是这套系统最值钱的部分。
2. 每周翻一次记忆面板。 看它记住了什么，把过期和错误的删掉。十分钟，能省掉后面反复纠正的提示词。
3. Dream 模式先在小范围开。 自动归纳会改写记忆，虽然能回滚，但先观察它整理的质量，再决定要不要常态化。
4. 路由别一上来就全开。 先用一个任务对比「全强模型」和「主强子弱」的结果差异。得分掉得多，就把它加进白名单，固定用强模型。官方数字来自特定模型组合，你的 token 价格和缓存命中率都不一样，跑一周看实际账单再判断。

四、三个别信的说法

「成本降 83%，所有任务都适用。」 这个数字来自七个高难度任务的对比，基准是单体 Claude Sonnet 4.6。换模型、换任务类型，比例会变。简单任务本来就不贵，省不出这么多。

「记忆白盒等于记忆准确。」 可查看、可修改解决的是可控性，不是准确性。它仍然会记错，只是你能发现并改掉。

「开源就等于能直接用在生产。」 AGPL-3.0 对分发有要求，企业内部改完再对外提供服务，需要法务确认。另外，多模型路由意味着你要同时持有几家 API 的账号和额度。

五、一句话结论

PilotDeck 真正解决的不是「agent 更聪明」，而是「agent 花钱和记事都能被你看住」；对一个要长期跑的系统来说，后者比分数更重要。

信息来源

• 量子位：清华开源！智能体操作系统任务成本降 83%，AI 记忆可查可改（2026 年 10 月 17 日）

功能与价格以官方公告为准。本文写于 2026 年 10 月 18 日。