清华开源!智能体操作系统任务成本降83%,AI记忆可查可改

AI小蝌蚪行业资讯📡 量子位2026-10-18380 阅读💛 267 收藏
< img id="wx_img" src="https://www.qbitai.com/wp-content/uploads/imgs/qbitai-logo-1.png" width="400" height="400">

清华开源!智能体操作系统任务成本降83%,AI记忆可查可改

整套系统原生支持MCP

梦瑶 发自 凹非寺
量子位 | 公众号 QbitAI

清华最近搞了个开源智能体操作系统,专治AI Agent干活儿时的各种「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。

其解决的问题,好巧不巧的是正好和咱用AI Agent干活儿时最扎心的事儿「强相关」——

就比如啊…项目一多,文件、记忆、任务全搅在一起,傻眼捏…(笑)

活一复杂,Token哗哗往外烧,人刚离开电脑,AI又卡在半路等指令*1000……

而PilotDeck 2.0瞄准的,恰好就是这些让人头大的老bug——记忆管理、任务执行,以及模型调用成本。

贴心的我,也帮大家浅浅总结了一下这玩意儿到底能帮咱们干啥事儿,能解决啥日常的麻烦——

  • 项目管理:同时处理多个项目,隔离文件、记忆与任务,减少资料混杂、任务串台。
  • 长期记忆:记住项目背景、用户偏好和工作进度,支持查看与修改,避免反复交代。
  • 后台执行:支持后台运行长周期任务、检查可执行事项,让AI在用户离开时继续干活。
  • 智能路由:据任务难度选择合适的模型,复杂任务用强模型、简单任务用低成本模型,减少不必要的开支。

在Workbuddy Bench评测表现上,PilotDeck使用Qwen3.6-35B-A3B得分79.1,也优于Claude Code (77.3)。

此外,通过让强模型管决策、小模型干杂活的调度方式,还能把复杂长任务的成本砍掉近六分之五??

听上去,好像,还蛮实用的,哈???

AI有了自己的工作舱,记忆、文件和任务都能管起来了

大家或许都有这种感觉…

就咱平时用各种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按严肃学术风写了篇技术架构,后脚让它写小红书文案,它张口闭口还是架构解耦。。。(笑)

而这抓马之事的背后,主要是和现有的大多数Agent记忆的黑盒问题有关系。

换句话说,AI到底记住了什么、什么时候记的、记在哪了,屏幕这头的我们两眼一抹黑。

万一中途记错了某个关键业务逻辑,想找到问题出在哪儿都费劲,最后只能忍痛把整段对话废掉,从头再来!!!

而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划分了独立的物理工位,每个项目都有自己专属的文件系统、记忆库和技能集。

具体官方给出的例子——

在A工作舱里折腾音视频剪辑,在B工作舱里iOS小游戏,两边的记忆和检索空间完全物理隔离,再也不会互相打架。

这样一来,即便同时处理好几摊活儿,也能各自保留上下文,减少记忆串台、任务跑偏的麻烦:

更击中痛点的是,PilotDeck把记忆彻底做成了「白盒化」。

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儿得出的结论,也不知道它有没有记错!!

白盒记忆解决的就是这个问题,直接给了用户一个随时「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在干活儿过程中记下了哪些偏好、哪些事实,点开面板就能一条条查看。

万一发现它把某个关键参数记错了,也不用费劲巴拉地写一长串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就行~

此外,其还内置了一个叫「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。

如果整理过程中弄丢了关键细节,还能一键回滚,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。

能把既定任务跑完,还能在执行过程中主动发现潜在的候选任务,并在全部搞定之后,把成果落地为本地文件,附带一份完整的进展与总结报告。

值得一提的是,整套系统原生支持MCP。

不管习惯在Web界面、命令行CLI还是企业微信、飞书等IM生态里操作,后端的逻辑和行为完全一致。

对开发者来说,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的友友来说,也算是有机会减少反复交代背景、手动串联步骤的时间~

「主强子弱」智能路由:花1/6的钱,把顶配模型干趴下。。。

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,可能只是把几段文字做个排版、把多语种翻译套个模板——

但是吧,因为系统架构简陋,全程都在狂跑最贵的旗舰模型,Token消耗往往还蛮夸张的。。。

值得一提的是,PilotDeck还搞了个Smart Routing(智能路由)。

其在底层内置了任务难度识别,把不同环节的任务拆解后分发给不同段位的模型,做了一套端云协同与分层编排。

复杂的规划决策让顶配大模型来做,底层的执行、润色、格式处理全部降级给轻量模型。

在自媒体社媒运营场景的实测中,如果不做省钱路由,全流程跑Claude Opus 4.5,单次费用高达$12.58。

而开启智能路由后,主Agent负责顶层规划走Opus 4.5,子Agent负责文本润色降级到Sonnet 4.5。

费用降到$2.83,差不多能省下70%的成本,be like:

此外,在更硬核的复杂任务测试中,这个差距体现的更悬殊一些??

研究团队拿播客多语言推送、多源数据报告、领域论文综述、代码库架构文档等7个高难度复杂任务做了横向对比:

单体MiniMax-M2.7跑下来,成本是挺低($1.90),但得分只有37.1,没法用,直接pass。。。

单体Claude Sonnet 4.6跑下来,得分冲到了69.1,但一趟测试就要烧掉$18.36。

而在PilotDeck的路由编排下,采用主Sonnet 4.6+子MiniMax-M2.7的主强子弱架构,综合得分飙到了70.6,成本只要$3.15。

效果比纯顶配单体模型好的同时,成本却只有顶配模型的六分之一左右。

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。

大家感兴趣的话,可以上手试试,GitHub链接放下面了哈~

参考链接:
[1]

[2]

版权所有,未经授权不得以任何形式转载及使用,违者必究。
智能体 清华 记忆
梦瑶
  • 《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

相关阅读

文章评论(12)

石佳琪28 天前

讲解得很细致,新手也能看懂。

回复
郭超28 天前

这个观点很中肯,深有同感。

回复
松听风28 天前

这个观点很中肯,深有同感。

回复
三分糖去冰28 天前

支持作者,持续关注中。

回复
陈皮话梅糖28 天前

实话,说的不明不白

回复
月沐雨28 天前

刚好最近在找这方面的资料,太及时了。

回复
林观澜28 天前

支持作者,持续关注中。

回复
暮拾贝28 天前

不错不错,已加入书签。

回复
一个橘子28 天前

楼主辛苦了,内容很有参考价值。

回复
山问津28 天前

实测过类似工具,作者说的基本属实。

回复
星寻梦28 天前

楼主辛苦了,内容很有参考价值。

回复
月归舟28 天前

写得挺用心的,支持一下。

回复