清华系开源 Agent OS 上新：PilotDeck 2.0，白盒记忆 + 智能路由把长任务成本砍到六分之一

发生了什么：清华系开源 Agent OS 发布 2.0，专治 Agent 的三个"老大难"

2026 年 10 月 17 日，量子位报道了 PilotDeck 2.0 的发布。这套由清华大学 THUNLP 实验室联合面壁智能（ModelBest）、OpenBMB、AI9Stars 共同开发的开源智能体操作系统，在 GitHub（OpenBMB/PilotDeck，AGPL-3.0 协议，4.1k stars）上完成了 2.0 版本的官宣——README 的更新记录里，"announce PilotDeck 2.0"出现在 v2026.10.16 的 release notes 中。

PilotDeck 给自己的定位是"Task-Oriented AI Agent Productivity Platform"（任务导向的 AI 智能体生产力平台），口号是"Pilot Every Agent from one Deck"（一个控制台，驾驶所有智能体）。2.0 瞄准的，是所有重度 AI Agent 用户都喊疼的三个问题：记忆管理一团糟、长任务执行到一半就"失联"、模型调用成本烧到心疼。

先说结论：这可能是 2026 年下半年，中文开源社区在 Agent 基础设施上最有分量的一次出手。它不只是一个聊天 UI，而是一整套"Agent 操作系统"：常驻运行时、白盒记忆、智能路由，一次配齐。

WorkSpace：给每个项目发一个"独立工位"

PilotDeck 2.0 最核心的架构决策，是把 WorkSpace（工作舱） 作为基本单位。你可以把它理解成给 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。

官方给的例子很直观：在 A 工作舱里折腾音视频剪辑，在 B 工作舱里做 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。这解决的是 vibe coder 最深的痛之一——"上下文污染"。前脚刚让 AI 按严肃学术风写了技术架构，后脚让它写小红书文案，它张口闭口还是架构解耦——这种"串台"，本质上是记忆没有边界。

判断一句：WorkSpace 隔离这个设计，标志着 Agent 工具正在从"一个聪明的聊天框"进化到"多租户的操作系统"。OpenClaw、Claude Code 这些 Agent OS 先驱（PilotDeck README 里明确致谢了它们）探索的方向是一致的：Agent 的生产力，取决于它管理"多个并行现实"的能力，而不是单次对话的智商。

白盒记忆：AI 记了什么，你有权"翻账本"

2.0 最击中痛点的设计，是把记忆彻底"白盒化"了。现在的 Agent 记忆大多是黑盒：AI 突然说"我记得你之前偏好这种写法"，你根本不知道它从哪儿得出的结论、记在哪了、有没有记错。万一它把某个关键业务逻辑记岔了，你想纠正，只能写一长串 prompt 试图让它"忘掉"，最后往往只能忍痛把整段对话废掉、从头再来。

PilotDeck 的解法是：从记忆的生成、抽取、存储到被调用，整条链路对用户完全可见。AI 记下了哪些偏好、哪些事实，点开面板一条条看；发现记错了，直接手动修改、删除，甚至一键固定重要信息。更贴心的是"Dream 模式"：AI 空闲时，系统在后台自动对零散记忆做归纳、提炼和去重——如果整理丢了关键细节，还能一键回滚，秒级恢复到整理前的状态。

这背后是一个很正的产品哲学：记忆不是模型的私有财产，是用户和 AI 的"共同账本"。谁有动力维护这个账本？用户。所以必须给用户"翻账本、改账本"的权力。黑盒记忆把用户当外人，白盒记忆把用户当合伙人——长期主义的 Agent 产品，都会走向白盒。

Always-on：关掉窗口，Agent 还在干活

2.0 还引入了 Always-on（常驻执行）模式：即使关掉聊天窗口、人离开电脑，Agent 依然在后台持续推进长周期的监控与执行任务。既定任务能跑完，执行中还能主动发现潜在的候选任务，全部搞定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。

这个功能戳的是 Agent 落地的最后一块短板：异步。现在的 Agent 大多是"同步"的——你盯着，它干活；你走了，它就停了。但真实的生产力场景是异步的：你睡觉，它跑回归测试；你开会，它把竞品调研报告写好。Always-on 把 Agent 从"结对编程的搭子"变成了"不用打卡的员工"。当然，副作用也得盯：一个没人盯着的 Agent 在后台跑，权限边界和成本熔断必须配好，否则就是下一个"半夜烧掉 1 万美元账单"的故事。

智能路由：花 1/6 的钱，把顶配模型"干趴下"

2.0 最出圈的数据，来自它的 Smart Routing（智能路由）。原理不复杂：底层内置任务难度识别，把任务拆解后分发给不同段位的模型——复杂的规划决策让顶配大模型做，执行、润色、格式处理降级给轻量模型。PilotDeck 管这叫"主强子弱"架构。

量子位引用的实测数据很说明问题。先看自媒体社媒运营场景：全程跑 Claude Opus 4.5，单次费用 12.58 美元；开启智能路由后，主 Agent 顶层规划走 Opus 4.5、子 Agent 文本润色降级到 Sonnet 4.5，费用降到 2.83 美元——省掉近八成。

再看更硬核的 7 个高难度复杂任务（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）：单体 MiniMax-M2.7 成本只要 1.90 美元，但得分 37.1，直接判不可用；单体 Claude Sonnet 4.6 得分 69.1，单次却要烧 18.36 美元；而 PilotDeck 的"主 Sonnet 4.6 + 子 MiniMax-M2.7"路由编排，得分 70.6 反超纯顶配，成本只要 3.15 美元——效果比最贵的单体模型还好，价格只有它的六分之一。

在 Workbuddy Bench 评测上，PilotDeck 用 Qwen3.6-35B-A3B 拿到 79.1 分，也超过了 Claude Code 的 77.3 分。

判断来了：智能路由正在成为 Agent 产品的"第二定价权"。第一定价权在模型厂商手里（API 怎么收费）；第二定价权在路由层手里（怎么花最少的钱办最多的事）。Claude Code Router 这类项目已经验证了需求，PilotDeck 把它做成了 OS 级的内置能力。对个人开发者来说，这意味着：以后选 Agent 工具，除了看模型，还要看它的路由够不够聪明——同样的任务，笨路由烧掉的是你的钱包。

开源与生态：AGPL-3.0 + MCP 原生，野心不小

技术细节上，PilotDeck 2.0 原生支持 MCP，不管在 Web 界面、命令行 CLI，还是企业微信、飞书等 IM 生态里操作，后端逻辑和行为完全一致。支持 macOS、Linux、Windows，也提供 Docker 部署。致谢名单里能看到它的技术家底：ClawXRouter（智能路由）、ClawXMemory（记忆系统）、Anthropic Skills（技能框架）、UltraRAG、Karpathy 的 LLM 编程行为准则。

许可证选的是 AGPL-3.0—— copyleft 里最"硬"的一档。这个选择本身就在表态：欢迎拿去用、拿去改，但改完分发就得同样开源。对于想基于它做商业定制的团队，这是个需要法务看一眼的条款；但对于社区生态，这是最能防止"白嫖后闭源"的选择。

还有一个值得注意的信号：它的 README 里出现了 WorkBuddy 的 badge（Workbuddy Bench 79.1 分），而 WorkBuddy 正是企业微信 10 月 14 日刚接入的 AI 助手。开源 Agent OS 和 IM 生态的 AI 助手在同一个评测里同场竞技——说明"Agent 生产力"这个赛道，正在从各玩各的，走向有统一标尺的正赛。

横向对比：Agent OS 赛道上，PilotDeck 卡的是哪个身位

把 PilotDeck 放到 2026 年的 Agent OS 版图里看，它的位置很有意思。这一赛道的玩家大致分三类：第一类是 OpenClaw 这样的个人 Agent OS 先驱，主打"一个人的数字员工"，强在自动化和个性化；第二类是 Claude Code、Codex 这样的编程 Agent，强在代码任务的深度；第三类就是 PilotDeck 这种"任务导向的生产力平台"——不跟你在单次对话的智商上较劲，而是拼"多项目、多任务、长时间"的管理能力。

PilotDeck 的差异化，恰恰来自它"不性感"的选择：WorkSpace 隔离、白盒记忆、Always-on，每一个都是"工程脏活"，而不是"demo 炫技"。OpenClaw 的 demo 里 Agent 自动订机票很酷，但 PilotDeck 解决的是"三个项目并行时记忆不串台"这种更日常、更难讲故事、却更决定留存的问题。README 里它致谢 OpenClaw、Claude Code、Codex、Cursor、Hermes 为"Agent OS pioneers"，姿态放得很低，但产品思路是另起了一条线：别人做"更聪明的 Agent"，它做"更省心的 Agent 宿舍管理员"。

还有一个细节值得注意：它的技术栈致谢里出现了"Karpathy Guidelines——LLM coding behavioral guidelines"。Karpathy 那套"给 LLM 的编程行为准则"在 vibe coding 圈子里流传很广，核心思想是：与其指望模型开悟，不如把好习惯写成明确的规则喂给它。PilotDeck 把这套东西内化成了系统的一部分——这和 DOE 的 Genesis Agent Skills 异曲同工：2026 年的 Agent 竞争，正在从"调模型"变成"写规则"。谁把规则写得好、执行得稳，谁的 Agent 就更可靠。

上手门槛：个人开发者今天就能试

对读者最实际的问题：这东西我能用吗？答案是能，而且门槛不高。GitHub 仓库提供了 pip 安装（pip install -e .）和 Docker 部署两种方式，examples 目录里有现成的上手 demo，不需要云账号就能跑起来。支持 macOS、Linux、Windows 三端，还有 Electron 桌面版（最近的 release notes 里在修桌面端的权限和上传问题，说明桌面版是重点投入方向）。

给想尝鲜的读者三个建议：第一，先拿一个"多项目并行"的真实场景试 WorkSpace 隔离，这是它和其他 Agent 工具差异最大的地方；第二，重点体验白盒记忆的"翻账本"——故意让 AI 记错一个偏好，再手动纠正，看看链路是否如宣传所说完全可见；第三，如果你在意成本，直接上它的智能路由，把你最烧钱的那个长任务跑一遍，对比一下账单。官方数据（70.6 分 / 3.15 美元）再漂亮，也不如你自己的任务跑出来的数字可信。

诚实声明

发布事实以 GitHub OpenBMB/PilotDeck 仓库 release 记录（v2026.10.16 含 "announce PilotDeck 2.0 in README news"）与量子位 2026 年 10 月 17 日报道（经新浪财经转载）为准。文中性能与成本数据（12.58→2.83 美元、18.36→3.15 美元、70.6/69.1/37.1 分、Workbuddy Bench 79.1 vs 77.3）均为报道引用的官方实测，本刊未独立复现。"智能路由是第二定价权""白盒记忆是长期主义"等为本刊判断。AGPL-3.0 的商业影响请以法务意见为准。