你让一个 AI 同时做视频剪辑、写应用、运营社媒，麻烦很快就会出现：不同项目的资料混在一起，记错的偏好无处修改，简单步骤也一直调用昂贵模型；你关掉聊天窗口，它还可能停在原地。清华大学 THUNLP 联合面壁智能、OpenBMB 等团队开源的 PilotDeck 2.0，试图把这些零散问题放进同一套基础设施里解决。
这里的“智能体操作系统”并非替代 Windows 或 Linux，而是管理 AI 智能体的项目、记忆、工具调用和后台任务的一层系统。值得先说明的是，本文的功能描述和测试数字均来自量子位对项目方成果的报道，尚不能视为独立复现结果。
先给每个项目一间独立办公室
PilotDeck 2.0 以 WorkSpace（工作舱）为基本单位。每个工作舱拥有独立的文件系统、记忆库和技能集。比如，一个工作舱负责音视频剪辑，另一个开发 iOS 小游戏，两边的资料和检索空间彼此隔离。
这解决的是“上下文污染”：AI 在一个项目里形成的偏好或判断，不应跑到另一个项目里继续生效。对同时推进多个项目的人来说，隔离的价值不只是文件整齐，更是减少记忆串台和任务跑偏。
系统还把长期记忆做成了“白盒”。长期记忆，是把项目背景、用户偏好和历史进度保存在单次对话之外，需要时再取回来。过去的问题是，用户往往不知道 AI 记住了什么。PilotDeck 允许查看、修改、删除和固定记忆。发现关键参数记错了，可以直接改账本，不必用一长串提示词劝 AI“忘掉”。
它还提供 Dream 模式：AI 空闲时，会在后台归纳、提炼并去除重复记忆；如果整理时丢掉重要细节，用户可以回滚。这个设计的重点并非让 AI 记得更多，而是让记忆可检查、可纠错，也能撤销。
人离开后，任务还能继续
Always-on（常驻执行）模式让智能体在用户离开或关闭聊天窗口后，继续推进长周期任务。按报道描述，它能完成既定任务，在执行中发现候选任务，并把成果保存为本地文件，同时生成进展与总结报告。
PilotDeck 2.0 还原生支持 MCP。MCP（Model Context Protocol）是一套让 AI 应用以统一方式连接外部工具和数据源的开放协议。原生支持意味着开发者可以较方便地接入不同服务，而不必为每项工具重新设计一套连接方式。系统覆盖 Web、命令行 CLI，以及企业微信、飞书等交互渠道，后端逻辑保持一致。
83%的降本，来自“强模型指挥、便宜模型执行”
智能体跑长任务时，费用常被大量中间步骤推高。Token——模型处理文本的基本计量单位——通常会影响调用成本。如果规划、排版和润色全由昂贵模型完成，就像请资深负责人亲自处理每项杂活。
PilotDeck 的 Smart Routing（智能路由）会按任务难度把不同环节交给不同模型：强模型负责规划和决策，较便宜的模型承担执行、润色和格式处理。这类按成本、速度或难度分配请求的办法，就叫模型路由。
量子位披露的社媒运营案例中，全程使用 Claude Opus 4.5 成本为 12.58 美元；改为 Opus 4.5 主 Agent 规划、Sonnet 4.5 子 Agent 执行后，成本为 2.83 美元。按数字计算，降幅约为 77.5%，而非报道正文中较模糊的“约70%”。
标题中的“降83%”来自另一组特定测试。团队选取播客多语言推送、多源数据报告、领域论文综述和代码库架构文档等共7项复杂任务。单体 MiniMax-M2.7 得分37.1、成本1.90美元；单体 Claude Sonnet 4.6 得分69.1、成本18.36美元；PilotDeck 用 Sonnet 4.6 做主 Agent、MiniMax-M2.7 做子 Agent后，得分70.6、成本3.15美元。与单体 Sonnet 4.6 相比，成本下降约82.8%，同时得分略高1.5分。
另据同一报道，PilotDeck 使用 Qwen3.6-35B-A3B 在 Workbuddy Bench 得到79.1分，高于 Claude Code 的77.3分。它采用 AGPL-3.0 许可证，支持 macOS、Linux、Windows 和 Docker 部署。
为什么值得关注
PilotDeck 2.0 的看点不只是再做一个聊天界面，而是把智能体开发中的几块基础能力连起来：用工作舱隔离项目，用可编辑记忆保留上下文，用常驻模式承接长任务，再用模型路由控制费用。对开发者来说，这意味着工具接入、记忆治理和模型调度可以在同一层处理；对用户来说，则有机会少交代背景，也更容易发现 AI 为什么做错。
局限与未知
- “成本下降约83%”只适用于上述7项复杂任务及特定模型组合，不能泛化为所有任务或整套系统的普遍降幅。
- 报道没有交代 Workbuddy Bench 的测试方法、评分标准、重复次数、统计波动及 Claude Code 配置；7项复杂任务是否公开、模型价格和版本是否处于同等条件，也不明确。
- 目前全部具体信息来自同一篇报道及其转述的项目方结果。系统在真实长期使用中的稳定性、记忆整理质量和路由效果，仍需更多独立验证。