企业官网建设流程全解析

太强了！清华开源的 Agent 操作系统，让 AI 记忆白盒可追溯，Token 成本直降 5 倍！

💡 你是否遇到过 AI Agent 多任务并行时记忆互相污染、Token 烧钱如流水、人一走活就停的痛点？今天介绍一个由清华 THUNLP 联合面壁智能开源的项目 PilotDeck，它用 WorkSpace 隔离 + 白盒记忆 + 智能路由三大杀招，彻底重新定义了 Agent 的生产力边界。

📌 目录

• 1. 先看效果
• 2. 项目简介
• 3. 它能做什么？（三大核心能力）
• 4. 实测数据：省了多少钱？
• 5. 5 分钟快速上手
• 6. 核心原理揭秘
• 7. 白盒记忆 vs 黑盒：一张表看懂差距
• 8. 适用场景与优缺点
• 9. 总结

1. 先看效果

以下所有演示均由端侧模型通过 PilotDeck 智能路由完成生成——无需调用云端大模型！

🎬场景 1：“调研一下中国大模型应用市场，整理成一份正式的 HTML 白皮书”

🎬场景 2：“用 Vibe Coding 模式陪我做一款 iOS AR 小游戏《找球球》”

🎬场景 3：“把这期英文播客推送给中日法韩西阿六语全球受众”

🎬场景 4：“从零造一个 Embedding 低代码调优平台”

是不是有点震撼？更震撼的是，这一切都是端侧模型跑出来的，背后靠的就是 PilotDeck 的智能路由机制。

2. 项目简介

PilotDeck是一个以「WorkSpace（工作舱）」为核心设计的开源智能体操作系统，由清华大学 THUNLP 实验室、面壁智能、OpenBMB与AI9Stars联合研发并开源。

🔗 项目地址：https://github.com/OpenBMB/PilotDeck

🚀 2026 年 5 月 28 日正式开源，官网：https://pilotdeck.openbmb.cn

当前 AI Agent 领域已有不少优秀成果：

但当我们把视角切换到长周期、多项目并行的生产力创作时，有几个关键问题始终没被回答：

• ❓ 多项目并行时，记忆能否做到白盒可追溯？AI 记错了，能否直接定位修改？
• ❓ Token 成本能否按任务分项追踪？让后台常驻变得经济可行？
• ❓ 不同难度的任务，能否自动匹配不同模型？
• ❓ 人离开电脑后，活能否继续推进？

PilotDeck 正是围绕这些问题做的增量探索。

3. 它能做什么？（三大核心能力）

🧠 能力一：WorkSpace 级隔离与沉淀

每个项目拥有独立的专属文件系统、记忆库与技能集。多任务并行互不干扰，检索空间有边界，技能随任务自动沉淀，告别全局上下文污染。

一句话理解：就像给每个项目开了独立的"房间"，你在 A 房间做的事，不会影响 B 房间。

📝 能力二：可追溯的白盒记忆

记忆的生成、抽取、存储与使用全链路可见。AI 记错时可直接定位并手动修改。内置Dream 模式，利用空闲时间自动归纳整理，并支持一键回滚。

一句话理解：AI 记住了什么、什么时候记的、怎么用的——你全部看得见、改得了、回得去。

🔀 能力三：智能路由与成本优化

内置任务难度识别，复杂任务调用强力模型（如 Claude 3.5 Sonnet / GPT-4o），简单任务降级至轻量模型。通过端云协同与精准匹配，大幅降低 Token 消耗。

一句话理解：大事用大脑，小事用小脑，不浪费一分钱。

🔄 能力四：Always-on 常驻执行

突破"你问我答"的限制。用户离开后，Agent 仍能在后台主动发现潜在任务、执行长周期监控、将成果落地为本地文件与摘要汇报。

一句话理解：你下班了，AI 还在加班——而且有产出、有汇报。

4. 实测数据：省了多少钱？

场景一：小红书社媒运营

智能路由一开，成本直降近 5 倍！

场景二：7 个复杂任务对比测试

在播客多语言推送、多源数据报告、领域论文综述、代码库架构文档等 7 个复杂任务上的对比：

"主强子弱"路由编排，以 1/6 的成本达到最高分！

5. 5 分钟快速上手

方式一：一键安装（推荐）

curl-fsSLhttps://raw.githubusercontent.com/OpenBMB/PilotDeck/main/install.sh|bash

脚本会自动配置 Node.js 22 环境、克隆代码、安装依赖并编译前端。

安装完成后直接运行：

pilotdeck# 在 http://localhost:3001 启动服务pilotdeck status# 查看运行状态

方式二：源码启动

第一步：克隆代码与安装依赖

# ⚠️ 本仓库使用 Git LFS 管理大型媒体文件，克隆前确保已安装 git lfs# 如果不需要演示视频/GIF，可加 GIT_LFS_SKIP_SMUDGE=1 跳过下载gitclone https://github.com/OpenBMB/PilotDeck.gitcdPilotDecknpminstall# 安装根目录依赖（Gateway 运行时）cdui&&npminstall# 安装 UI 依赖cd..

第二步：配置模型 Provider

创建~/.pilotdeck/pilotdeck.yaml：

schemaVersion:1agent:model:deepseek/deepseek-v4-promodel:providers:deepseek:protocol:openaiurl:https://api.deepseek.com/v1apiKey:sk-your-api-key

💡 也可以启动 Web UI 后直接在设置界面进行可视化配置，支持 OpenAI、Anthropic、DeepSeek、Qwen、Kimi、MiniMax 等多种协议。

第三步：启动服务

cdui&&npmrun dev# 开发模式（HMR），访问 http://localhost:5173# 或cdui&&npmrun start# 生产模式，访问 http://localhost:3001

方式三：Docker 启动

dockercompose up-d

6. 核心原理揭秘

架构设计：以 WorkSpace 为基本单位

PilotDeck 的核心设计理念是WorkSpace-Centric：

┌──────────────────────────────────────────┐ │ PilotDeck OS │ │ │ │ ┌─────────────┐ ┌─────────────┐ │ │ │ WorkSpace A │ │ WorkSpace B │ ... │ │ │ ┌─────────┐ │ │ ┌─────────┐ │ │ │ │ │ Files │ │ │ │ Files │ │ │ │ │ ├─────────┤ │ │ ├─────────┤ │ │ │ │ │ Memory │ │ │ │ Memory │ │ │ │ │ ├─────────┤ │ │ ├─────────┤ │ │ │ │ │ Skills │ │ │ │ Skills │ │ │ │ │ └─────────┘ │ │ └─────────┘ │ │ │ └─────────────┘ └─────────────┘ │ │ │ │ ┌────────────────────────────────────┐ │ │ │ Smart Router (路由层) │ │ │ │ 复杂任务 → 旗舰模型 │ │ │ │ 简单任务 → 轻量模型 │ │ │ └────────────────────────────────────┘ │ │ │ │ ┌────────────────────────────────────┐ │ │ │ Always-on Engine (常驻引擎) │ │ │ │ 主动发现任务 → 执行 → 落地汇报 │ │ │ └────────────────────────────────────┘ │ │ │ │ ┌────────────────────────────────────┐ │ │ │ MCP Protocol (原生支持) │ │ │ └────────────────────────────────────┘ │ └──────────────────────────────────────────┘

智能路由机制

PilotDeck 的智能路由不是简单的"全走大模型"或"全走小模型"，而是：

1. 任务难度识别：自动判断当前任务的复杂度
2. 分级调度：规划、决策等关键节点 → 旗舰模型；润色、排版等执行节点 → 轻量模型
3. 端云协同：端侧模型处理日常任务，云侧模型只用在关键时刻
4. 成本追踪：按任务维度追踪 Token 消耗，让"后台常驻"变得经济可行

白盒记忆系统

传统 Agent 的记忆是黑盒——你不知道 AI 记住了什么、记错了什么。PilotDeck 的白盒记忆实现了：

用户交互 → 记忆生成 → 记忆抽取 → 记忆存储 → 记忆检索 ↑ ↓ └──────── 全链路可见、可编辑、可回滚 ──────────┘

• Dream 模式：空闲时自动归纳整理记忆
• 一键回滚：整理后不满意，一键回到整理前状态
• 按 WorkSpace 隔离：A 项目的记忆永远不会污染 B 项目

7. 白盒记忆 vs 黑盒：一张表看懂差距

8. 适用场景与优缺点

✅ 适合的场景

• 🎯多项目并行的开发者：同时维护多个项目，需要记忆隔离
• 🎯AI 应用运维团队：需要常驻 Agent 在后台执行监控任务
• 🎯内容创作者：社媒运营、多语言推送等需要成本控制
• 🎯研究团队：需要端到端可追溯的 Agent 记忆系统

⚖️ 优缺点分析

⚠️ 注意事项

• 当前一键安装脚本仅支持 macOS / Linux，Windows 用户需用 Docker 或 WSL
• 刚开源不久（2026.05.28），部分功能可能还在快速迭代中

9. 总结

PilotDeck 是我近期看到的最有想象力的 Agent OS 项目。它没有在"单次对话"这个层面卷，而是直接瞄准了长周期、多项目并行的真实生产力场景：

• 🧠WorkSpace 隔离：多项目互不干扰，技能随任务沉淀
• 📝白盒记忆：全链路可见、可控、可回滚，告别黑盒焦虑
• 🔀智能路由：大事用大脑小事用小脑，成本直降 5 倍
• 🔄Always-on：你下班了 AI 还在干活，有产出有汇报

推荐指数：⭐⭐⭐⭐⭐

如果你在做 AI Agent 相关的开发或运维，这个项目绝对值得一看。开源不到一周，Star 数正在快速增长，现在是上车的最好时机！

📢 原文链接：https://github.com/OpenBMB/PilotDeck
🌐 官网：https://pilotdeck.openbmb.cn
🎮 在线体验：https://pilotdeck.openbmb.cn/pilotdeck.github.io/demo/p/pilotdeck-demo

标签：#PilotDeck #AI #Agent #智能体操作系统 #MCP