企业官网建设流程全解析

如何快速上手 PilotDeck：从白皮书生成到小游戏开发的4个实战案例

【免费下载链接】PilotDeckTask-oriented AI Agent productivity platform项目地址: https://gitcode.com/OpenBMB/PilotDeck

PilotDeck是一个面向任务制的开源 AI Agent 生产力平台（Agent 操作系统），由清华大学 THUNLP、面壁智能、OpenBMB 与 AI9Stars 联合研发。它把WorkSpace（工作舱）作为基本单位——每个项目独享文件、记忆和技能，并内置白盒记忆、智能路由与 Always-on 常驻执行三大能力。本文面向新手，带你用最少的代码完成 4 个真实生产力案例：📄 生成 HTML 白皮书、🎮 开发 iOS AR 小游戏、🔧 搭建模型微调平台、🎙️ 多语言播客出海，让你亲手搭起一条属于自己的 AI 生产力流水线。

PilotDeck 是什么？一分钟看懂它的3个核心能力

如果你用过聊天式 AI，可能会遇到这样的烦恼：项目一多，AI 的"记忆"就互相串味；简单任务也用最贵的模型，成本压不住；人离开电脑后，事情就停摆了。

PilotDeck 正是为解决这些问题而生，它有 3 个核心能力：

此外，它原生支持 MCP（Model Context Protocol），并在 Web / CLI / IM 多端行为一致，详细架构思路可参考 README.zh.md 与 docs/trd/README.zh.md。

一键安装：3步启动你的 AI 生产力平台

PilotDeck 提供一行命令的安装脚本，全程无需手动写配置：

第 1 步｜一行命令安装（macOS / Linux）：

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

脚本会自动检查 Node.js 22 运行时、克隆代码、安装依赖并构建前端。Windows 用户可在 PowerShell 中运行 install.ps1 提供的安装脚本，详见 README.zh.md 的"一键安装"章节。

第 2 步｜启动服务：

pilotdeck # 启动服务，默认地址 http://localhost:3001 pilotdeck status # 查看运行状态

第 3 步｜配置模型：打开 Web UI 后按引导选择模型厂商并填写 API Key 即可，配置会写入~/.pilotdeck/pilotdeck.yaml。支持的协议包括 OpenAI、Anthropic、Google Gemini、DeepSeek、Qwen、Kimi、MiniMax 等，也支持本地 Ollama 模型——具体写法见 README.zh.md 的配置文件示例。

下面这张图展示了 PilotDeck 的文件工作区：左侧是项目文件浏览器，中间是文档预览，右侧是随时可对话的 PilotDeck Assistant，顶部还有 Skills、Routing、Memory、Always-On 等能力入口。

实战案例1：一句话生成 HTML 白皮书

场景提示词："调研中国 LLM 应用市场，并整理成一份正式的 HTML 白皮书。"

这是最典型的"长文输出"任务。PilotDeck 会在独立 WorkSpace 中完成调研、写作与排版，最终把白皮书作为本地文件落盘——而不是停留在聊天记录里。你可以直接在文件工作区打开、预览、下载成品：

图中可以看到 AI 正在把一份 887 行的 Markdown 白皮书按章节拆分成 HTML 结构（声明、ML 定义、学习方法、学习路线、工具链等），每一步都在文件系统中可查可改。

💡新手技巧：生成后不满意？不用重开会话，直接对 AI 说"把第 3 节改成表格形式"，它会基于白盒记忆里的上下文精准修改。

实战案例2：Vibe Coding 开发 iOS AR 小游戏

场景提示词："用 Vibe Coding 模式带我开发一款 iOS AR 小游戏 Ball Finder。"

从需求拆解到可运行代码，PilotDeck 会把整个游戏项目组织在自己的 WorkSpace 里：文件、构建配置、测试脚本一应俱全。开发过程中，你可以像聊天一样持续提需求，例如"给 Boss 战加道具系统""加屏幕震动反馈"，AI 会结合之前的设计记忆给出改进建议并直接改代码。

图中的会话切换面板（New conversation / Recent conversations）在多轮开发时非常实用——你可以随时切回某个历史会话，继续推进不同功能分支，而各项目的记忆互不干扰。

💡新手技巧：小游戏的每一步产物（页面、素材、配置）都会沉淀在 WorkSpace，配合 docs/trd/41-background-task.zh.md 描述的后台任务能力，长耗时的构建、测试也能丢给 Agent 在后台跑。

实战案例3：从零搭建低代码模型微调平台

场景提示词："从零搭建一个低代码的 embedding 微调平台。"

这个案例展示的是"工程级"生产力：Agent 会自主规划目录结构、编写前后端代码、配置依赖，并逐步交付一个可运行的平台页面（数据上传 → 训练配置 → 结果查看）。整个过程无需你手写脚手架，代码与产物全部落在本地文件中，可随时接管继续开发。

💡新手技巧：搭建过程中产生的技术决策会写入该 WorkSpace 的记忆。后续再迭代平台时，AI"记得"之前的选型原因——这正是白盒记忆的价值：可追溯、可编辑、可回滚，相关实现位于 src/context/memory/。

实战案例4：多语言播客一键出海

场景提示词："把这档英文播客推向全球，翻译成中 / 日 / 法 / 韩 / 西 / 阿拉伯语。"

这是"智能路由"最能体现价值的场景：转写、翻译、剪辑、多语言分发是典型的混合难度任务——规划节点需要旗舰模型，而逐句翻译、字幕对齐这类简单重复任务会被自动降级给轻量模型。官方实测数据显示，同样的社媒/内容工作流，开启智能路由后成本仅为全量旗舰模型的 1/5 左右，且质量不打折。路由策略的实现位于 src/router/RouterRuntime.ts。

Always-on 常驻执行：你离开后，活儿还在推进

PilotDeck 还有一项"反直觉"的能力：突破"你问我答"的循环。开启 Always-on 后，Agent 会在后台主动发现值得做的任务、执行长周期监控，并把成果落地为本地文件 + 摘要汇报，等你回来直接验收。

调度与发现逻辑的实现位于 src/always-on/runtime/DiscoveryScheduler.ts 与 src/always-on/runtime/AlwaysOnRuntime.ts，运行配置解析见 src/always-on/config/parseAlwaysOnConfig.ts。

常见问题 FAQ

Q1：PilotDeck 支持本地模型吗？支持。可以配置 Ollama 等本地推理服务（OpenAI 兼容协议），无需 API Key，实现完全离线的 AI 生产力流水线。

Q2：多项目并行的记忆会互相污染吗？不会。记忆、文件、技能均按 WorkSpace 隔离，A 项目的记忆永远不会泄漏到 B 项目。

Q3：Token 成本怎么控制？两层：一是智能路由按任务难度自动匹配模型；二是每个 WorkSpace 的成本可独立追踪，超支项目一眼可见。

Q4：可以扩展自定义能力吗？可以。PilotDeck 采用开放的插件架构：一个 plugin.json 即可注册自定义工具、MCP Server、生命周期钩子与自定义记忆后端，示例见 products/_example/ 与 src/extension/index.ts。

小结：把 AI 从"聊天框"变成"流水线"

用一句话回顾本文的 4 个实战案例：

1. 📄白皮书生成——长文调研直接落盘为可交付文件；
2. 🎮小游戏开发——Vibe Coding 多轮迭代，会话自由切换；
3. 🔧平台搭建——工程级代码从零交付，技术决策沉淀进白盒记忆；
4. 🎙️播客出海——智能路由混合调度，成本直降 70%。

PilotDeck 让 AI 真正从"一问一答的聊天框"升级为"项目隔离、成本可控、后台常驻"的生产力流水线。现在就按 README.zh.md 的一键安装指南跑起来，你的第一个 WorkSpace 只需要一条命令。

【免费下载链接】PilotDeckTask-oriented AI Agent productivity platform项目地址: https://gitcode.com/OpenBMB/PilotDeck