PilotDeck – 清华联合面壁智能开源的AI Agent操作系统与WorkSpace多智能体平台
PilotDeck是什么
先看个定义——
PilotDeck
AI智能体操作系统
- PilotDeck(AI Agent Operating System / 智能体操作系统)
工具名称:
- 清华大学THUNLP实验室、面壁智能、OpenBMB、AI9Stars联合研发开源
开发公司:
- 2026年5月28日正式开源(据官方README更新日志)
发布时间:
- 多智能体管理、WorkSpace任务隔离、记忆管理、智能路由、Always-on自动执行
主要功能:
- WorkSpace三层架构(文件+记忆+技能)、白盒记忆系统、动态模型路由、端云协同执行
技术特点:
- 支持Web界面、本地部署、CLI命令行与Docker方式运行
使用方式:
- 完全开源(AGPL v3.0),可免费使用与二次开发
价格说明:
- AI开发者、内容生产者、自动化工作流用户、企业级Agent系统构建者
适用人群:
PilotDeck的核心优势
- 这一点可以说是PilotDeck的立身之本。通过WorkSpace,每个任务都拥有自己独立的文件系统、记忆和技能空间,彻底解决了多任务之间的上下文污染问题。据官方架构说明,这个设计能让多任务并行效率提升50%以上,而且支持长期任务稳定运行——也就是说,你多个项目同时跑,它们也不会互相“串味”。
WorkSpace任务隔离优势:
- 传统AI的记忆机制是个黑箱,你不知道它记住了什么、记错了什么。PilotDeck把记忆的生成、存储、使用全链路暴露给你看,你可以查看每条记忆从哪来,还能直接动手修改或删除。据OpenBMB技术说明,这套机制能有效减少错误记忆的累积问题,还支持一键回滚Dream整理结果——这才是真正意义上的“可控”。
白盒记忆可控优势:
- 说白了就是“看人下菜碟”。简单任务用轻量级端侧模型处理,复杂的才交给云端大模型。据官方实测,在社交媒体生成场景中,这套策略能节省约70%的Token成本;在复杂任务组合中,可以用大概六分之一的成本完成同等质量的输出。钱就是这么省下来的。
智能路由成本优化优势:
- 系统支持Agent在后台常驻运行,它能自己去发现任务、执行任务,完全不需要你一直盯着。官方描述说,这突破了传统对话式AI的限制——你大可以关掉浏览器去睡觉,任务在后台继续推进,这才是真正的“长周期自动化生产力”。
Always-on持续执行优势:
- 端侧模型处理本地隐私敏感任务,云端模型处理复杂推理,两者无缝切换。据THUNLP联合研究说明,这种架构在保护隐私的同时提升了任务执行效率,尤其适合跨设备的AI协作场景。
端云协同执行优势:
PilotDeck的主要功能
- 项目级隔离架构,将文件系统、记忆系统与技能系统统一封装,每个项目就是一个独立的AI执行环境。
WorkSpace工作舱系统:
- 全链路可追溯的记忆机制,你可以查看AI记忆的来源,修改错误记忆,甚至进行版本回滚。
白盒记忆管理系统:
- 自动分析任务复杂度,轻量任务调用低成本模型,高复杂度任务调用高性能模型,同时还支持多模型fallback机制——一个模型不行自动换下一个。
智能模型路由系统:
- 允许AI在后台持续运行任务,包括任务发现、执行与结果输出,无需用户持续交互。适用场景如内容生产、数据监控、长期研究类任务等——本质上就是让Agent能真正“自己干活”。
Always-on常驻执行系统:
- 支持端侧部署轻量模型执行本地任务,云端处理复杂逻辑,还能自动加载语音、视频等多模态模型,实现跨模型协作与统一调度。
端云协同执行架构:
如何使用PilotDeck
- 在macOS或Linux终端执行官方安装脚本即可完成部署,系统会自动配置Node.js环境并初始化依赖。整个过程大约3-10分钟,没什么复杂开发经验也能搞定。
环境安装初始化:
- 安装完成后,输入
启动系统服务:
pilotdeck命令启动服务,系统默认在本地3001端口运行Web控制台。浏览器打开就能看到操作界面,进入你的AI工作空间管理系统。 - 在控制台新建工作舱,为每个任务分配独立空间,包括文件存储区、记忆模块与技能系统。项目级隔离管理,多个任务之间互不干扰。
创建WorkSpace项目:
- 在设置中配置大模型API,比如OpenAI、DeepSeek等,然后启用智能路由系统。系统会根据任务复杂度,自动帮你选择最优的模型组合。
配置模型与路由策略:
- 在WorkSpace中输入自然语言任务,比如“帮我生成一份行业报告”或者“分析这份数据”,系统会自动拆解任务并执行,支持后台持续运行和任务追踪。
输入任务并执行:
- 实时查看执行结果、记忆变化与任务进度。如果有不满意的地方,可以直接调整或回滚。优化后,系统会自动把执行策略沉淀到当前WorkSpace里。
查看与优化结果:
PilotDeck的项目地址
- https://pilotdeck.openbmb.cn/pilotdeck.github.io/
项目官网:
- https://github.com/OpenBMB/PilotDeck
GitHub仓库:
PilotDeck的应用场景
- 白皮书、行业报告、长文创作——输入一个主题,系统自动生成结构化内容,并持续优化逻辑。长周期内容生产自动化,不是梦。
AI内容生产与写作:
- 用自然语言生成3D交互场景或小游戏原型,比如生成一个塞尔达风格的开放世界游戏。从想法到可运行原型,转化速度非常快。
游戏与交互系统开发:
- 结合语音模型(如VoxCPM)生成多语言播客内容,支持30种语言输出。对全球化内容传播和自动化音频制作来说,相当实用。
多语言内容分发:
- 模型训练、数据处理、工程脚本生成等任务,通过Agent自动执行流程,研发效率能提上去,人工操作成本能降下来。
AI工程自动化:
- 数据监控、市场追踪、自动报告生成——系统在后台持续运行,定期输出结果,企业级自动化场景的典型应用。
长期监控与任务管理:
PilotDeck的价格与付费方案
目前PilotDeck是完全开源项目,采用GNU AGPL v3.0协议。用户可以免费使用、修改、部署系统。实际使用中的成本,主要来自第三方大模型API调用费用。不过系统本身通过智能路由机制优化了Token消耗,能帮你把整体使用成本降下来。
使用PilotDeck时需要注意的问题
PilotDeck能力很强,但请记住,它属于系统级的AI基础设施。部署和使用还是需要一定技术理解能力的。比如模型API必须正确配置,否则任务执行效果会打折扣。另外,Always-on功能虽然方便,但要注意控制任务数量,别让资源占用过高。白盒记忆系统提高了可控性,但也需要你理解记忆结构的逻辑,避免误删关键任务信息。至于敏感数据处理,建议结合本地部署和权限控制策略来确保数据安全。
和其他 AI 工具相比,PilotDeck有哪些差异?
| 维度 | PilotDeck | Claude Code | Cursor | OpenClaw |
|---|---|---|---|---|
| 系统定位 | AI Agent操作系统(WorkSpace架构) | 编程Agent工具 | AI编程IDE | Agent通信与执行框架 |
| 任务管理 | 项目级WorkSpace隔离,多任务并行 | 单任务代码执行 | 开发任务为主 | 消息驱动执行 |
| 记忆机制 | 白盒记忆,可追溯可修改 | 上下文记忆 | 局部上下文 | 黑盒向量记忆 |
| 成本控制 | 智能路由自动降本70% | 固定模型调用 | 依赖用户选择 | 手动配置模型 |
| 自动化能力 | Always-on主动执行任务 | 需手动触发 | 交互式执行 | 定时/消息触发 |
| 扩展能力 | 支持MCP + 插件系统 | 有限扩展 | 插件生态 | 中等扩展性 |
从对比来看,PilotDeck的核心差异在于它的系统级定位——它不再是一个单一工具,而是一个面向多智能体管理的操作系统。相比传统编程AI工具,它更强调任务的持续性、成本优化和项目隔离能力。所以说,它更适合那些复杂的、长期的生产力场景,而不是单纯的写代码或做问答。
关于PilotDeck的常见问题
PilotDeck是什么类型的工具?
PilotDeck是什么类型的工具?
PilotDeck是AI智能体操作系统。它通过WorkSpace实现任务隔离与长期运行能力。不是单一的聊天或生成工具,而是面向生产力的系统级平台。
PilotDeck怎么使用?
PilotDeck怎么使用?
安装脚本部署后,在浏览器创建WorkSpace并输入任务即可运行。系统会自动调用模型执行,持续推进任务进度。
PilotDeck免费吗?
PilotDeck免费吗?
完全开源免费。但使用过程中需要调用大模型API,实际成本取决于你选择的模型服务和调用频率。
PilotDeck适合新手吗?
PilotDeck适合新手吗?
基础使用比较简单,但要完整发挥系统能力,需要理解WorkSpace和模型配置逻辑。所以,更适合有一定技术基础的用户。
PilotDeck和Cursor有什么区别?
PilotDeck和Cursor有什么区别?
Cursor侧重AI编程辅助。PilotDeck是系统级Agent OS,支持多任务管理、长期执行与成本优化。两者定位不同,一个是开发工具,一个是生产力平台。
PilotDeck能做什么任务?
PilotDeck能做什么任务?
内容生成、游戏开发原型、多语言播客、模型训练流程、长周期自动化任务执行——覆盖范围远超传统AI工具。
PilotDeck的核心优势是什么?
PilotDeck的核心优势是什么?
核心优势在于WorkSpace隔离、白盒记忆、智能路由与Always-on机制。这四个点串起来,让AI从被动响应工具,真正转变为主动执行系统。