在初代 Agent 集体卡关之际，清华团队近期低调开源全新智能体作业系统「PilotDeck」，迅速成为 AI 圈焦点。这款由清华大学 THUNLP 实验室、面壁智能、OpenBMB 与 AI9stars 联手打造的开源工具，被视为真正面向生产力的「Agent 协作舱」。

而曾经在 2026 年初爆红、创下 GitHub 最快夺星纪录的 AI 开源专案 OpenClaw（俗称小龙虾），如今热度却面临冰点。

相较 OpenClaw 偏向极客实验性质，PilotDeck 更强调多智能体协作、自动分工与高强度任务执行，可同时调度多个 AI 代理完成复杂工作流程，因此被不少开发者形容为「AI 军队指挥中心」，也让「1 个人操控 1 支 AI 团队」的概念开始真正落地。

小龙虾确实完成了它的历史使命，像一场飓风般把「智能体」的概念吹进大众视野，让所有人惊觉 AI 原来能主动替人类干活，而非只是个陪聊的聊天机器人。

然而，由于跑得太快，小龙虾来不及建立起足够深的代码壁垒与生态圈，终究没能成为智能体界的 Linux，迅速被拍死在沙滩上。

面对初代 Agent 难以落地、无法适应高强度生产力的困境，那些真正需要靠 AI 搞生产力的人，现在都在用什么时髦的新工具？答案就在最近低调上线的智能体作业系统「PilotDeck」。

超狂跨界：一边开奶茶店、一边画融资大萤幕

许多初代的 Agent 遇到复杂任务或跨领域工作就容易当机，但 PilotDeck 的表现却好得离谱。在实际测试中，开发者同时开辟了 2 个完全不同方向的独立 WorkSpace（工作舱）进行高负载运作。

在第 1 个工作舱里，测试人员只输入了 1 句简单的指令，要求做 1 个模拟经营奶茶店的小游戏，并包含进货、定价、排队系统，且顾客要能根据价格和口碑决定购买意愿。

PilotDeck 随即展现出惊人的规划能力，不仅当场拆解出游戏的核心循环，设计了 5 款奶茶的产品线，还自动写出清新卡片风的 UI 布局与关键的 JavaScript 模组。没过多久， 1 个精致且可线上试玩的奶茶游戏就诞生了。

同一个时间，另 1 个工作舱，测试人员丢进了 1 组全球 AI 公司的融资数据，要求制作 1 个带有动画效果、滑鼠悬停可看详情的互动式数据视觉化大屏。

PilotDeck 俐落地绘制出 4 个核心图表，将融资总额前 10 名、北美与欧洲及亚洲的融资占比、乃至通用与企业与生成式 AI 的赛道分布展现得一清二楚。

两个南辕北辙的任务同时在背景奔跑，1 个在写游戏代码，1 个在画数据图表，彼此互不干扰，效率高到令人咋舌。

为了进一步试探极限，测试人员又加开了第 3 个任务，要求制作 1 个包含 10 道题目、拥有科技感 GitHub 暗色主题风格的「程式设计师性格测试」应用。

PilotDeck 不仅设计出极度贴近开发者真实场景的趣味题目，还划分出架构师、搬砖侠、完美主义者等 6 种人格，甚至附带了精美的分享卡片。

这 3 大工作舱的跨度大到不可思议，但 PilotDeck 却能稳稳地各跑各的，展现出极强的多工协作实力。

给 AI 的「独立生存太空舱」

为什么 PilotDeck 能够做到如此完美的任务隔离？这得归功于它与市面上其他工具截然不同的 WorkSpace 架构。

虽然像 Claude Projects 或 Cursor Workspace 也有专案隔离的概念，但它们本质上只是「资料夹加上静态规则」，AI 的记忆看不见也改不了，技能无法随着使用而进化，甚至连 Token 成本也算不清。

PilotDeck 则是直接为每个专案建造了一个具备 3 层架构的完整「工作舱」。

底层是专属的档案系统，让专案档案与 AI 生成的内容拥有清晰的边界；中间层是专属记忆，包含了记录专案定义与进度的项目记忆，以及专门储存使用者交付偏好的协作反馈记忆，这一切都看得见、改得了，还能精准追溯来源。

最上层则是专属技能，用户可以在 Skill 应用程式商店中，1 键为做游戏的工作舱安装资源寻找工具，或为写文档的工作舱安装 PDF 处理工具。

在 PilotDeck 里，工作舱不再是死板的资料夹，而是 AI 赖以生存并持续进化的完整环境。

聪明路由让 Token 帐单直接砍 7 成

使用过 Agent 的开发者都知道一个公开的秘密：虽然用起来很痛快，但每个月最强模型的 API 帐单一来，烧起钱来简直比天天搭计程车还贵。

许多人为了省钱，不得不手动切换模型，简单问题用便宜模型，复杂问题才换贵模型，但这种手动切换的成本极其繁琐，还会严重干扰 AI 的上下文快取（KV-cache），导致推理效率不升反降。

为了解决这个硬核痛点，PilotDeck 开发了一套聪明的「智慧路由」机制。与市面上按单次请求切换模型的粗暴做法不同，PilotDeck 的路由是在「子 Agent」层级运作的。

当一个复杂任务被拆解成多个子任务后，负责该子任务的 Agent 会被分配到最合适的模型并 1 路跑到底。

这样一来，子 Agent 内部的上下文快取就能保持连续，不仅省下了大笔 Token 费用，更避免了频繁切换带来的效能损耗。

这套路由的调度规则也极为灵活，支援使用者以自然语言或自订规则进行调节，例如指定代码相关任务走 Claude、文字处理走便宜模型。

在实际的「程式设计师性格测试」测试中，未开启路由前需要花费近 11 美元，开启路由后实际仅花费 1.42 美元，瞬间省下了高达 75% 的成本。在更大规模的社群媒体内容生成测试中，同样也省下了近 7 成的费用。

而在多语言播客、金融分析等复杂场景下，这种「强模型带弱模型」的组合，甚至能以 1/6 的价格跑出超越单一强模型的效果。

此外，它还支援接入本地部署的模型，确保敏感数据完全不出本机，兼顾了隐私与性价比。

撬开 AI 的脑袋 记忆不听话就「手动修改」

在过去，Agent 的记忆对使用者而言就像黑盒子，AI 记住了什么、什么时候记的、记得到底对不对，通通无从得知。

PilotDeck 的记忆面板则彻底将记忆「白盒化」，每 1 条记忆都标注了时间戳记、来源路径与类型。如果发现 AI 记错了，使用者可以直接点进去修改，或是直接删除发生冲突的记忆，完全不需要重新启动对话或重新喂一遍偏好。

更受关注的是，PilotDeck 还引入了名为「Dream（梦境）」的后台整理机制。在系统空闲的时段，AI 会在后台自动回顾与整理自己的记忆，达到「白天工作、晚上消化」的效果。

如果 AI 在梦境整理中出现了差错，使用者还能一键回滚到整理前的状态。这种记忆透明化的设计，让 AI 在使用过程中变得越来越听话，使用者的偏好被实实在在地记录在系统中，下次执行任务时便能精准照办。

这款兼具独立工作舱、白盒化记忆与精算智慧路由的「六边形战士」，并未被锁在昂贵的付费墙后，而是大大方方地选择了完全开源。

不论是底层的路由逻辑，还是优雅的 Workspace 架构，所有代码都已毫无保留地呈现在开发者面前。

随着 PilotDeck 的开源，开发者们终于有了能真正投入实际生产线的利器，接管专属于自己的 AI 军团。