AI 记错了你只能重开聊天：清华开源 PilotDeck 2.0，把记忆摊开给你改，成本打到 1/6

你跟 Agent 说过一次：这个项目用 pnpm，别用 npm。第二天换个会话，它又敲了一遍 npm install。

更烦的是上一个任务里那句「把测试文件清掉」，悄悄渗进了这个任务的上下文，于是你的源码目录少了几个文件。

你查不到它到底记住了什么，也改不了，唯一能做的就是关掉窗口重开一次。这三个动作，很多人做过不止一遍。

清华 THUNLP 联手面壁智能，PilotDeck 2.0 开源

PilotDeck 由清华大学 THUNLP 实验室、面壁智能（ModelBest）、OpenBMB、AI9Stars 联合研发并开源，官方定位是 Task-oriented AI Agent productivity platform，主语言 TypeScript，许可 AGPL-3.0。官网在 https://pilotdeck.openbmb.cn。

仓库 2026-05-22 建库，2026-05-28 正式开源，2026-10-15 发布 2.0，最新 release 是 v2026.10.17。目前 4737 星、515 fork、159 个 open issues，最近一次 push 在 2026-10-18，还在高频迭代。

2.0 干了三件事：一键安装与可视化配置、长任务稳定续跑 2000 条交互消息、新增 Word / Excel / PPT 办公 Skills。

macOS 和 Linux 上，安装就一行命令：

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

Windows 走 PowerShell：

powershell -ExecutionPolicy Bypass -c "irm https://raw.githubusercontent.com/OpenBMB/PilotDeck/main/install.ps1 | iex"

也可以直接 docker compose up -d --build。装完执行 pilotdeck 启动服务，默认跑在 http://localhost:3001，pilotdeck status 看运行状态。

WorkSpace 工作舱把文件、记忆、技能按项目隔离，A 项目的记忆到不了 B 项目

WorkSpace：文件、记忆、技能三层隔离

PilotDeck 把「WorkSpace（工作舱）」当成基本单位。每个项目拥有独立的专属文件系统、记忆库和技能集，A 项目的记忆不会跑到 B 项目里去。

开头那个上下文污染的老毛病，靠的就是这层物理隔离。文件系统、记忆库、技能集三层分开之后，切换项目等于换一个舱，上一个项目的临时文件、中间结论、自定义工具都不会跟过来。你在一个工作舱里立的规矩，不会越界影响下一个任务。

想再多一层隔离，可以配合让并行 Agent 各占独立工作区的 Worktrunk。它用 git worktree 给每个并行 Agent 开独立目录，和 WorkSpace 是互补的两层，一个管进程外，一个管项目内。

白盒记忆：可查、可改、可固定、可回滚

这一章是 PilotDeck 最值钱的部分。多数 Agent 的记忆是黑盒：写进去就看不见，压缩完原始信息就没了，出错也定位不到根因。

白盒记忆把记忆的生成、抽取、存储、使用这条链路整个摊开。每一条记忆都能查到存了什么、什么时候记的、属于哪个 WorkSpace，可以直接编辑、删除，也能把关键决策 pin 住，防止它越跑越偏。

还有个 Dream 模式：Agent 空闲时自动归纳整理、去重；整理丢了细节，一键回滚到整理前的状态。

2.0 的长任务续跑，官方口径是能稳定跑过 2000 条交互消息。消息越堆越长，麻烦的不只是装不下，而是怎么把该留的结论留下、不把整段对话原文一直往下带。

跟黑盒摆在一起看更清楚：可见性上，黑盒只给你最终输出，白盒能查每条记忆的来龙去脉；可控性上，黑盒写入后无法修改删除，白盒能改能删能固定；可追溯上，黑盒出错定位不到原因，白盒四个环节都可查可改；隔离性上，黑盒共用一个记忆池互相污染，白盒按 WorkSpace 隔开；可逆性上，黑盒压缩后原始信息就没了，白盒支持回滚。

给一条判断规则：如果 Agent 开始输出跟项目无关的建议，别急着重开会话，先去记忆库翻那条抽错的条目，删掉再跑一次。重开会话只会让它按同样的方式再错一遍。

智能路由把复杂任务交给旗舰模型，简单任务降级给轻量模型，成本差出六倍

智能路由与成本：三组实测数据

Smart Routing 先识别任务难度，复杂任务交给强力模型，简单任务降级到轻量模型，端云协同加精准匹配，压 token 消耗。端云协同是另一个变量：本地能跑的小任务不上云，既省 token 也少一次网络往返。三组数据都出自 README，标注为团队自测。

第一组，社媒运营场景（小红书类）：开启省钱路由（主 Opus 4.5 加子 Sonnet 4.5）花 2.83 美元，倍率 1.1 倍；不开省钱路由（全 Opus 4.5 主加子）花 12.58 美元，倍率 5.0 倍；单体 Opus 4.5 长 react 预估 12.20 美元，倍率 4.8 倍。结论是约节省 70% 成本。

第二组，7 个复杂任务（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）：MiniMax-M2.7 单 Agent 拿 37.1 分、花 1.90 美元；Claude Sonnet 4.6 单 Agent 拿 69.1 分、花 18.36 美元；主 Sonnet 4.6 配子 MiniMax-M2.7 拿 70.6 分、花 3.15 美元。约六分之一的成本，分数还反超 1.5 分。

第三组，WorkBuddy Bench：PilotDeck 跑 Qwen3.6-35B-A3B 得 79.1，Claude Code 得 77.3。

这里有个官方自己的口径问题，得单独点出来：README 讲智能路由时举例用的是 Claude 3.5 Sonnet 和 GPT-4o，可下面实测数据表里全是 Opus 4.5、Sonnet 4.5、Sonnet 4.6、MiniMax-M2.7，两组型号差了好几代。路由思路说得通，但看数据请以表格为准，别拿正文的举例去估自己的账单。

省上下文这块，思路不同、目标一样的还有把工具藏起来省上下文开销的 Pi 1.0 Codemode，可以对照着读。

Always-on 常驻执行，配办公三件套

Always-on 要突破的是你问我答。你离开之后，Agent 仍在后台主动发现潜在任务、执行长周期监控，把成果落地成本地文件，再附一份摘要汇报给你。

2.0 新增的 Word / Excel / PPT Skills 正好接在这条链路上。官方 demo 里有从一句需求直接生成 HTML 白皮书、iOS AR 小游戏 Ball Finder、从零搭低代码 embedding 微调平台、把英文播客推成中 / 日 / 法 / 韩 / 西 / 阿多语言版本。README 写明这些全部由端侧模型经智能路由生成，不需要云端前沿模型。

要留意的差别是：它的交付物不是聊天框里的一段话，而是躺在目录里的真实文件。能落地的成果才接得住下一步流程，这也是常驻执行和一次性问答的分界线。

上车前先看清这几条边界

坑1：装完起不来。现象是执行 pilotdeck 没反应或者直接报错。根因是内置 SQLite runtime 对 Node 版本卡得很死，必须 v22.13.0 或更高且低于 v23，v23 反而不行。解法是先跑 node --version 确认版本，再开始装，别等装完才发现白忙一场。

坑2：Web UI 起来了但 Gateway 没启动。现象是界面能开，任务发不出去。根因是 ~/.pilotdeck/pilotdeck.yaml 缺失。解法是走 onboarding 可视化配置，填好合法的 provider、API key、model，保存后会自动写配置并拉起 Gateway。

schemaVersion: 1
agent:
  model: deepseek/deepseek-v4-pro
model:
  providers:
    deepseek:
      protocol: openai
      url: https://api.deepseek.com/v1
      apiKey: sk-your-api-key

配置文件支持 OpenAI、Anthropic、原生 Google Gemini、DeepSeek、Qwen、Kimi、MiniMax 等 OpenAI 兼容端点。原生 Gemini 写 protocol: google，本地 Ollama 走 OpenAI 兼容的 /v1/chat/completions，不需要 API key。

坑3：想接外部工具却不知从哪下手。扩展靠一个 plugin.json 文件，四类能力分别是 MCP Servers（一等公民，可集成任意 MCP 服务器）、Tools and Skills（也能通过 ClawHub 拉社区技能）、Lifecycle Hooks（拦截 PreToolUse、UserPromptSubmit 等关键事件）、Custom Memory。动手之前建议先把 MCP 协议详解读一遍，否则 Lifecycle Hooks 的拦截时机很容易理解反。