PilotDeck 领航甲板
清华 THUNLP、面壁智能与 OpenBMB 联合开源的任务型 AI Agent 生产力平台,以 WorkSpace 为基本单元隔离文件、记忆与技能,内置白盒记忆、智能路由与常驻后台执行三大能力,原生支持 MCP,Web/CLI/IM 多端一致。
爱鲜报评分
0 人评分
4.9k
星数
是
中文
TypeScript
主语言
是
活跃
18
贡献者
人工分析
EDITORIAL推荐理由
PilotDeck 把「长期、多项目并行」的 Agent 工作流当作一等公民,用 WorkSpace 隔离解决上下文污染,用白盒记忆解决「AI 记错了改不动」的痛点,再用智能路由把简单任务下放到轻量模型,官方实测社媒运营场景可省约七成成本。项目由清华 THUNLP 与 OpenBMB 团队维护,近 5k Star,提供中文 README 与飞书、微信社区,对国内开发者相当友好,适合想认真把 Agent 用进日常工作的人。
适用场景
- 多项目并行的长期任务管理与交付
- 小红书等社媒内容运营与批量文案生产
- 需要可追溯、可编辑记忆的 Agent 应用开发
- 按任务难度自动分配模型的成本优化场景
- 基于 MCP 扩展工具链的 Agent 平台二次开发
优点
- WorkSpace 级隔离,文件、记忆、技能按项目独立,避免全局上下文污染
- 白盒记忆全链路可见,可定位并直接修改出错条目,支持 Dream Mode 整理与一键回滚
- 智能路由按任务难度自动匹配模型,实测可大幅降低 token 成本
- 常驻后台执行,离开键盘后仍能发现任务、监控进度并落盘交付
- 原生支持 MCP,Web / CLI / IM 多前端行为一致
- 中文文档与飞书、微信社区齐全,国内访问与交流方便
缺点
- AGPL-3.0 协议,商业闭源集成需谨慎评估合规风险
- TypeScript 全栈项目,二次开发需要前端与 Node 生态经验
- 智能路由与记忆效果依赖所接入的模型质量,需自行配置 API
- 功能面较广,初次上手需要理解 WorkSpace、记忆、路由等概念体系
PilotDeck 是什么
PilotDeck 是由清华大学 THUNLP、面壁智能(ModelBest)、OpenBMB 与 AI9Stars 联合开源的任务型 AI Agent 生产力平台。它不把自己定位成「一次性写代码」或「即时问答」工具,而是面向长期运行、多项目并行的真实工作场景,试图回答几个关键问题:并行项目下记忆能否白盒可追溯?token 成本能否按任务核算?不同难度的任务能否自动匹配不同模型?离开键盘后工作能否继续推进?
核心设计:以 WorkSpace 为单位
PilotDeck 把每个项目视为一个独立的 WorkSpace,文件系统、记忆库与技能集完全隔离。这样并行任务互不干扰,检索范围有界,技能也能随任务自然沉淀,避免全局上下文污染。
三大支柱能力
- 白盒记忆:记忆的生成、抽取、存储与检索全链路可见;AI 记错时能定位到具体条目并直接修改。内置 Dream Mode 在空闲时段整理记忆,支持一键回滚。
- 智能路由:自动判断任务难度,复杂调用交给旗舰模型,简单任务下放到轻量模型。官方在社媒运营场景的实测中,开启路由后成本约为全旗舰模型方案的 1/4 左右。
- 常驻执行(Always-on):打破「你问我答」的循环,用户离开后 Agent 仍可发现候选任务、执行长周期监控,最终把成果以本地文件形式落盘并附上总结报告。
协议与多端一致性
系统原生支持 Model Context Protocol (MCP),可方便地接入外部工具与数据源;同时在 Web、CLI 与 IM(如企业微信、飞书)等前端保持行为一致。
技术栈与许可
- 主语言:TypeScript
- 许可证:AGPL-3.0
- 官网与在线 Demo:pilotdeck.openbmb.cn
注意:AGPL-3.0 对网络服务分发有额外要求,若计划用于闭源商业产品,建议先做合规评估。
适合谁
如果你正在寻找一个能长期托管多项目、记忆可控、成本可算的 Agent 工作台,PilotDeck 值得一试;若只是想快速跑一个单轮问答脚本,它的概念体系可能略显厚重。
评论
- 暂无评论,来写第一条吧。