清华团队开源 Agent 系统 PilotDeck，通过独立工作舱、白盒化记忆和智能路由，实现多任务并行、记忆可控和 Token 成本降低 70%。
📝 详细摘要
文章介绍了由清华大学 THUNLP 实验室、面壁智能、OpenBMB 与 AI9stars 联合研发并开源的 Agent 系统 PilotDeck。该系统通过 WorkSpace 独立工作舱机制，为每个项目提供专属文件系统、记忆和技能，实现多任务并行且互不干扰。其核心创新包括：白盒化记忆管理，每条记忆可查看、修改和追溯来源；智能路由系统在子 Agent 层面进行模型调度，在社交媒体、播客多语言等场景下可节省约 70% 的 Token 成本；Dream 机制让 AI 在空闲时自动整理记忆。文章通过奶茶店经营游戏、数据可视化大屏和程序员性格测试三个案例展示了 PilotDeck 的多任务并行能力和效果。
💡 主要观点
- PilotDeck 通过 WorkSpace 实现多任务并行和严格隔离。 每个 WorkSpace 拥有独立的文件系统、记忆和技能，不同项目之间互不干扰，解决了传统 Agent 在多任务场景下的上下文混淆问题。
💬 文章金句
- PilotDeck 给每个项目建的是一个完整的「工作舱」，舱里有三层：专属文件系统、专属记忆、专属技能。
- PilotDeck 的路由是在子 Agent 层面做的。一个复杂任务拆成多个子任务后，整个子 Agent 分配给一个模型跑到底，这个子 Agent 内部的上下文缓存是连续的。
- 记忆白盒化最终带来的效果是，AI 越用越「听话」。你的偏好沉淀在 Feedback Memory 里，看得见、调得了。
📊 文章信息
AI 初评：84
来源：新智元
作者：新智元
分类：人工智能
语言：中文
阅读时间：16 分钟
字数：3758
标签： PilotDeck, Agent, 开源, Token 优化, 记忆管理