清华大学THUNLP实验室联合面壁智能、OpenBMB等团队推出开源智能体操作系统PilotDeck 2.0，针对记忆管理、任务执行和模型调用成本三类问题。在Workbuddy Bench评测中，PilotDeck使用Qwen3.6-35B-A3B得分79.1，优于Claude Code的77.3。通过强模型负责决策、小模型承担杂活的调度方式，复杂长任务成本可降低近六分之五，约83%。

PilotDeck以WorkSpace（工作舱）为基本架构单位，为每个项目划分独立的文件系统、记忆库和技能集，实现记忆与检索空间的物理隔离，减少多任务并行时的上下文串台和任务跑偏。同时，系统将记忆做成白盒化，从生成、抽取、存储到调用全链路对用户可见，用户可逐条查看、手动修改或删除记忆，并一键固定重要信息。

系统内置Dream模式，在空闲时自动对零散交互记忆进行归纳、提炼和去重，若整理丢失关键细节可一键回滚。Always-on常驻执行模式则支持关闭聊天窗口后Agent继续在后台推进长周期监控与执行任务，完成后将成果落地为本地文件，并附进展与总结报告。

PilotDeck原生支持MCP，Web界面、命令行CLI及企业微信、飞书等IM生态的后端逻辑一致，便于开发者围绕现有工作流扩展工具和技能。其Smart Routing智能路由内置任务难度识别，将复杂规划决策交给顶配大模型，执行、润色、格式处理等环节降级给轻量模型，实现端云协同与分层编排。