10 月 15 日，清华 THUNLP、面壁智能、OpenBMB 与 AI9Stars 联合开源的智能体工作台 PilotDeck 放出 2.0 版本，GitHub 星标已过四千。把镜头拉近看，这个版本的重心很明确：把 Word、Excel、PPT 这类真实办公文件的「全流程交付」做进闭环——交出去的是能继续编辑的成品，不是一段待搬运的文字。
白盒记忆：记错了能改
PilotDeck 的基本单位叫 WorkSpace：一个项目一套独立的文件系统、记忆与技能，多项目并行互不串味，检索范围有界，技能随任务自然沉淀——官方说法是告别全局上下文污染。更对开发者脾气的是白盒记忆：记忆的生成、抽取、存储、取用全程可见，AI 记错了，你能定位到具体条目直接改，不必重开会话；空闲时段有 Dream 模式整理记忆，还支持一键回滚。对照着看，这一刀切在了存量方案的两难上：1904 里 Claude Code 的空闲压缩、1650 的 AutoCompact、1924 的 TreeFlex，解的都是「上下文太长怎么办」；PilotDeck 解的是另一问——记忆这团黑箱里到底存了什么、错了怎么修。对要把智能体请进生产流程的团队，后一个问题往往比前一个更常踩。
路由与成本：一笔公开的账
第二根支柱是智能路由：主模型负责规划，把合适的活派给子模型，难度自动分级，不拿旗舰模型烧 trivial 调用。团队给出的对照很直白——主模型和子模型全用同一个模型，花费是智能路由的四倍以上（团队口径）。第三方读数摆在一起看更有意思：WorkBuddyBench 办公测试里，用大参数底座时 PilotDeck 2.0、Claude Code 与 WorkBuddy 同在 80 分档，拉不开差距；换成 35B-A3B 轻量底座，PilotDeck 以 79.4 分居三者之首。同代产品的能力差距在收窄，成本与可控性的差距在拉开——这大概就是开源 harness 的生存空间。
两千轮不断线的长跑
2.0 的办公闭环覆盖读取、整理、计算、生成、编辑、检查六站：Word 技能管批注、修订与页面检查，Excel 技能管数据、公式与计算结果，PDF 也在列。官方演示里有条中国高铁建设历程的交互时间轴，底部时间轴能自动播放、能拖拽，点开单条路线还能放大看开通日期与设计时速——提示词只给了一个任务方向，执行超一小时，中途断过一次网，恢复后从断点续跑，没从头再来。常驻执行的口径是两千条交互消息内保持任务在轨。部署上它不挑食：一行脚本（Node.js 22）或桌面客户端（Windows、macOS、Linux）或 Docker，原生 MCP，Web、CLI、IM 前端一致，飞书、微信渠道可接，模型可换、无锁定。对「AI 办公最怕聊天王者、干活青铜」的团队，这些条款比跑分更有说服力。
放进赛道里看
PilotDeck 的定位在官方 README 里写得明白：Claude Code、Cursor、Trae Solo 们把模型推理塞进了编程 IDE，Claude Cowork 把项目级隔离带上桌面，WorkBuddy（1887）把智能体接进了企业微信与飞书——PilotDeck 押注的空位是长跑、多项目、要交出成品的办公任务。顺着本周的账本看，它同时压在两根线上：1908 的「交付债」缺的正是把任务推进到可交付成果的工程闭环，1905 的 Nemotron Bolt 证明了本地小模型的密度可行，PilotDeck 则把这条路修到了办公场景门口。也要把 1932 的提醒带上：开源 MCP 生态的 253 个已证实漏洞说明，接第三方工具越方便，资产盘点越要做在前面。
需要保留的怀疑
四倍、79.4 分、四千星，全是早期口径：WorkBuddyBench 的卷子是谁出的、办公任务的分布是否贴近你的业务，要自己复测；35B-A3B 的能力天花板决定它更适合高频结构化任务而非开放式创作；本地部署听着安心，但文件、记忆、技能的边界仍要自己划。Dream 模式的整理策略、记忆条目的权限模型、长跑任务的审计日志，这些生产刚需的细节，还得翻更深的文档。开源的优势从来不只是免费，是可审计、可改造——这笔账，要用团队自己的工程量去结。
目前官方及行业暂未披露更多细节，后续将持续跟进迭代动态。给正在选工作台的团队一条动作：别只跑分——拿一份你们真实的交付物（带批注的合同、带公式的报表）让候选工具各做一遍，再看谁能把成品原样交回来。这一项测试筛掉的工具，通常比任何榜单都多。