用清华开源的 PilotDeck 搭「Agent 工作舱」：白盒记忆可回滚，成本降到 1/6

用过一段时间通用 Agent 的人都遇到过三件糟心事：记忆是黑盒（它记住了什么你根本不知道）、项目串味（做 A 项目时冒出 B 项目的上下文）、账单失控（不管任务多简单都调最贵的模型）。2026 年 8 月，清华大学 THUNLP 实验室、面壁智能、OpenBMB 与 AI9Stars 联合开源的 PilotDeck 就是冲着这三点来的——它不是又一个 Agent 框架，而是一套以「WorkSpace 工作舱」为基本单位的智能体操作系统。

🛸 本教程适合：已经用过 OpenClaw / Claude Code 这类 Agent，想要一个能长期托管多个项目、记忆可控、成本可控的「生产力底座」的开发者与知识工作者。

先搞懂：黑盒 Agent 与白盒 Agent 的差别

PilotDeck 最核心的设计哲学，是把 Agent 内部原本看不见的东西全部摊开给你看、让你能改：

维度	传统黑盒 Agent	PilotDeck（白盒）
可见性	只看得到最终输出，不知道记了什么	随时查看记忆内容、写入时间与归属
可控性	写入后不可改，只能指望 AI 自我纠正	手动增删改标记，关键决策不丢失
可追溯	出错难定位，上下文压缩后不可逆	全链路可查可改，支持一键回滚
隔离性	全局共享记忆，容易跨项目污染	WorkSpace 严格隔离，互不干扰
经济性	无论难易都用大模型，成本高	智能路由，简单任务走便宜模型

一句话理解 WorkSpace：它相当于 Agent 世界里的「独立虚拟机」——每个工作舱有自己的文件系统、记忆库和技能集，默认互不访问。你可以同时开三个舱做三件完全不相干的事，上下文不会串。

Step 1：安装 PilotDeck

1 三种安装方式，任选其一

官方一键脚本会自动配好 Node.js 22 环境、拉代码、装依赖并编译前端：

# 方式一：一键安装（macOS / Linux，推荐）
curl -fsSL https://raw.githubusercontent.com/OpenBMB/PilotDeck/main/install.sh | bash

pilotdeck          # 启动服务，浏览器访问 http://localhost:3001
pilotdeck status   # 查看运行状态

# 方式二：源码启动（想改代码 / 开发插件时用）
# 注意仓库用 Git LFS 管理演示视频，不需要可跳过下载
GIT_LFS_SKIP_SMUDGE=1 git clone https://github.com/OpenBMB/PilotDeck.git
cd PilotDeck
npm install              # 根目录依赖（Gateway 运行时）
cd ui && npm install     # UI 依赖
npm run start            # 生产模式，访问 http://localhost:3001

# 方式三：Docker（Windows 用户首选）
docker compose up -d

💡 Windows 用户注意：官方安装脚本目前主要面向 macOS / Linux，Windows 请走 WSL2 或 Docker Compose 两条路，体验一致。

Step 2：配置模型 Provider

2 一个 YAML 搞定多厂商接入

PilotDeck 读取 ~/.pilotdeck/pilotdeck.yaml，支持 OpenAI、Anthropic、DeepSeek、Qwen、Kimi、MiniMax 等协议。你也可以启动 Web UI 后在设置界面里可视化填：

schemaVersion: 1

agent:
  model: deepseek/deepseek-v4-pro     # 默认主模型

model:
  providers:
    deepseek:
      protocol: openai                # 兼容 OpenAI 协议
      url: https://api.deepseek.com/v1
      apiKey: sk-your-api-key
    anthropic:
      protocol: anthropic
      apiKey: sk-ant-your-key

建议至少配两家：后面 Step 4 的「主强子弱」路由需要一强一弱两个模型才能发挥省钱效果。只配一家的话，路由等于没开。

Step 3：创建第一个工作舱（WorkSpace）

3 一个项目 = 一个舱

在 Web 界面点「新建 WorkSpace」，设定任务目标与技能集。也可以用模板批量初始化：

# template.yaml —— 带预置技能包的工作舱模板
name: research_paper
skills:
  - markdown-formatter
  - academic-style-checker
memory_policy:
  auto_cleanup: false     # 学术项目建议关掉自动清理，记忆自己管
  max_items: 500

跨舱协作时，用 @ 引用另一个舱的特定记忆，而不是把两个项目混在一起：

@marketing_plan:Q2预算   请参考这个数据框架，写研究经费部分

💡 划分建议：按「交付物」而不是按「工具」建舱。比如「季度竞品报告」「个人博客运营」「代码库文档」各一个舱，而不是「写作舱」「编程舱」。

Step 4：智能路由，把账单砍到 1/6

4 主强子弱：主 Agent 用强模型，子任务用便宜模型

这是 PilotDeck 最实用的省钱设计。官方在 7 个复杂任务（播客多语言推送、多源数据报告、论文综述、代码库架构文档等）上的对比数据：

配置	得分	成本
弱模型单 Agent	37.1	约 1.9 美元
顶级模型单 Agent	69.1	约 18.4 美元
主强 + 子弱路由编排	70.6	约 3.2 美元

也就是说，用 1/6 的钱拿到了比单用顶级模型还高的分。路由策略可以直接用自然语言写：

# 自定义路由规则示例
代码相关任务   -> 走强模型（Claude / DeepSeek Pro）
文本整理、摘要 -> 走便宜模型
网页抓取、格式化 -> 走最便宜档

为什么能既省又强？因为复杂任务里 80% 的步骤是机械劳动（抓取、格式化、汇总），只有 20% 需要真正的推理判断。一刀切用顶配，等于请院士去贴发票。

Step 5：白盒记忆的日常管理

5 查看、修正、回滚，还有 Dream 模式

这是 PilotDeck 和黑盒 Agent 拉开差距的地方。当 Agent 开始「胡说」，你不用猜，直接去翻它的记忆：

# 定期整理记忆库（Dream 模式：自动去重、归并、提炼）
pilotdeck memory-dream --workspace=research_paper

# 常见排障动作
1. Web UI 打开对应 WorkSpace 的「记忆」面板
2. 按时间/来源筛选，找到那条错误记忆
3. 直接编辑或删除，或对关键条目打「锁定」标记防止被覆盖
4. 出现连锁错误时，一键回滚到某个时间点的记忆快照

💡 实操心得：把「项目铁律」（如命名规范、禁用的库、客户忌讳）手动写进记忆并锁定，比反复在对话里叮嘱有效得多——锁定后 AI 不会在上下文压缩时把它丢掉。

Step 6：Always-on 常驻 + MCP 插件扩展

6 你下班了，Agent 继续上班

开启 Always-on 模式后，Agent 在后台持续监控、主动发现任务并执行，把长周期工作的成果落成本地文件与摘要汇报：

# 典型常驻场景
· 每天扫一遍订阅源，发现领域新论文自动读并追加到综述
· 监控竞品官网/定价页变化，有变动就生成对比说明
· 跨境团队：夜里把中文文案翻译并适配成多语种草稿

能力不够就装插件。PilotDeck 采用微内核架构，插件代码与开源核心严格隔离，通过 plugin.json 注册：

· MCP Servers：原生支持 Model Context Protocol，直接挂现成工具链
· Tools & Skills：注册自定义工具，或从社区 Skill 包引入现成能力
· Lifecycle Hooks：拦截 PreToolUse、UserPromptSubmit 等关键生命周期
· Custom Memory：接入自定义记忆存储 Provider

🎉 到这一步，你手上就是一个「一个人 + 一支 Agent 军队」的配置：多舱并行、记忆可控、成本可控、无人值守也在产出。

常见问题速查

问题	解答
支持 Windows 吗	官方脚本主要面向 macOS / Linux，Windows 走 WSL2 或 Docker Compose
WorkSpace 之间数据互通吗	默认严格隔离，需要引用时用 @工作舱:记忆条目显式跨舱
路由怎么判断任务难度	内置复杂度评估模块（语义分析 + 历史执行数据 + 预设规则），也可自然语言自定义
Dream 模式会额外烧 Token 吗	会，但用便宜模型跑，且能减少后续每轮的上下文体积，长期是净省
和 OpenClaw 什么关系	都是通用 Agent，但 PilotDeck 定位「生产力底座」，强调记忆白盒、多任务隔离与成本工程

📚 更多教程 📰 智能体资讯

← 返回教程中心