智能体从「能演示」到「能常驻」之间，隔着成本、记忆与可靠性三座大山。10月17日至18日，清华大学THUNLP实验室联合面壁智能、OpenBMB等团队推出的开源智能体操作系统 PilotDeck 2.0，把靶心对准的正是这三件事。
先交代主体。PilotDeck 由清华大学THUNLP实验室联合面壁智能、OpenBMB与AI9Stars等团队共同研发，初版于今年5月28日正式开源，定位是生产级通用智能体操作系统——不做模型、不做硬件，专门解决智能体在真实运行中的工程化问题。本次的2.0版本是半年内的重大迭代，原生支持MCP（模型上下文协议，一个连接智能体与外部工具、数据源的开放标准）。
新版本的架构可以用四个关键词概括。工作舱：以 WorkSpace 为基本单位，每个项目拥有独立的文件系统与记忆空间，任务之间相互隔离——就像给每个智能体项目一间独立办公室，避免多任务并行时的相互污染。白盒记忆：智能体积累的经验记忆全部可查、可改、可审计，改变了「记忆越积越多但没人知道里面是什么」的黑箱状态，也让错误经验可以被定点清除。常驻执行：智能体可以长期驻留运行，而非每次任务结束即销毁，这是「数字员工」形态的基础。智能路由：根据任务难度动态分配模型资源，简单任务走小模型、复杂任务走大模型——这也是成本下降的主要来源。
成本数字是这次发布最抓眼球的部分。官方口径称2.0版本可将智能体任务成本降低约83%，即降至原先的约六分之一。拆解来看，成本优化来自三个环节：智能路由避免「杀鸡用牛刀」，输出长度控制减少无效词元，工作舱复用减少重复的上下文构建。对要跑成千上万次任务的企业而言，六分之一的成本意味着许多原本算不过账的智能体应用第一次具备了商业可行性。
从产业脉络看，PilotDeck 的演进恰好踩在智能体基础设施的空白带上。过去一年，模型层与应用层的融资与发布密集，但「智能体操作系统」这一层——负责任务调度、记忆治理、权限隔离——长期缺少标准化方案，各家企业都在自建轮子。5月的初版验证了「工作舱+智能路由」的技术路线，2.0版在任务隔离、记忆治理与成本控制上的系统升级，则是朝着「行业标准件」方向的推进。
需要说明的是，83%的成本降幅为官方测试口径，实际收益随任务类型、模型组合与负载特征而异，建议以自有场景实测为准；开源项目的长期活跃度与生态配套（推理框架适配、企业级支持）也有待观察。但可以确定的是：当模型能力趋于收敛，智能体的胜负手正在转向工程基础设施——谁把任务成本压到最低、把记忆管得最白盒，谁就能让智能体真正留在生产环境里。