PilotDeck
PilotDeck 是由清华大学 THUNLP 实验室、面壁智能(ModelBest)、OpenBMB 和 AI9Stars 联合开源的AI Agent 操作系统。以"WorkSpace(工作舱)"为核心架构,为每个任务提供独立的文件系统、记忆存储和技能管理,通过记忆白盒化、智能路由和 Always-on 三大机制,将 Token 消耗降低约 70%,是 Agent 时代的真正生产力工具。
PilotDeck 项目封面

项目简介

PilotDeck 于 2026 年 5 月 28 日正式开源,是一个面向通用、多任务场景的 AI Agent 生产力平台。它的核心理念是让 AI 真正"住"进你的项目,而不是每次对话都像陌生人一样需要重新解释上下文。

与 Claude Code、Cursor、Trae 等聚焦单一任务的 AI 编程工具不同,PilotDeck 定位为"Agent 操作系统"——它管理多个 Agent 的协同工作,提供持久化记忆、任务调度、技能管理等底层能力,让 AI 从单纯的对话工具跃升为真正的生产力引擎。

核心特性

WorkSpace 工作舱架构
  • 以工作舱为核心单元,每个项目独立运行

  • 每个工作舱拥有独立的文件系统、记忆存储和技能库

  • 支持多工作舱并行管理,任务之间互不干扰

  • 工作舱可持久化保存,随时恢复上下文

  • 支持工作舱之间的资源共享和协作

记忆白盒化
  • 透明的记忆管理机制,用户可查看和编辑 Agent 的记忆

  • 支持短期记忆和长期记忆分层存储

  • 记忆可搜索、可筛选、可删除

  • 避免上下文窗口爆炸,降低 Token 消耗

  • 记忆压缩和摘要机制,保留关键信息

智能路由
  • 根据任务复杂度自动选择合适的模型

  • 简单任务用小模型,复杂任务用大模型

  • 支持多模型混合调度,优化成本和性能

  • 任务自动分解和分配给不同 Agent

  • 动态调整资源分配

Always-on 常驻机制
  • Agent 可持续运行,自主发现和执行任务

  • 支持 Cron Job 定时任务自动执行

  • Agent 可自主判断什么任务值得做

  • 完成任务后主动汇报结果

  • 即使你睡觉了,Agent 也在工作

技能系统
  • 内置丰富的 Agent 技能库

  • 支持自定义技能开发

  • 技能可在工作舱之间共享

  • 支持 MCP(Model Context Protocol)协议

  • 技能版本管理和更新

多 Agent 协作
  • 支持多个 Agent 协同完成复杂任务

  • Agent 之间可通信和传递信息

  • 任务自动分解和分配

  • 支持 Agent 角色定义(规划者、执行者、审查者等)

  • 协作过程可追溯和审计

技术架构

  • 基于 Python 开发,易于扩展和定制

  • 支持 Docker 容器化部署

  • 提供 Web UI 管理界面

  • 支持 API 接口调用

  • 兼容主流大模型(GPT、Claude、Gemini、国产模型等)

  • 支持本地模型和云端模型混合使用

快速开始

  1. 克隆项目仓库:git clone https://github.com/OpenBMB/PilotDeck.git

  2. 进入项目目录:cd PilotDeck

  3. 安装依赖:pip install -r requirements.txt

  4. 配置模型 API 密钥

  5. 启动服务:python main.py

  6. 在浏览器中打开 Web UI 开始使用

也支持 Docker 一键部署:

docker-compose up -d

应用场景

  • 多 Agent 系统构建:快速搭建复杂的多智能体协作系统

  • 自动化工作流:让 Agent 自动执行重复性任务

  • 项目管理助手:Agent 持续跟踪项目进度,主动提醒和汇报

  • 研究助手:Agent 自主进行文献调研和数据分析

  • 企业级 AI 平台:为团队提供统一的 Agent 管理和调度平台

项目地址

GitHub 开源仓库:https://github.com/OpenBMB/PilotDeck

官方网站:https://pilotdeck.openbmb.cn

授权方式:免费 + 开源(AGPL 3.0 License)

授权方式:��免费 + 开源(AGPL 3.0 License)