清华团队让AI记忆可查可改，七项任务测试成本降约83%

让AI长期帮忙做事，一个棘手的问题是：它记错了一条要求，你能不能找到这条“记忆”，直接改掉，而不必一遍遍从头解释？

清华大学自然语言处理实验室联合面壁智能等团队开发的智能体工作台PilotDeck，正把这类管理能力放到台前。10月15日升级的PilotDeck 2.0提供可查看、编辑的记忆、相互隔离的项目空间，以及按任务分配不同模型的机制。[1-2]

它是一套开源智能体工作台，负责组织模型、工具与任务。用户不需要把它理解成一个新的大模型，或电脑操作系统的替代品。它试图解决的是：模型已经能干一些活，怎样把这些能力组织成可持续使用的工作流程。

AI记错了，用户应当有权纠正

在团队展示的设计中，不同项目拥有各自的文件、记忆和技能。用户可以检查保存了哪些信息，编辑、删除或固定其中的内容；后台整理记忆时，也提供回退机制。[1]

这对多项目工作有什么意义？假设同一个人既做客户报告，也处理内部经营数据，两个项目可能有不同的写作口径、文件范围和保密要求。把资料与长期要求按项目分开，能减少反复说明的负担，也为检查信息从哪里来提供线索。

可编辑记忆更重要的一点，是让纠错有明确的操作入口。一条过时的公司名称、一个已经取消的报价规则，如果只能靠继续对话来覆盖，用户很难确定旧信息是否还会影响下一次输出。把记忆摊开，至少使用户有机会直接检查和修正。

不过，能编辑记录，并不代表系统从此不会误解，也不等于项目隔离已经通过安全审计。隔离是否可靠、该记住什么、怎样避免把临时信息变成长期规则，仍需在具体任务中检验。

约83%的成本下降，来自怎样的一组测试？

PilotDeck团队公布的七项任务测试中，单独使用Claude Sonnet 4.6的成本为18.36美元；由它统筹、把子任务交给MiniMax M2.7后，成本降至3.15美元，降幅约82.8%。团队给出的评分由69.1升至70.6。[1]

这组结果说明，在这套任务与评分条件下，分工可以比全程使用同一模型更省钱。它是开发团队自行公布的小样本结果，不能直接推广为所有任务都能降本83%，更不能据此保证质量始终不降。

这种分工的逻辑并不难理解：需要判断方向、拆解问题和审阅结果时，使用能力更强的模型；较明确、较容易检查的子任务，尝试交给成本更低的模型。

真正决定省钱能否落地的，是多出来的交接与检查。如果子任务划分错误，便宜模型反复返工，或主模型花大量时间修正，账单就可能重新涨上去。企业应比较“完成一项合格成果的总成本”，而不能只比较模型单次调用的价格。

后台继续做事，也需要有人管得住

PilotDeck还把定时执行和后台常驻纳入工作台设计。[1] 这使智能体有机会承担周期性任务，但它仍依赖持续运行的设备或服务器，以及配置好的工具、权限和网络环境。电脑关机后，任务不会凭空继续。

对实际使用者而言，下一步值得观察的是三件事：任务失败有没有清楚提示，已经做过的动作会不会重复执行，涉及文件和外部服务时能否控制权限。

这些管理细节往往不如模型排行榜显眼，却直接决定用户敢不敢把工作交出去。记忆可查可改，让纠错更具体；按项目隔离，让工作边界更清楚；模型分工，则把成本控制推进到任务内部。

PilotDeck 2.0提供了一个可供检查和试用的实现。它能走多远，最终要看这些机制在连续多天、多个项目和反复修改的真实工作中，能否稳定交付合格结果。

参考资料

[1] OpenBMB. PilotDeck: Task-oriented AI Agent productivity platform[CP/OL]. [2026-10-18].

[2] PilotDeck. PilotDeck 2.0产品首页[EB/OL]. [2026-10-18].