AREX Feed Article
OpenBMB 发布开源 agent 框架 PilotDeck 2.0：主打 Word/Excel/PowerPoint 端到端创建与校验，自报基准 79.1 分
北京时间 2026 年 10 月 14 日 21 时 36 分（UTC 13:36），OpenBMB 官方 X 账号发布 。公告称这一版由清华 THUNLP、ModelBest、OpenBMB 与 AI9Stars 联合开发，是开源、模型无关的 agent（智能体）「操作系统」，能把自然语言指令变成已完成的任务；2.0 的三项主打能力是 Word、Excel、PowerPoint 文件的端到端创建、编辑与校验，复杂长任务在中断后继续执行（官方称经受了 2,000 条交互消息的压力测试），以及一键桌面安装。
公告同时给出成绩：在名为 Workbuddy Bench 的基准上，PilotDeck 配合 Qwen3.6-35B-A3B 得 79.1 分，高于对比对象 WorkBuddy 的 74.7 分与 Claude Code 的 77.3 分。这是 OpenBMB 的自报数据，目前没有独立核实。一侧可查证的事实是：项目现有 4,063 个 star，采用 AGPL 3.0 许可证，最新 release v2026.10.13-r2 已挂出 macOS、Windows、Linux 三套桌面安装包。
2.0 更新清单：不只是生成草稿
公告把 2.0 的核心变化写成一条：对 Word、Excel、PowerPoint 三类办公文件完成「创建、编辑和校验」，并特意强调「不只是生成草稿」。公告拿校验来区别于普通的文档生成：文件跑完生成流程之后，框架还要对成品本身做核对。
第二项是执行可靠性。公告称复杂的长任务可以「穿越中断」继续推进；至于压力测试用的任务类型、中断方式和通过标准，公告没有说明。
第三项是上手成本。2.0 提供一键桌面安装，配一条精简的初始化流程，用于连接模型、创建工作空间。公告同时重申它的开放原则：完全开源、模型无关、数据流向对用户可见。
自报成绩的对手与边界
按公告口径，79.1 分来自 Workbuddy Bench 与 Qwen3.6-35B-A3B 模型的组合，对 WorkBuddy 和 Claude Code 分别领先 4.4 分和 1.8 分。
这条成绩需要按它的实际性质来读：它是 OpenBMB 在自家公告里的声明，机构公告只能证明它作出了这个声明。公告没有附 Workbuddy Bench 的任务构成、评分方法或运行环境，79.1 分无法从公告本身得到独立佐证。对比对象是什么量级的工具，则可以从 里查到：README 把 Claude Code、Cursor、Trae Solo 归为一类——把模型推理带进编程 IDE 的 agent harness（智能体运行框架），在致谢一节把 Claude Code 列为 Agent OS 先行者之一，框架的 Web UI 与模型路由也分别参考了社区项目 Claude Code UI 和 Claude Code Router。
框架本体：WorkSpace 隔离、白盒记忆与智能路由
按 README 的描述，PilotDeck 以 WorkSpace（项目空间）为基本单元：每个项目有独立的文件系统、记忆库和技能集，多项目并行互不干扰，检索范围有界。称这套体验由「四大支柱」支撑，第一项就是项目空间级隔离与积累。
在这个单元之上，README 列出三个支柱能力。白盒记忆：记忆的生成、抽取、存储、检索全程可见，AI 记错时可以定位并修改出错的条目，内置的 Dream Mode 会在空闲时段整合记忆，支持一键回滚。智能路由：按任务难度自动分配模型，复杂调用交给旗舰模型，简单调用降级到轻量模型。Always-on：人离开后 agent 继续在后台发现候选任务、跑长程监控，最后把交付物落成本地文件，并留一份汇总报告。
「模型无关」在这里有具体落点。README 给出的配置文件支持 OpenAI、Anthropic、Google Gemini、DeepSeek、Qwen、Kimi、MiniMax 等协议，本地 Ollama 模型可以不配 API key 直接接入；系统原生支持 Model Context Protocol（MCP，模型上下文协议），并称在 Web、CLI、IM 三种前端行为一致。README 还自报了一组路由省钱数据：在 7 个复杂任务上，「Sonnet 4.6 主 agent 加 MiniMax-M2.7 子 agent」的组合得 70.6 分、花费 3.15 美元，Sonnet 4.6 单 agent 得 69.1 分、花费 18.36 美元，README 称组合方案以约六分之一的成本追平或超过单旗舰方案——这些同样是项目方自己的数字。
公告前 26 小时挂出的桌面安装包
发布于 2026 年 10 月 13 日 11 时 25 分（UTC），比 2.0 公告早约 26 小时，带 20 个资产：macOS 的 .dmg 与 .zip、Windows 的 setup .exe、Linux 的 .deb 与 .rpm，外加自动更新清单文件和 SHA256SUMS.txt 校验文件。公告里「一键桌面安装」的说法，在分发侧已有对应的安装包。仓库 2026 年 5 月 22 日创建，README 新闻栏记录 PilotDeck 于 5 月 28 日开源；安装方式除桌面安装包外，还有 macOS/Linux 一行命令、Windows PowerShell 脚本、Docker Compose 与源码安装（源码要求 Node.js 22.13 及以上、23 以下），装好后 pilotdeck 命令在本地 3001 端口启动服务。
发布说明记录的是另一种节奏。v2026.10.13 加入了内置 Computer Use（托管 Cua Driver MCP）和每日 token（词元）用量统计；r2 修复了 macOS 权限在网页端与桌面端的同步问题，把技能页改版为阅读工作台，并让已配置的服务商凭据在出错时得以保留。日期式标签排得相当密，仅 10 月就有 7 个；公告把这版称作「2.0」，仓库标签本身不带 2.0 字样。截至查询时，这条公告获得 490,815 次浏览、514 个赞、39 次转发和 54 条回复。
编程 IDE 与 IM 助手之外的长任务空档
README 把同类产品先摆了一遍：Claude Code、Cursor、Trae Solo 把模型推理带进编程 IDE；Claude Cowork 给桌面端知识工作引入项目级隔离；WorkBuddy 把 agent 接入企业微信、飞书等 IM 生态，让 AI「离你一条消息远」。PilotDeck 瞄准的是长程、多项目的生产力工作，并抛出四个待解问题：多项目并行时记忆能否白盒可追溯；token 成本能否按任务计，后台跑 agent 是否经济；不同难度的任务能否自动匹配不同模型；人离开键盘后，工作能否继续推进、把成果落成磁盘上的文件。官网给出四个具体场景：PPT 制作、Excel 数据分析、网页小游戏开发，以及一期英文播客的多语言推送。
2.0 的两个新卖点——对成品的校验，和压力测试下的稳定执行——目前都只有官方口径。自报的基准分能否被独立复现，是 2.0 上线后待验证的问题。