18世紀，亞當斯密提出了分工理論。

20世紀初，福特T型車，開創了全自動的汽車流水線。

到了21世紀，NetFlix創立了他們的管理哲學，Context not Control，并被字節等公司發展演化。

而近些年，隨著模型的進化和AI產品的涌現，新的生產關系和效率模型也在誕生。

今天，用DAU、ARR很難衡量一款AI產品的價值，看Task數、算Token量，似乎也有局限。

所以當我看到「智能體協作艙」、「任務為核心的操作系統」這樣的表述時，很覺得眼前一亮。

發現了一個好玩的新產品，叫：PilotDeck。

官網：https://pilotdeck.openbmb.cn/

01一個項目一個艙，記憶效果響當當

上手PilotDeck，能看到他們有個核心設計，叫WorkSpace（工作艙）。

Claude Code、Codex、OpenCLaw，都有項目文件夾，但上手用了發現這個工作艙跟他們都不一樣。

別的工具里的WorkSpace是一個目錄，打開一個文件夾，告訴AI這個項目的東西放這兒。

但PilotDeck的WorkSpace，是一個智能體的完整生存環境。

這個艙里有三層東西：文件系統、記憶、技能。

文件系統好理解，就是這個項目能訪問哪些文件夾。

關鍵是記憶這一層。效率場景，記憶幾乎伴隨了我使用的所有情況。

我讓它幫我整理一份關于AI Agent行業的研究報告，需要從二十多篇論文和博客里提取關鍵信息。

給了它一個任務清單：先搜集近三個月的相關文章，然后提取每個文章的核心觀點，最后按照技術路線、應用場景、成本三個維度整理成表格。

一個小時后回來，再打開PilotDeck，看到它已經完成了任務。

其中兩篇論文我尤其感興趣，希望能被長期記憶、索引。

于是打開WorkSpace的Memory模塊，找到處理這兩篇論文時的記錄。

很直觀能看到它記了什么，有哪些背景信息，引用論文之間的相互聯系。

還嘗試了一個寫公眾號、公眾號排版設計的場景。

希望幫我設計一套有科技感的公眾號排版版式。

于是打開項目A的WorkSpace，點進Memory模塊，看到了所有記憶條目。

之前在其他AI產品里，都遇到過公眾號排版格式的問題，但在PilotDeck里記憶條目非常清晰好找。

還會針對我的公眾號的風格調性，個性化設計符合定位的排版風格。

如果遇到問題，直接刪掉那條從項目B串進來的記憶，改回正確值。兩秒鐘的事。

還有Dream記錄，很有意思。

PilotDeck有個機制叫Dream，就是AI在空閑時段會自動回顧整理記憶。昨天半夜它Dream的時候，把兩個項目的排版要求合并了。我甚至能一鍵回滾這次Dream，恢復到整理前的狀態。

這就叫白盒記憶。

我看到AI記住了什么，我知道它什么時候記的，我能改，我能追溯來源。

不算什么花哨的功能，這是生產力工具的基本要求。但市面上99%的AI工具做不到。

我還測試了記憶的隔離性。

同時開了三個WorkSpace，分別處理三個不同客戶的項目。每

個項目有自己的文件目錄、自己的記憶庫。我讓AI在項目A里學習了一套技術術語的定義，在項目B里學習了另一套完全不同的術語體系。兩個項目跑了一整天，沒有任何串擾。

這是真正的項目級隔離。

每個艙有自己的記憶空間，檢索只在艙內進行。不會出現你問項目A的問題，AI用項目B的背景來回答。

對于同時處理多個項目的從業者來說，這個功能不是錦上添花，是雪中送炭。

02用PilotDeck設計游戲，比玩游戲還上頭

說完了正經工作，我聊點好玩的。

我這個人除了寫代碼，還有個隱藏身份：桌游和RPG愛好者。

我一直想自己設計復雜游戲，但每次都是開了個頭就放棄了。

和那種小游戲還不一樣，大型游戲的世界觀要編，角色要寫，數值要算，技能要平衡，光是文檔就能寫幾十頁。

看別人做、也親手試了幾個方向，每一個都讓我覺得以前那些爛尾的項目有救了。

PilotDeck呈現的案例，有一個讓我印象最深：從0開始設計一個「塞爾達風格」的游戲。

主角在一個開放世界里探索神廟、解謎、打怪，設計初始區域的地圖布局、三個新手神廟的謎題、以及主角的基礎能力獲取順序。

操作里，看到先讀取了所有的參考資料，然后在Project Memory里自動生成了當前項目進度：世界觀設定完成度30%，地圖設計完成度0%，謎題設計完成度0%，角色能力列表待補充。

PilotDeck會自動拆分任務。

它先設計草原的地形，用文字描述的方式輸出了一張網格地圖，標注了高地、河流、草叢和怪物營地。

然后它設計第一個神廟，這個神廟教主角使用炸彈能力。

再看最終游戲的效果，不管是3D動態效果的呈現，還是角色實際的行進探索，可玩性都挺好，左上角的數值能實時變動。

一個細節，連右下角的小地圖都稱得上清晰準確。

整個的玩法、流程，一套下來很絲滑。

我自己也動手試了下，把最愛的動漫《七龍珠》變成一個游戲，效果也是同樣的高水準。

想做一個龍珠主題的卡牌RPG，玩家收集Z戰士卡牌，每個角色有自己的氣力值和必殺技，戰斗系統基于猜拳機制。

我以前試著寫過設計文檔，寫到貝吉塔的技能就寫不下去了，因為要考慮角色平衡、技能搭配、以及和原作的貼合度。

這次我用PilotDeck建了一個新WorkSpace，叫龍珠Z-卡牌傳說。

我先把原作的關鍵設定喂給它：賽亞人篇到沙魯篇的主要角色、每個角色的經典招式、戰斗力大致排名。這些信息存在Project Memory里。

然后我讓它幫我設計角色卡牌模板。

它先輸出了一個通用模板：卡牌包含角色名、生命值、氣力值、三個普通技能、一個必殺技、一個被動特性。然后它開始逐個設計角色。

悟空的設計是：生命值1200，氣力值150。普通技能有龜派氣功、殘像拳、界王拳。必殺技是元氣彈，消耗所有氣力，每消耗10點氣力造成50點傷害。

然后我讓它設計戰斗系統。

基于猜拳機制，每個回合玩家和對手同時選擇攻擊、防御、蓄氣三種行動之一。

PilotDeck幫我產出了一套完整的卡牌角色設計文檔，包含十二個可玩角色和六個敵方BOSS。

每個角色的技能都有數值和描述，戰斗系統的規則寫了兩千多字。

很快游戲就做好了。

我拿給做獨立游戲的朋友看，他說這個設計可以直接拿去prototype了。

時常有朋友問我，怎么學AI。

想到可以做一個「游戲化的AI白話詞典」。

平時看到很多AI術語，什么Transformer、自注意力機制、RLHF、MoE、RAG。

每個詞條的定義，講給身邊人都有點枯燥，想學的朋友也容易忘記。

我就想，能不能做成游戲的形式，邊玩邊學？

在PilotDeck里建了一個WorkSpace，叫「AI白話詞典-學渣拯救計劃」。

我給它下達的任務是：把一百個核心AI術語做成闖關游戲。

每一關是一個術語，玩家需要先看一個生活化的類比解釋，然后回答三道選擇題，全部答對才能解鎖下一關。每解鎖十個術語，獲得一個游戲成就徽章。

這個WorkSpace我打算繼續維護，能長期保留。

每次我遇到新的術語，可以直接加進去，AI會自動按同樣的風格生成類比和題目。

而且不同術語之間如果有關聯，比如RAG和Embedding，AI會在題目里設計交叉知識點，幫助建立知識網絡。

忽然覺得，PilotDeck在創意類工作上的潛力可能比在重復勞動上更大。

設計游戲需要大量的世界觀構建、規則定義、數值平衡、文檔整理，這些恰恰是AI擅長、人做起來又很耗時的環節。

而PilotDeck只是安安靜靜地在WorkSpace里干活，你隨時可以看它記住了什么、改了什么、為什么這么改。

這種透明感，讓我愿意把更多不成熟的想法丟進去試錯。

03錢省了，覺也睡了

AI工具的成本是個很現實的問題。

我上個月用某個頂級模型跑了一個復雜的數據分析任務，跑了一晚上，第二天一看賬單，花了我將近800美元。我當時就一個想法：這玩意兒我用不起。

PilotDeck內置了一個叫智能路由的功能。它自動判斷任務難度，簡單任務走便宜的小模型，復雜任務才調用能力最強的大模型。你什么都不用做，它自動幫你省。

我做了個對比測試。

用小紅書風格寫一篇產品種草文案，五百字左右。

不開智能路由，全程用Opus 4.5跑，花了12.58美金。開了之后，主模型Opus 4.5配子模型Sonnet 4.5，花了2.83美金。一模一樣的輸出質量，省了百分之七十。

PilotDeck把判斷自動化了，做得比人還準。

它會從四個維度評估任務難度：步驟數量、依賴關系、外部知識需求、輸出格式要求。

簡單任務直接交給小模型，復雜任務才上大模型。語音生成類的任務還能自動部署端側模型，數據不上傳云端，隱私也保住了。

再說Always-on，也就是常駐任務。AI不用等你觸發，它自己發現問題、自己推進、自己匯報。

我測試了一個「每日AI日報」場景。

我需要監控AI技術社區的討論動態，每天抓取熱度變化，生成簡報。以前我得每天早上打開工具，輸入指令，等它跑完，復制結果。

現在我在PilotDeck里設定好規則：每天早上八點，主動抓取過去二十四小時的數據，分析熱度變化，識別新興話題，生成簡報并保存到文件夾。

然后我就可以放心去睡覺了。第二天醒來，簡報已經在那兒了。

很多Agent，表面上在我幫我節省時間，實際上也在消耗我的注意力帶寬。

希望都能像PilotDeck一樣，讓人在離線狀態下，更省心。

04最后說幾句

有時候覺得，AI產品經理、AI創業者，不要再在舊的框架里打轉了。

完全可以從頭開始，像原創設計一個太空艙、空間站一樣，去創造一款AI Agent應用。

PilotDeck就給我這種感覺。

它跟OpenCLaw的共性是：有Agent哲學。

GitHub地址：https://github.com/OpenBMB/PilotDeck

每個項目應該有自己的生存空間，記憶應該是白盒的，成本應該是可控的，AI應該是主動的。

面壁智能的團隊和清華THUNLP，在這個項目上展現的工程能力和產品判斷，超過了我對學術團隊的預期。

模型能力本身不再是壁壘，頂級模型之間的差距在縮小。

真正的Agent壁壘，可能就在三個方向：

記憶管理的精細度、成本控制的能力、主動執行任務的可靠性。

誰把這三個問題解決好，誰就能活下來。

PilotDeck已經都拿出了可驗證的解決方案，接下來也將給更多Agent產品持續帶來科研、工程、產品上的啟發。

官網鏈接在這兒：

https://pilotdeck.openbmb.cn/