Par Mengyao, depuis Qufeisi
QbitAI | Compte officiel QbitAI
Tsinghua vient de lancerun système d'exploitation open source pour agents, conçu spécifiquement pour résoudre tous les « vieux problèmes » qui empoisonnent le travail des AI Agents ?!
Ce système baptiséPilotDeck 2.0a été développé conjointement par le laboratoire THUNLP de l'université Tsinghua avec les équipes de ModelBest (Mianbi Intelligent), OpenBMB et d'autres.
Les problèmes qu'il résout sont, par un hasard bien curieux, « fortement liés » aux points qui nous agacent le plus quand on travaille avec un AI Agent —
Par exemple… dès que les projets se multiplient, fichiers, mémoires et tâches s'emmêlent tous, et on reste là, abasourdi… (rires)
Et dès qu'une tâche se complexifie, les Tokens partent en fumée, et dès qu'on quitte l'ordinateur, l'IA se retrouve bloquée à mi-chemin en attendant des instructions *1000…
Or PilotDeck 2.0 cible précisément ces vieux bugs qui donnent mal à la tête —la gestion de la mémoire, l'exécution des tâches, ainsi que le coût d'appel des modèles。
Je me fais un devoir de vous résumer un peu ce que cet outil peut concrètement faire pour nous, et quels tracas du quotidien il peut résoudre —
- Gestion de projet: traiter simultanément plusieurs projets, avec isolation des fichiers, des mémoires et des tâches, réduisant le mélange des données et les interférences entre tâches.
- Mémoire à long terme: mémoriser le contexte des projets, les préférences des utilisateurs et l'avancement du travail, avec possibilité de consultation et de modification, pour éviter de devoir tout réexpliquer.
- Exécution en arrière-plan: prise en charge des tâches longues en arrière-plan et vérification des actions exécutables, permettant à l'IA de continuer à travailler en l'absence de l'utilisateur.
- Routage intelligent: sélectionner le modèle adapté selon la difficulté de la tâche — un modèle puissant pour les tâches complexes, un modèle à faible coût pour les tâches simples — afin de réduire les dépenses inutiles.
Dans les évaluations du Workbuddy Bench, PilotDeck avec Qwen3.6-35B-A3B obtient un score de 79.1, surpassant également Claude Code (77.3).
De plus, grâce à une orchestration où le modèle puissant gère les décisions et le petit modèle s'occupe des tâches subalternes, le coût des longues tâches complexes peut être réduit d'environ cinq sixièmes ??
Sur le papier, cela semble, huh, plutôt pratique, non ???
L'IA dispose désormais de son propre espace de travail : mémoire, fichiers et tâches sont enfin gérés
Vous avez peut-être tous ressenti ce genre de chose…
Quand on utilise divers outils d'IA au quotidien, l'une des choses qu'on redoute le plus, c'est la « pollution du contexte ».
Par exemple, on vient de demander à l'IA de rédiger une architecture technique dans un style académique sérieux, et dès qu'on lui demande ensuite d'écrire un texte pour Xiaohongshu, elle ne parle toujours que de découplage d'architecture… (rires)
Or, ce drama s'explique principalement par le problème de boîte noire de la mémoire de la plupart des Agents actuels.
En d'autres termes, ce que l'IA retient exactement, quand elle le retient et où elle le stocke : de notre côté de l'écran, nous n'y voyons goutte.
Si en cours de route elle mémorise mal une logique métier clé, il est déjà difficile de localiser le problème, et il ne reste plus qu'à se résigner à jeter toute la conversation et à recommencer depuis le début !!!
L'architecture sous-jacente au cœur de PilotDeck prend justement le WorkSpace (poste de travail) comme unité de base.
On peut le comprendre comme l'attribution à l'IA de postes de travail physiques indépendants : chaque projet dispose de son propre système de fichiers, de sa propre base de mémoire et de son propre ensemble de compétences.
Voici un exemple concret donné par l'officiel —
Dans le poste de travail A, on s'occupe de montage audio et vidéo, dans le poste de travail B, d'un petit jeu iOS : les mémoires et les espaces de recherche des deux côtés sont totalement isolés physiquement et ne se marchent plus jamais dessus.
Ainsi, même en traitant plusieurs chantiers en même temps, chacun conserve son contexte, ce qui réduit les soucis de mémoires qui se mélangent et de tâches qui partent de travers :
Plus frappant encore, PilotDeck rend la mémoire totalement « boîte blanche ».
Par exemple, si l'IA dit soudainement « je me souviens que tu préfères ce style de rédaction », vous n'avez au fond aucune idée d'où elle tire cette conclusion, ni si elle ne s'est pas trompée !!
La mémoire en boîte blanche résout précisément ce problème, en offrant directement aux utilisateurs la possibilité de « consulter le registre » à tout moment —
De la génération, de l'extraction et du stockage des souvenirs jusqu'à leur appel final, toute la chaîne est entièrement visible pour l'utilisateur.
Par exemple, les préférences et les faits que l'IA a enregistrés au cours de son travail peuvent être consultés un par un en ouvrant simplement le panneau.
Si l'on découvre qu'elle a malencontreusement mémorisé un paramètre clé, pas besoin de se donner du mal à écrire une longue série de Prompt pour tenter de lui faire oublier l'information erronée.
Il suffit de modifier ou de supprimer manuellement, voire de verrouiller d'une seule touche les informations importantes ~
En outre, un mécanisme appelé « mode Dream » est intégré.
Lorsque l'IA est en veille, le système résume, affine et déduplique automatiquement en arrière-plan les souvenirs d'interactions éparses.
Si des détails clés sont perdus au cours de ce rangement, un retour en arrière est possible en un clic, avec une restauration à l'état antérieur en quelques secondes, sans craindre que le rangement ne crée plus de désordre.
Ce n'est pas tout : PilotDeck introduit également le mode Always-on (exécution résidente) —
Même après avoir fermé la fenêtre de chat ou quitté l'ordinateur, l'Agent continue de faire avancer en arrière-plan des tâches de surveillance et d'exécution à long terme.
Il peut mener à bien les tâches définies, découvrir activement en cours d'exécution des tâches candidates potentielles, et une fois tout terminé, concrétiser les résultats sous forme de fichiers locaux, accompagnés d'un rapport complet de progression et de synthèse.
Il convient de noter que l'ensemble du système prend nativement en charge MCP.
Que l'on ait l'habitude de travailler via l'interface Web, la ligne de commande CLI ou des écosystèmes de messagerie comme WeChat Work ou Feishu, la logique et le comportement du back-end sont parfaitement identiques.
Pour les développeurs, cela signifie qu'il est possible d'étendre les outils et compétences autour des flux de travail existants.
Pour les habitués de l'IA au long cours, c'est aussi l'occasion de réduire le temps consacré à répéter le contexte et à enchaîner manuellement les étapes ~
Routage intelligent « maître fort, esclave faible » : dépenser 1/6 du prix pour écraser le modèle haut de gamme...
Faire exécuter de longues tâches par un Agent, c'est souvent le portefeuille qui ne suit pas, le plus grand point de dissuasion.
Souvent, les tâches ne sont pas difficiles : il peut simplement s'agir de mettre en page quelques paragraphes de texte ou d'appliquer un modèle à des traductions multilingues —
Mais voilà, comme l'architecture du système est rudimentaire, on fait tourner frénétiquement le modèle phare le plus cher du début à la fin, et la consommation de Token est souvent assez exorbitante...
Il convient de noter que PilotDeck a aussi mis en place le Smart Routing (routage intelligent).
Il intègre en sous-main une reconnaissance de la difficulté des tâches, décompose les tâches de différentes étapes pour les distribuer à des modèles de différents niveaux, réalisant une orchestration hiérarchisée et une coordination cloud-terminal.
Les décisions de planification complexes sont confiées au grand modèle haut de gamme, tandis que l'exécution, la retouche et le traitement du format de base sont tous rétrogradés vers des modèles légers.
Lors des tests en scénario d'exploitation de médias sociaux et médias autonomes, sans routage d'économie, le parcours complet avec Claude Opus 4.5 coûtait jusqu'à 12,58 $ la fois.
Une fois le routage intelligent activé, l'Agent principal s'occupe de la planification de haut niveau avec Opus 4.5, tandis que les Agents enfants rétrogradés à Sonnet 4.5 s'occupent de la retouche de texte.
Le coût descend à 2,83 $, soit environ 70 % d'économies, be like :
En outre, dans des tests de tâches complexes plus exigeantes, cet écart s'avère encore plus marqué ? ?
L'équipe de recherche a effectué une comparaison transversale sur 7 tâches complexes de haute difficulté, telles que la diffusion multilingue de podcasts, les rapports de données multi-sources, les revues d'articles scientifiques spécialisés et la documentation d'architecture de bases de code :
MiniMax-M2.7 seul obtient un coût assez bas (1,90 $), mais un score de seulement 37,1, inutilisable, directement éliminé...
Claude Sonnet 4.6 seul atteint un score de 69,1, mais un seul test coûte 18,36 $.
Avec l'orchestration par routage de PilotDeck, dans une architecture maître fort, esclave faible — Sonnet 4.6 en principal + MiniMax-M2.7 en secondaire —, le score global grimpe à 70,6, pour un coût de seulement 3,15 $.
Le résultat est meilleur qu'un modèle seul pur haut de gamme, tout en ne coûtant qu'environ un sixième du modèle haut de gamme.
Au fait, PilotDeck est distribué sous licence open source AGPL-3.0, prend en charge macOS, Linux et Windows, et propose également un déploiement Docker.
Si cela vous intéresse, n'hésitez pas à essayer par vous-même ; le lien GitHub est placé ci-dessous ~
Liens de référence :
[1]
https://github.com/OpenBMB/PilotDeck
[2]
https://x.com/OpenBMB/status/2110364065822646570