交付的不是草稿，是文件：PilotDeck 2.0 算的是哪笔效率账
清华 THUNLP 与面壁等开源的 PilotDeck 2.0 主打交付可用的 Word/Excel/PPT 文件：拆解 WorkSpace、白盒记忆、智能路由和成本账。
AI 写一份 PPT，要几秒钟？
几秒钟。
那你把这份 PPT 真正交给老板，要多久？
可能还要一个下午。
为什么？
因为 AI 给你的，常常只是一段“像 PPT 的文字”。字体要调，页码要对，图表要重画，数据要再核一遍。生成只花了几秒，收拾残局却花了几个小时。
这就是今天想和你聊的问题：办公场景里的 AI，到底省下的是哪一段时间？
10 月 14 日晚上 21:36（北京时间），OpenBMB 官方账号宣布了 PilotDeck 2.0。据项目 README，这个项目由清华 THUNLP、面壁智能（ModelBest）、OpenBMB 和 AI9Stars 联合开发。官方给它的定位，是一个“办公 Agent 操作系统”。
它这次最想讲的一句话是：不只是生成草稿。
01
要理解这句话，我们必须先理解，什么叫“完成一件办公的事”。
什么叫完成？
无外乎三步：把东西做出来，把东西改对，再检查一遍有没有错。
我把它写成一个极简的公式：
交付价值 = 创建 × 编辑 × 校验
注意，这里用的是乘号，不是加号。这是我的归纳，不是官方的说法。
为什么是乘号？
因为任何一项是零，结果就是零。
一份文件，做出来了，但没改对，老板不会收。改对了，但没人检查，里面一个数字错了，你就要返工。三步缺一步，前面的时间就都白花了。
过去很多 AI 工具，做的主要是第一步。
它把“创建”做到了 90 分，但“编辑”和“校验”是 0 分，都留给了你。
据 OpenBMB 官方发帖，2.0 新增的“端到端办公”，就是要把 Word、Excel、PowerPoint 的创建、编辑、校验三步都接过去，让 Agent 直接产出能用的 Office 文件。
这是一次从“写草稿”到“交文件”的迁移。
02
那么，做到端到端，难在哪里？
难在“长”。
写一段话，几十秒就结束了。但改一份几十页的报告，可能要来回操作很多轮。中间网断了怎么办？进程挂了怎么办？人走开了怎么办？
据 OpenBMB 官方发帖，2.0 的长任务执行更稳，能扛住中断，官方用 2,000 条交互消息做过压测。
还有一个能力，叫 Always-on。
据项目 README，人离开之后，它会继续推进任务，主动汇报，结果落成磁盘上的文件。
这让我想到一个很朴素的道理：
一个员工靠不靠谱，不是看他在你眼前时干得多快，而是看你走开以后，事情有没有继续往前走。
03
光是“做得完”还不够。
还要“做得对”。
做错了怎么办？
据项目 README，它有一个能力叫“白盒记忆”：出错的时候，能找到是哪一条记忆导致的，然后直接改那一条。
这件事为什么重要？
因为大多数 AI 犯错，你只能看到一个结果：它错了。至于为什么错，是哪条信息把它带偏的，你不知道。你只能重新问一遍，然后祈祷它这次别错。
这就像一家公司出了事故，只知道“出事了”，却查不到是哪个环节、哪个人、哪条规定出的问题。这样的公司，下次还会出同样的事。
能追到具体哪一条记忆，就有了纠偏的抓手。
PilotDeck 的另一个核心概念，叫 WorkSpace。
据项目 README，每个项目有自己的文件系统、记忆库和技能集，互不干扰。
换句话说，做 A 客户项目时记住的东西，不会串到 B 客户的项目里去。
这是办公场景里非常实际的需求。
04
我们再来算一笔成本账。
一个 Agent 跑起来，最贵的是什么？
是 token。
据项目 README，PilotDeck 有一个“智能路由”能力：按任务难度自动选模型，并按任务统计 token 成本。据 release 说明，近期的 v2026.10.13 版本还加了每日 token 用量统计。
这背后的逻辑，其实就是：
任务成本 = 任务难度对应的模型单价 × 用量
简单的事交给便宜的小模型，难的事才动用贵的大模型。这条公式是我的概括。
在官方的 Docker 版说明里，默认的主模型是 openrouter/deepseek/deepseek-v4-flash，轻量路由模型是 openrouter/qwen/qwen3-8b。一大一小，这个搭配本身，就说明了它的思路。
而且，据 OpenBMB 官方发帖，PilotDeck 完全开源、不绑定模型，数据流向对用户可见。
模型可以随便换。
这一点对企业来说，意味着什么？
意味着你不会被某一家模型厂商锁死。今天这家便宜好用，就用这家；明天另一家更强，就换过去。这是我的推断，但开源加不绑定模型，在逻辑上指向的就是这个结果。
05
那效果到底怎么样？
据 OpenBMB 官方公布的数据，在 WorkBuddy Bench 上，PilotDeck 用 Qwen3.6-35B-A3B 得到 79.1 分，WorkBuddy 是 74.7 分，Claude Code 是 77.3 分。
这里要特别强调一句：这是官方自测数据，不是第三方评测。
按这组数字自己算一下，PilotDeck 比 Claude Code 高 1.8 分，比 WorkBuddy 高 4.4 分。
1.8 分，大不大？
不好说。
一个基准上领先一两分，能说明它在这类任务上有竞争力，但还说明不了它在你的具体工作上一定更好。
所以我的建议是：
把官方数据当成“值得试一试”的理由，而不是“一定比别人强”的结论。
真正的分数，要在你自己的任务上测。
还有一个数字可以参考。据 GitHub 页面数据，OpenBMB/PilotDeck 目前约有 4,056 颗星，2026 年 5 月 22 日建库、5 月 28 日开源，许可证是 AGPL-3.0。从开源到 2.0，大约四个半月，这是我按日期推算的。
AGPL-3.0 这一点要留意。如果你打算把它改了以后作为网络服务提供给别人用，需要先读清楚许可证的义务，最好问一下法务。
06
那么，作为一个普通的团队负责人，你该怎么用这类工具？
我给你三个自问。
第一问：你的团队，时间到底花在“生成”上，还是花在“收拾”上？
如果大部分时间花在调格式、核数据、改版本上，那端到端办公类的工具，值得一试。
第二问：你的项目，需不需要隔离？
如果你同时服务好几个客户，信息绝对不能串，那 WorkSpace 这种按项目隔离记忆的设计，就是刚需。
第三问：出了错，你能不能查到原因？
不管用哪个工具，都要问一句：它错了以后，我能不能找到是哪里错的？查不到原因的错误，会一次又一次地出现。
想试的话，官方给的安装方式是一行命令：
curl -fsSL https://raw.githubusercontent.com/OpenBMB/PilotDeck/main/install.sh | bash
然后运行 pilotdeck，默认地址是 http://localhost:3001。据 OpenBMB 官方发帖，2.0 有桌面端一键安装，接入模型、建工作区的配置流程也比以前简单。另外，据项目 README，它原生支持 MCP，Web、CLI、IM 三端行为一致。
官网还列了几个示例任务：调研中国 LLM 应用市场并写成 HTML 白皮书，做一个 iOS AR 小游戏，从零搭一个 embedding 微调平台，把英文播客做成多语种版本。
你可以先挑一个和自己工作最接近的，试一下。
结语
回到开头的问题。
AI 写一份 PPT 只要几秒钟，为什么交付还要一个下午？
因为过去的 AI，只做了“创建”，没做“编辑”和“校验”。
而一件事的价值，从来不在它被生成的那一刻，而在它被交付的那一刻。
生成只是开始，交付才是价值。
来源：OpenBMB 官方 X 帖；GitHub：OpenBMB/PilotDeck（README）；Releases；官网。WorkBuddy Bench 79.1/77.3/74.7 等成绩为项目方自报；差值与时间跨度为作者自算，公式为作者自拟。