PilotDeck 2.0 open source: agenti AI in workspace separati

Immaginate un agente AI a metà del montaggio di un video in una cartella, mentre in un'altra sta costruendo un mini-gioco per iOS. Senza una barriera tra i due, le istruzioni del primo lavoro potrebbero filtrare nel secondo. È il problema che PilotDeck 2.0 è progettato per arginare. Rilasciato il 15 ottobre dal laboratorio THUNLP dell'Università Tsinghua con ModelBest, OpenBMB e AI9Stars, il sistema open source è disponibile su GitHub con licenza AGPL-3.0 e funziona su macOS, Linux e Windows, con supporto anche per l'installazione tramite Docker.

L'unità centrale è il WorkSpace. Ogni progetto ha un proprio file system, un proprio archivio di memoria e un proprio insieme di competenze, in modo che i due contesti restino completamente separati. Il team chiama questa contaminazione «context pollution». La memoria è inoltre progettata per essere a vista: gli utenti vedono ogni voce memorizzata dall'agente, il momento in cui è stata scritta e il workspace di appartenenza, e possono modificare, eliminare o fissare le voci direttamente, invece di scrivere prompt per far dimenticare qualcosa all'agente. Una modalità Dream unisce ed elimina i duplicati tra i ricordi sparsi mentre l'agente è inattivo, con la possibilità di annullare con un clic se la pulizia fa perdere un dettaglio importante.

Lo Smart Routing affida la pianificazione a un modello potente e i passaggi di routine, come la formattazione e la revisione, a modelli più leggeri. In un flusso di lavoro per i social media, il team afferma che usare Claude Opus 4.5 come agente principale e Sonnet 4.5 come sotto-agente ha ridotto il costo di un'esecuzione da 12,58 dollari a 2,83 dollari. Su sette compiti più impegnativi, tra cui la produzione di podcast multilingue e la documentazione di codebase, abbinare Claude Sonnet 4.6 a MiniMax-M2.7 ha ottenuto 70,6 con 3,15 dollari, contro 69,1 con 18,36 dollari per il solo Sonnet 4.6, con un risparmio di circa l'83%. Su WorkBuddy Bench, PilotDeck con Qwen3.6-35B-A3B ha ottenuto 79,1, contro 77,3 di Claude Code. Tutte queste cifre sono del team; il comunicato non cita alcuna verifica esterna.

La modalità Always-on mantiene gli agenti al lavoro anche dopo la chiusura della finestra di chat. Possono eseguire lunghi processi di monitoraggio, segnalare compiti candidati e scrivere i risultati su file locali accompagnati da un riepilogo dell'avanzamento. Il sistema supporta nativamente il Model Context Protocol, uno standard aperto per collegare i modelli di IA a strumenti esterni, e funziona allo stesso modo nell'interfaccia web, nella riga di comando e nelle app di messaggistica aziendale come WeCom e Feishu.

Per chi gestisce più agenti su progetti separati, il vantaggio concreto è avere meno cose da supervisionare e meno sorprese dovute a vecchie istruzioni. Per chi paga a esecuzione, l'approccio di instradamento è il dato da seguire, anche se i risparmi sono misurazioni del team su propri compiti e valgono meno per un carico di lavoro molto diverso da quei sette. La versione è già scaricabile; le fonti non indicano scadenze ulteriori.