OpenBMB开源「Harness小钢炮」！长任务更稳，token狂省75%

（来源：AI信息Gap）

这，是一张会生长的中国高铁建设历程。

底部的时间轴能自动播放，也能拖拽、点击，想看哪一年就停在哪一年。

点开其中一条路线还能放大看这条高铁的开通日期、全长和设计时速。

它，出自  PilotDeck 2.0  之手。

写提示词、查资料、核对数据、写代码、验收， PilotDeck 2.0  一条龙搞定。而我，只是在最初给定了一个任务方向。整个执行过程超过一个小时，中途还因为网络中断过一次，恢复后它从中断处继续，没有从头再来。

AI 办公，最怕聊天王者、干活青铜。聊起天来头头是道，可真要它交付一张能用的表格、一篇带修订记录的稿子，生成的多半还是一段文字，你得手动复制到 Excel、Word 里，手动调整格式、核对数字。

这时，就该 Harness 发力了。

模型是发动机，Harness 是车架

PilotDeck ，一款开源 AI Agent 办公工作台，由面壁智能、清华大学 THUNLP、OpenBMB 和 AI9Stars 联合开发，主打一个「稳定高效交付复杂任务」。你肯定听说过面壁智能的「小钢炮」系列模型， PilotDeck  就是 Harness 领域的「开源小钢炮」。

目前  PilotDeck  GitHub 已超 4000 Star。

如果大模型是发动机，那 Harness 就是把这台发动机组装成一辆车的车架，规划执行步骤、调用工具、读写文件、检查结果，都由它负责。你用自然语言安排任务， PilotDeck  自主规划、执行，最后把成果交到你手上。 PilotDeck 2.0  更是主打真实办公文件的全流程交付，围绕 Word、Excel、PPT、PDF，把读取、整理、计算、生成、编辑、检查串联成一个闭环，而你得到的是可以继续编辑的成果文件。

作为一款开源 Agent 框架，支持自定义模型并且自由切换是必须的。而底座模型的能力又会反过来影响 Agent 的表现。

WorkBuddy Bench 办公测试中，如果 Agent 底座是大参数模型， PilotDeck 2.0 、Claude Code、WorkBuddy 都在 80 分左右，三者能力相当，拉不开差距。但当底座换成 35B-A3B 级别的轻量模型时， PilotDeck 2.0  得分 79.10，第一名，Claude Code 77.30，WorkBuddy 74.70。

这就是「模型越弱，Harness 价值越大」。

主题：模型|PilotDeck2.0