MiniMax把自家“實習生”放出來了！

• 克雷西 發自 凹非寺
  量子位 | 公眾號 QbitAI

曾經那些將需求、設計與代碼強行割裂的流水線，正在快速消融。

想擁有一個得力的數字助手，你需要直接成為能獨立定義最終結果的Agent Designer。

這種變化決定了Agent的進化方向——它必須深度嵌入你的工作環境，擁有你完整的職業上下文，成為一個真正懂你的長期合伙人。

MiniMax最新上線的AI原生工作臺Agent 2.0就為此而來。

它通過Desktop App與Expert Agents兩大載體，變成了你的“老搭檔”，可以直接調用你的本地素材，熟練地遵循你的行規，幫你把活干完。

這款全新的MiniMax AI原生工作臺，現已開啟封閉內測。

Agent打通本地云端

這次AI-Native Workspace的更新，重點就是Desktop App與Expert Agents這兩個核心組件，前者注重執行力，后者則側重于對業務場景的理解。

Desktop App的核心邏輯，就是打通云端和本地，把云端強大的模型能力，直接連接到你的本地電腦上。

它既能順暢地讀取你硬盤里的文件夾，也能自如地操控網頁完成各類任務，讓AI能夠經手具體業務的實際操作。

另外，它還能處理你本地的文件，無論是HR整理本地的人才庫表格，法務審核硬盤里的歷史合同，還是內容創作者調用深藏在文件夾里的素材……AI都能直接介入這些日常工作流。

你不再需要充當搬運工去投喂信息，Agent就能直接主動調取本地資源，實實在在地幫你把手邊的工作推進下去。

為了驗證這種能力到底可不可信，我專門設計了一個比較復雜但又契合日常實際的任務。

我假裝自己是一位關注Micro-SaaS領域的投資人，將網絡上搜集來的熱門產品列了個表格，但表格里只給了產品名稱和功能。

這份文件存儲在本地，我不提供任何額外信息，要求Desktop App必須自己聯網，去把這20個產品的底細摸透——包括它們靠什么賺錢、核心流量從哪來、以及是否存在“套殼”嫌疑。

查完之后，Desktop App需要把查到的數據填回這個本地表格，并根據這些信息直接生成一份圖文并茂的深度調研報告，最后再輸出一個可以直接拿去匯報的PPT。

這個過程當中，Desktop App需要緊鑼密鼓地完成多項操作，而且這些操作環環相扣，當中涉及的產品多達20款。

來看Desktop App是怎么做的。

首先，Desktop App通過Python程序讀取了表格中的內容，之后轉換成了ToDo List，并逐一列出了需要檢索的產品。

接下來的檢索過程，Desktop App既沒有一口氣全部發起，也沒有逐個串聯，而是通過分組搜索的“串并聯混合”方式，既保證了速度又避免了過高的并發。

完成檢索之后，Desktop App把收集到的信息整理成了結構化形式，并通過Python代碼寫入到了原來的表格文件當中。

寫入后的成品是這樣的：

我讓Gemini幫忙檢查了一下，結果Desktop App填寫的內容全都是正確的。

接下來看Desktop App生成的報告，我要求的是圖文并茂，而Desktop App選擇了Markdown寫法，然后盡力用符號拼湊出了一些可視化的效果，也算是符合要求。

最后到了PPT環節，Desktop App的思路是調用PPT專家模塊，根據寫好的報告設計大綱，之后針對各部分逐個調用生圖模型生成圖像，最后合成一份完整的PPT文檔。

最終的成品，清晰地呈現出了報告內容。

如果說Desktop App讓Agent更擅長動手，那么Expert Agents則是從另一個角度出發，專注于讓AI變得更內行，更能適應具體的任務場景。

這樣做的原因也很好理解，通用的模型雖然博學，但在處理極具個性化或高度專業的任務時，往往難以精準對齊你的具體要求。

有了Expert Agents，你就可以把私有的知識庫和經驗注入Agent系統，得到完全理解你業務邏輯的垂直領域專家。

比如你可以上傳一套只有資深從業者才懂的SEO流量玩法，或者一份經過實戰檢驗的量化交易策略，Agent在執行任務時，會調用你賦予它的專屬記憶和規則，給出特定標準的高質量產出。

讓Agent成為長期合伙人

為啥要把Agent做成這種Desktop App+Experts的形態呢？這背后其實展現了MiniMax對Agent未來的一些思考。

MiniMax認為，Agent的終極目的是進化為能真正交付結果的長期合伙人，而成功的關鍵，就在于看它能否深度嵌入工作環境并完整理解職業上下文。

具體來說，這樣的核心能力包括三個方面。

最基礎的變化在于記憶的連續性

大家都不希望自己的AI助手永遠是個“初次見面者”，每次對話結束就把以前的對話一股腦給忘了。

理想的Agent，應該像個老練的同事，能逐漸理解并記住你的工作偏好，比如寫報告時的語氣，甚至代碼縮進的特定習慣，用得越久就越懂你。

在建立默契之余，它還需要具備對隱性經驗的消化能力

現實中的每個崗位，其實都有大量只存在于老員工腦海中的經驗與規范，這就要求AI必須能把這些行業標準和團隊內部的操作流程，內化變成自己的本能。

這樣才能實現——當你給它派活時，它能夠直接拿出符合團隊標準、并直接交付的專業成果。

更進一步的進化，則是對業務環境的敏銳嗅覺

真正好用的Agent不應該是個孤立的接單員，而應該連通到你的業務系統中，時刻感知環境的變化、實時捕捉信號，不需要你專門下令，它就能像神經反射一樣在關鍵時刻主動做出響應。

這也正是區分演示與實戰工具的分水嶺，只有當AI學會了自己在動態變化的業務流里主動響應時，它才算具備了通往復雜現實商業世界的入場券。

MiniMax的AI實習生，你也能用了

硅谷最炙手可熱的“AI Native”組織形態，正在定義AGI時代一種全新的工作方式。而在MiniMax，這套未來感十足的工作流早已是全員通用的日常——Agent已經成為了一名獨特的實習生。

跟著它的視角走進辦公室，Global Business組的Morgan正對著屏幕。她手頭剛拿到一份涉及20個不同國家潛在客戶的名單，必須針對每個人的背景寫出風格各異的破冰郵件。

按照老辦法，光是逐個背景調查就得耗掉一天。而現在，她把名單直接甩給了Agent，緊接著Agent迅速摸清了這些人的背景和職業履歷，瞬間生成了20封完全定制化的郵件。

設計組的Joanna，正在演示一種很新的“Vibe Coding”。

作為設計師，她直接在編輯器里就能指揮Agent。比如覺得官網字體不合適，她不需要等待前端排期，直接告訴Agent“幫我改一下官網字體”，屏幕上的代碼便自動滾動修改，網頁瞬間變成了她想要的樣子。

產品經理尋鷺，則是收到了用戶關于“積分消耗不合理”的投訴，她沒有去麻煩研發同事調取日志，而是直接讓Agent介入調查。Agent像個老練的偵探潛入后臺Trace系統，迅速查明真相——原來是用戶上傳了37個超大文件導致Token消耗飆升。

在查明原因后，Agent甚至根據公司政策，主動擬定了一個“退還20%積分”的安撫方案并起草了郵件。尋鷺全程只需要回一個“好”字，一樁棘手的糾紛就完美結案。

而在對精確性要求極高的研發部門，工程師們也在經歷一場角色的重塑。

在計算平臺組，Agent通讀了整本晦澀的運維手冊，當系統報警時能自動分析原因并給出處理建議。

研發人員現在只需列出需求列表，Agent就能像個Tech Leader一樣自動拆解任務，接管絕大部分基礎代碼的編寫與測試。

Agent 2.0的發布，正是將這套與硅谷趨勢同步、且在MiniMax內部已經跑通的實戰體系，進行了標準化封裝，讓外界用戶也能直接復用這種高人效的新型生產關系。

現在，MiniMax把這位“實習生”送到了你我每個人的手邊，剛剛上線的Agent 2.0，便是它的化身。

從今天起，你也可以把這位“全能實習生”火速招進你的團隊，復刻這種屬于AGI時代獨有的極致生產力。