MiniMax Agent 2.0 深度实测：从桌面端到 Expert，AI 原生工作台如何落地？
2026 年 1 月 23 日，MiniMax Agent 产品负责人寻鹭在 WaytoAGI 社区直播中，系统拆解了 MiniMax Agent 2.0 的产品逻辑与实战案例。这场分享面向所有对 AI Agent 落地工作场景感兴趣的开发者、内容创作者和职场人，核心内容围绕两大新功能展开：打通本地文件与浏览器操作的桌面端（Desktop App），以及让用户用自然语言自定义工作流的 Expert 模式。寻鹭不仅解释了产品从 Chatbot 转向 Agent 的底层思考，还现场演示了批量文件整理、网页自动化、热点追踪等多个真实场景。
从 Chatbot 到 AI 原生工作台：MiniMax 的转型逻辑
寻鹭首先回顾了 MiniMax Agent 的立项背景。项目始于去年第一季度，当时团队发现，在文本 Chatbot 上堆砌工程路由的方式已经难以应对越来越复杂的任务需求。“它会让整个工程框架非常的重，然后也非常难去扩展一些东西。”因此，团队自研了一套 Agent 框架，并配套建立了自己的 Agent Benchmark，用于收集和评估开放式的复杂任务。
去年上半年，团队将这套框架产品化，直接取代了原有的海螺文本 Chat。寻鹭解释，旧框架处理多步搜索时需要预先判定是否搜索、设定搜索网页数量，而新框架直接把搜索工具交给 Agent，让它自主决定搜索策略，更加灵活。另一个现实考量是差异化竞争：“如果我们一直在做 Chatbot 的东西，其实是很难在国内这样一个 Chatbot 都在做大投流的环境下，做出一个比较好的差异化的优势点的。”
进入 2025 年，MiniMax 将产品定义为“AI 原生工作台”。寻鹭观察到，虽然产品形态是 ToC 的，但大量用户实际将其用于工作场景的提效。基于此，Agent 2.0 确立了三个进化方向：
- 领域知识与记忆注入：让用户能把专业领域的 SOP、话术、行业 Know-how 注入 Agent，使其成为领域专家。
- 环境与工作区融合：解决企业内系统林立、数据孤岛的问题，让 Agent 能穿梭于不同平台之间。
- 从被动响应到主动触发：通过 Webhook 或系统事件（如新工单接入）触发 Agent 主动执行任务，而非仅依赖用户指令或定时任务。
桌面端：打通本地文件与浏览器托管的最后一公里
桌面端是本次分享的重头戏。寻鹭透露，这个功能其实是一个月前才开始做的，发布前两周恰好看到 Claude 的 CO work 发布，“一开始大家会觉得怎么被抢先了，然后一想说其实反倒是件好事，尤其在海外的话，大家可能会意识到原来桌面端能够做这么多的事情。”
为什么必须做桌面端？
Web 版本存在两个明显缺陷。第一，只能处理用户上传的文件，这对两类核心用户造成限制：Web coding 用户往往有较大的代码仓库和素材文件，受限于文件大小、上传速度和复用问题；视频图文创意用户的文件数量大、多媒体文件多，云端上传的方式“比较限制这个场景的发挥”。
第二，Web 方式做托管浏览器操作容易被平台封禁。寻鹭举例说，对于公开网页没问题，但社媒平台、电商平台这类实际业务场景，“通过 Web 的方式可能也跟我们的 IP 有关系，它不能做到特别的干净，然后我们就很容易被 block”。
本地文件处理实战
寻鹭现场演示了用桌面端整理模型 showcase 文件夹——让 Agent 读取文件夹内所有视频，通过预置的视频理解能力分析内容，然后自动重命名文件。她强调，桌面端的 custom 模式预置了视频理解、图片理解、搜索、图片搜索等工具，且 TOKEN 消耗“实际还好”。
在权限安全方面，寻鹭展示了桌面端的设置界面：包含所有允许命令的白名单，运行大命令时会向用户申请许可（类似 Cursor 等 IDE 的做法）；文件夹访问权限在首次使用时逐一确认。她建议对权限安全有顾虑的用户直接查看设置。
浏览器托管与工作场景案例
浏览器托管是桌面端的另一大能力。寻鹭提到，海外版本内置了推特 API 工具，可以直接搜索推特内容，也可以托管浏览器操作。她列举了三个内部实际使用场景：
- HR 招聘：在 Boss 直聘等平台按条件筛选候选人并自动打招呼。
- 内容团队：查看热门视频，转译成生成同类视频的 prompts，再生成视频发布到 TikTok。
- 市场营销：监控小红书、推特上关于 MiniMax 的舆情，判断正负向并发出告警。
Expert 模式：用自然语言定义你的专属工作流
Expert 模式是本次分享的另一核心功能。寻鹭介绍，此前 Agent 主要有两个模式：Lighting 模式配轻量工具（搜索、图片生成、网页部署），Pro 模式内置多个 subagent。但 Pro 模式跑了半年后暴露出问题：“在我们定好的一个 multi-agent 的框架下，要满足一个新的场景，或者要打进新的一些知识，其实它很容易影响到整个流程，或者说我们已经很难往里面去塞东西了，因为它里面大概有六七个 subagent。”
于是团队做了 custom 模式作为基座，用户可以在其上定义自己的 Expert。创建方式有两种：AI 聊天创建和手动配置。寻鹭现场演示了 AI 创建流程——她粘贴了一大段内部 SEO 逻辑，AI 会自动拆解并构建框架。
Expert 的组成与创建
一个 Expert 包含几个关键部分：instructions（决定 subagent 的组织顺序和形式）、subagent（上下文相对隔离，专精于特定任务）、skills、工具和环境变量。寻鹭解释，虽然 skill 也是框架的一部分，但“某些时候我们发现全部东西都做成 skill，并不能完全替代 subagent 或者打一个比较好的指令的效果”。
创建完成后，用户可以预览每个 subagent 的具体设置、内置工具和 system prompt，也可以继续用 AI 方式优化。寻鹭透露，团队自己捏 PGC Expert 时也是全部打给 AI 调整，而不是手动逐条修改。
专家库与创作者经济
专家库中有 PGC 专家和用户创建的 UGC 专家。寻鹭展示了几个官方专家：与海螺结合的落地页制作助手、基于万物追踪流程的热点追踪专家、PRD 到原型图转换专家、炒股专家，以及章鱼表情包制作专家。用户创建的 Expert 可以选择自用或发布到社区，每次被他人使用可获得 100 credits。
Generative UI：降低交互摩擦
寻鹭特别介绍了 generative UI 机制。当用户提出模糊需求（如只让做一个 PPT 但没指定风格），模型会根据设计规范自动生成表单、风格选择等交互组件，而不是一次性抛出 7 个问题让用户逐一回答。“改成表单之后整个互动性会好很多。”现场演示中，热点追踪专家就触发了 generative UI，将澄清意图的步骤拆成了分步表单。
现场问答
国内版和国外版有什么区别？
国外版需要谷歌账号登录。主要区别在于模型选择和搜索工具：国内版只能访问国内可访问的网页。
和 OpenCode 这类桌面端工具有什么区别？
产品形态上更侧重非 coding 场景。虽然输入框类似，但 MiniMax Agent 的重点是让模型在 coding 以外的场景发挥价值，如多模态任务、搜索调研、创意用法。
PDF 识别准确吗？
正在优化 PDF 服务，近期收到了一些相关反馈。
PPT 生成有哪几种形式？
目前有两种：html 形式（在 Pro 模式中，可导出可编辑，适合严肃正式场景）和图片生成的 custom PPT（美观度和创意性更好，适合课件教案等视觉表现力要求高的场景）。下周会优化路由，根据任务自动推荐合适的模式。
如何评估一个 Agent 好不好用？
用户视角就拿自己的 case 去尝试，因为各 Agent 发力方向不同。产品测评视角则需要全面收集关注的能力方向，如长程能力、多轮能力、特定垂域场景、MCP 路由方式等。
跨应用协同中，Agent 的主动触发阈值如何设定？
取决于是否配置了 Webhook 或 trigger 机制。搭建时建议先给轻量 prompt 和必要工具，让模型自行探索，遇到满足不好的情况再逐步加 skill 或限制。
能否把文件内容发布到国内指定网站？
可以，有在小红书发布招人帖的 showcase。大部分平台试下来都没问题，如果特定平台卡住，可能是平台本身的操作限制，或 Agent 的图片理解/DOM 理解未能很好操作该网页。
以后 API 都不需要了吗？
API 和专家作用不同。API 用于获取数据源，某些场景（如获取一两年维度的股票数据）用 API 更稳定，专家无法完全替代。
代码能力有规划吗？
去年 7 月国内版本上线前一直在主打代码能力，已有全栈部署能力，之后会让全栈部署平台更多，并 PGC 更多 Web coding 场景的专家。
遇到需要登录的网站怎么办？
不能模拟人登录，Agent 会停在扫码界面，在对话流中请求用户确认完成操作，不会绕过登录限制。
可以直接复制某个网站的风格和样式吗？
在做，下周会推出直接传截图生成并部署网站的应用。
要点回顾
- 转型逻辑：MiniMax Agent 从去年 Q1 立项，自研 Agent 框架取代工程路由式 Chatbot，2025 年定位为“AI 原生工作台”，聚焦工作场景提效。
- 桌面端价值：解决 Web 版文件处理限制和浏览器托管易被 block 的问题，支持本地文件批量处理（重命名、整理、格式转换）和浏览器托管操作。
- 权限安全：桌面端设有命令白名单，运行大命令时申请许可；文件夹访问权限首次使用时逐一确认。
- Expert 模式：基于 custom 基座，支持 AI 聊天创建和手动配置，包含 instructions、subagent、skills、工具和环境变量；发布到社区被使用可获得 100 credits。
- Generative UI：模型根据设计规范自动生成表单等交互组件，降低澄清意图时的交互摩擦。
- 近期规划：下周优化路由和自动推荐路径，根据任务轻重自动决定模式以节省积分；优化 PDF 服务；推出传截图生成网站的应用；PGC 更多 Web coding 场景专家。
直播回放约 92 分钟
播放器来自飞书妙记 · 在新窗口打开