对话 MiniMax 择因：Agent 终会超过人类，我们又将何去何从？

Agent Team的“对抗式”内卷：Leader-Worker-Verifier架构如何颠覆传统

在Claude Code、Codex等产品贴身肉搏的战场中，MiniMax率先落地了一套激进的多Agent编排架构——Agent Team。其内核是创新的“对抗式”设计：将任务拆解给Leader（领导）、Worker（执行）和Verifier（验证）三个不同层级的Agent，彼此上下文严格隔离，并通过代码逻辑固化的状态机管理。

这种设计的核心在于“不信任”。工程师择因在对话中坦言，业内Anthropic骨子里预设模型会作弊、耍小聪明，所以动用复杂的harness（脚手架）约束；而OpenAI的loop则极简放纵。MiniMax的选择是“复杂的自由度限制”——既不让Agent失控，也不让Agent懒惰。Verifier的存在专门负责给Worker挑错，形成一个自我纠错的闭环，这种“内卷”反而大幅提升了任务闭环率和执行可靠性。

Harness成了新共识，模型却还没“学会”用它

业界正陷入一场奇特的错配：脚手架（Harness）共识形成得太快，但真正能驾驭它的模型还没准备好。MiniMax没有等待M3旗舰模型，直接基于M2.7就推出了Agent Team，因为“等会用Harness的新模型才是饱满的产品”——去年Sonnet 4.5用Skill的效果与4.6差距极大，证明了模型必须“理解”Harness才能玩得转。

择因透露，一份研究报告曾拆解Claude Code的代码，发现真正属于模型决策的代码仅占1.6%，剩下98.4%全是权限管理、上下文管理和兜错逻辑。这意味着，Agent的能力边界早已不是模型本身，而是Harness工程。MiniMax之所以敢在M2.7上仓促上阵，正是因为其Harness架构本身就在倒逼模型迭代，内部甚至出现“模型帮助Harness快速迭代”的双向循环，研发效率提升30%。

上下文隔离：反直觉的设计，却是Agent靠谱的秘密

传统多Agent系统往往让Agent共享上下文以求协同，但MiniMax选择了“反直觉”的上下文隔离。每个Agent只看到属于自己的部分任务和上下文，Leader无法直接干涉Worker的细节，Verifier也无法篡改执行结果。这种设计在业界独树一帜，却恰恰解决了Agent最致命的“串戏”问题——不会因为一个Agent的错误污染整个任务链。

择因解释，这种架构本质上是“将分工做到极致”：Leader负责战略目标拆解，Worker负责具体执行，Verifier负责质量把关。三者彼此独立，通过状态机调度而非自然语言交互，避免了模型幻觉导致的指令漂移。MiniMax甚至计划将这套架构开源，让更多开发者体验“用代码固化的逻辑管理AI员工”。

当Agent比人类更便宜，人该去往何处？

“Agent终会超过人类”并非危言耸听。择因在对话中举了一个直接例子：有人用MiniMax Code做视频生成，当M3模型登场后，AI剪辑成本可能比人工还低。Agent Team已经能调用全模态模型完成从脚本、分镜到首尾帧的完整视频制作，未来“专业视频工具”或许不再需要懂专业术语的人类。

但人类的生存空间并未消失，而是发生了转移。MiniMax自身实践表明，AI让组织更扁平——产品经理可以直接出Demo，研发只需决定是否大批量生产；法务、HR、销售等岗位的重复劳动被Agent接管，但经验封装和能力设计成了新的核心竞争力。择因强调：“不要期待Agent替你完成一切，而是要理解它的能力边界。”人类将从“提问者”变成“管理者”，将个人方法论封装成可复用的Expert Agent，让AI站在肩膀上工作。

从“适应工具”到“工具适应人”：Agent进入你电脑的那天

2026年初的Agent混战中，Minimax Agent Desktop的推出标志着一个转折：Agent不再只是云端对话框里的AI，而是直接跑在用户本地工作区，能操作文件、登录账号、浏览器。Claude Cowork的同步发布更是让这一趋势加速。MiniMax的Expert模式允许用户将SOP、关键词挖掘逻辑、竞品分析框架一次配置，反复使用，让一个70分的通才Agent瞬间变成95分的领域专家。

这种转变的本质是“上下文”的彻底革命。过去是人去适应分散的工具，现在Agent主动进入人的环境，连接本地资产与云端智能。人类和AI的协作画面正变成：AI负责流水线操作（如批量整理发票、翻译外文），人类负责处理验证码、审批关键决策。当Agent学会“嵌入”你的电脑，你就不再需要学会所有软件，而是学会如何给Agent下指令和验收结果。