我下班后，Agent 继续替我上班。

Minimax Agent 2.0深度体验：当AI真的坐在你的电脑前把活干完

说说这次MiniMax Agent 2.0的体验。

过去一年，市面上大大小小的AI工具几乎把"能写、能总结、能生成内容"这几个标签贴了个遍，模型能力的迭代速度也确实让人眼花缭乱。

但回到真实工作场景，一个很现实的问题是：你仍然需要在浏览器、本地文件、后台系统之间来回奔波。AI就被悬在了对话框里，它永远停留在那个聊天窗口，而你要负责把现实世界里的各种素材一点点搬给它。

这种割裂感，终于有产品开始认真解决了。

注意看，

这正是 MiniMax Agent 2.0 这次更新最想攻克的难题——让AI从"对话工具"真正进化成"工作伙伴"。

从整理桌面文件开始：一个安静的"同事"

下载安装了 MiniMax Agent Desktop 之后，没有急着去测试什么复杂场景，而是从一个最日常的小事切入：

安装完成后，从步骤介绍里了解到，它作为一款桌面级应用，可以直接读取本地文件。于是，把那个长期没整理过的素材文件夹丢给它——里面混着图片、视频、表格、零散文档，乱得像刚搬完家。

它做的事情并不"浮夸"，只是安静地把文件按内容、时间和用途归类，标出重复项，把真正可用的素材单独拎出来。

作为终端级别的Agent，最关键的其实是"授权"——它确实可以对你的文件执行编辑操作。

文件整理完成后，它并没有停下来。顺着给它的目标，它会继续往下走，把结果整整齐齐地呈现出来。

更关键的是，当发现文件夹里有某些素材本来就是为内容创作准备的，它会主动问是否需要进入拆解、改写或发布阶段。这种感觉很像一个已经理解你工作上下文的同事，而不是一个只等你下指令的工具。

内容创作场景：从文章拆解到PPT生成一气呵成

内容创作是另一个典型的应用场景。

一篇写好的公众号文章，在Desktop环境里不再是"给AI看一段文本"这么简单。MiniMax Agent可以直接读取本地文件，在理解全文结构后，自动拆成适合不同平台的版本。

由于微信文章解析本身有保护机制，MiniMax Agent就启动了"浏览器专家"模式，通过Dom Content的方式获取了全篇文章。

比如拆成三篇小红书图文笔记：重写标题、调整语气、重新组织段落逻辑，然后调用图片生成能力，自动创建3张相关的笔记图片。

再比如文档生成PPT的场景。输入一条指令，让它读取本地文件夹里的资料，然后整理成一份新的演示文稿。

指令是这样的：

读取文件夹中的文档，结合所有内容生成PowerPoint 演示文稿。注意你必须根据每一份文档自动填充PPT的标题和要点，并且搭配合适的示意图说明原理。 [请点击下方选择文件夹]

它就会主动拆解目录下的文件内容，重新整理逻辑，生成一份PPT并直接保存在本地。

来看一下生成的成果：

<iframe src="https://mp.weixin.qq.com/mp/readtemplate?t=pages/video_player_tmpl&action=mpvideo&auto=0&vid=wxv_4350622911422529539"></iframe>

这份PPT不论从样式还是内容传递来看，都给出了极致的体验。仔细看了看架构图，连细节都刻画得非常细致。

PPT的文本布局更加规则化，"文字"还使用了风格化字体，整体质感瞬间提升了一个档次。

这种体验会非常直观地改变你对"工作量"的感知——很多原本需要你盯着屏幕反复操作的事情，会在你去做别的事情时被默默完成。

数据与分析场景：浏览器被"接管"之后

类似的能力在数据和分析类工作中会被放大。

以Boss直聘为例，让MiniMax Agent搜索上海的AI产品经理岗位，筛选月薪30k以上的职位，并整理成表格。

只需要把相关指令输入进去，MiniMax Agent就会自动接管你的浏览器窗口，去采集相关数据。如果数据无法直接解析，它就会使用鼠标模拟访问。

整个过程你不需要在"爬虫工具、Excel、分析脚本、AI对话"之间来回切换——它在后台运行，你只在关键节点介入。

它会把所有数据整理到一个文档，并给出整体的求职建议。你也可以继续对这份数据进行追问，比如让它根据数据生成一份数据图表。

令人惊讶的是，它主动把所有数据生成了网页看板，甚至给出了一个可以在线访问的地址。更妙的是，你还可以用一句话直接美化整个网页，比如"帮我美化成Boss直聘的UI风格"。

真正的价值：可生长的Agent工作空间

如果说Desktop App解决的是"Agent能不能真正干活"，那它背后的Agent架构和工具层解决的，就是"它能不能长期进化"。

MiniMax Agent并没有把能力封死在一个"万能助手"里，而是允许你创建多个子Agent。你可以为它们分别设计system prompt，让每个Agent只专注一件事——内容分析、发布、数据监控或素材处理。它们之间不是互相干扰，而是像一个小型协作团队。

通过MCP工具，它们可以调用外部能力。如果市场里已经有现成的MCP，直接使用即可；如果没有，也可以通过SSE接口，把自己需要的服务通过URL接进来。这意味着Agent的工具层不是固定的，而是可以不断扩展的。

这种设计带来的体验升级是明显的——它不是一个封闭产品，而是一个可以持续生长的工作环境。

而"任务机制"进一步强化了这种感觉。新建任务之后，它不会一次性执行完就消失，而是完整保留在后台任务记录中。你可以不断追加要求、修改目标，甚至同步创建新任务，让它在已有上下文中持续推进。这非常接近真实任务型协作，而不是"一问一答"。

在能力整合上，MiniMax Agent Desktop里已经内置了大量MiniMax自家的原子能力——视频生成、图片生成、网页制作和coding等，背后是不同的垂类模型在支撑。同时它也支持定时任务，比如每天定时连接Gmail做筛选、汇总或提醒。

之前一直在想，为什么国内很少有人认真做桌面端的AI Workspace。最近也看到类似Cowork的产品出现，这条路径才开始变得清晰。MiniMax Agent这次的更新，更像是把这条路径直接推到了一个可用、可规模化的阶段。

它背后其实在回答一个更大的问题：

答案非常明确：是后者。

当Agent能理解你的本地环境，能复刻专家经验，能在后台持续运行任务，工作的定义本身就已经发生变化。你不再需要事无巨细地参与每一个步骤，而是可以把更多精力放在判断、创造和决策上。

值得一提的是，MiniMax Agent有一个非常快的唤起快捷键——Option + A，让它随时随地原地待命。

再过一段时间，我们回头看今天，会发现真正改变工作的，不再是模型参数涨了多少，而是会有一个Agent，真的坐在了你的电脑前，把活干完了。