春节假期，帮亲戚朋友们部署 OpenClaw 成了我一份额外的工作。虽然不一定能真正用上，但这只龙虾是不得不拥有。

AI 进入我们的工作流，在 OpenClaw 爆火之后，这种感觉变得更加强烈。在「不用 AI 会被淘汰，用了 AI 也像是能被替代」的悖论下，不错过任何一个能放大自身价值的 AI 工具，让人陷入了无止境的 FOMO。

越来越多的「龙虾变体」也涌现出来，但是当被问到打算怎么把这个部署好的 OpenClaw 融入工作流，答案往往又是个未知数。更不用说光是部署好 OpenClaw，就有两道大关，一是要手动部署和配置复杂的模型 API，二是让人心疼的额外 API 费用。

今天，更新后的 MiniMax Agent 推出了两项新功能。

专业度更高，更会干活的 Expert 智能体社区，涵盖从技术开发、创意写作到音视频图片生成等多模态领域，超过 1.6 万个专家，且还在持续增长。大多数场景下，我们几乎都能直接找到现成可用的专家；即便没有完全匹配的，用几句话还能快速创建一个自己的 Expert。

另一项新增的 MaxClaw 模式，能让我们一键打通 OpenClaw 生态，而且完全不需要自己配置 API，以及承担额外的 API 费用，解决了「不知道 OpenClaw 能做什么」和「怎么部署 OpenClaw」这两个问题。

这也就意味着，即便是纯小白，现在也能拥有开箱即用的专属 AI 专家团队了。

APPSO 也实测了一波智能体专家和 MaxClaw 这两项新功能，它确实和一般的智能体 Agent 不同，结合了 Skills 的能力和 OpenClaw 的兼容能力，我们直接就能操作飞书、钉钉等即时通讯软件。

而和市面上不同版本的 OpenClaw 对比，MiniMax Agent 的 MaxClaw 又有了预置的专家智能体，整个体验会更加友好。

体验地址：国内版 https://agent.minimaxi.com
海外版 https://agent.minimax.io

超过 1.6 万个 Experts 的大社区

对于 AI 创作来说，无论是文本还是多媒体，大多数时候用大模型，最痛苦的就是「AI 味太重」或者「废话连篇」。究其原因，往往是「提示词不当」、「模型不够强」，总结在普通的聊天形式缺乏深度的垂直领域优化。

MiniMax Agent 这次推出的 Expert（专家智能体） 虽然还是在聊天对话里进行，但底层逻辑做了一些改变。它主打即开即用，提供了针对各种深度垂类场景优化的 Agent。

在处理对应垂直领域的任务上，和非专家的单纯对话形式相比，专家能交付更专业、质量更高的结果。为了验证这一点，我们直接从它目前已经 1.6w+公开的 Expert 库（大部分是用户创作）里，挑了几个热门的场景进行实测。

PPT、网页、行业分析，AI 开始按场景分工干活

从目前 Expert 社区的使用热度来看，用户最先跑起来的，往往还是那些直接指向生产力的刚需场景，比如办公制作、内容搭建，以及金融与行业分析。

在 MiniMax Agent 首页，我们点击左侧边栏的「探索专家」，就能进入已经按场景分好类的专家社区。不同专家不仅标注了能力方向，还能看到背后调用的「子代理」和完整项目指令，相当于把一套成熟工作流直接摆在用户面前。

找到合适的专家后，点击「开始聊天」，输入需求，它就会按既定流程自动推进任务。

在办公与内容生产场景中，落地页生成和 PPT 制作依然是浏览量最高的一类专家。

我们先测试了 Landing Page Builder 专家。输入需求：「我要给初中生做一个五代十国历史的网页，得让他们真的能听进去，内容翔实有考据，一节课 45 分钟的内容。要解释清楚、配图到位、动效得当、沉浸感强，举的例子能让他们产生共鸣，再加几道题检验下理解程度。」

整个过程中，专家几乎不需要额外干预，而是按照预设流程自动完成结构设计、内容填充和页面生成。

从最终效果来看，这类 Expert 和传统 Agent 最大的区别在于，它从边聊天边拼凑，转成了沿着一条完整生产流程在推进，结果的稳定性和完成度明显更高。

生成的网页不仅信息完整，画面和动效也有一定沉浸感，相比过去一些 vibe coding 产品常见的模板化和渐变紫风格，要更克制也更可用。

在偏专业的分析类任务上，Expert 的优势会更明显。我们选择了 McKinsey PPT（麦肯锡风格演示文稿生成）专家进行测试。按照介绍，它会自动补充数据、图表以及行业洞察。

实际测试中，我们只输入了一句非常简单的需求，「制作一份关于全球机器人市场的10页幻灯片演示文稿」。但最终生成的 PPT，在信息密度、结构完整度和图表配置上都没有明显缩水，基本具备拿来就能用的初稿质量。

这类场景也很能体现 Expert 的定位，它尝试把一整段专业工作流程产品化，从增强单次问答的模式里彻底跳了出来。

有了多模态能力的专家，一句话拍出顾北辰的短剧宇宙

还没听说过有能生成视频的通用 Agent 产品，但现在结合多个不同的 Skills、Agents 的专家，输入一段剧情，直接就能给我们一部短剧。

我们使用 AI 短剧导演+摄影+剪辑师专家进行测试，和一般的视频生成模型只能产出 5-10s 左右的视频不同，这个专家能自动生成完整的分镜，并且把视频进行剪辑和拼接。

最后生成的视频，完成度很高，虽然没能对口型把台词一字一句说出来，但是也配了一段应景的 BGM。而且大概率是检测到了提示词里面的「宫崎骏」，整个动画的风格，乃至角色和公司名字，都透露着一股日漫的味道。

简单对话，每个人都能创建一个专家

如果觉得官方或别人做的专家，还不够贴合我们的使用习惯和工作场景，MiniMax Agent 也提供了自定义功能，通过简单的一两句话就能创建一个专家。

我们完全不需思考什么是 Skill 或者专家，也不用遵守标准文件的规则设置等，只需要通过自然语言交互，就能更方便地把个性化的工作流、SOP 等集成，创建专属 Expert。

热点追踪是媒体编辑一项非常重要的工作，我们在 MiniMax Agent 的专家社区里，也使用过多次热点追踪的专家。例如当我们要求它基于输入的「春晚被机器人刷屏」这个主题，去搜索最新消息和近期热门话题时；它最后能给我们一份完整详细的长文，但是不够个性化。

于是，我们开始自己来创建一个 APPSO 的热点追踪。

创建专家的过程是可以连续对话，如果对目前专家的输出不满意，我们可以继续在对话框内要求 MiniMax Agent 进行更新。

创建完成之后，我们只需要发送一句「开始，帮我整理今天的科技快讯」，专家就会给我们 24h 内最值得关注的 AI 消息，并且以早报的文风和格式要求写好。此外，这些自己创建的专家，MiniMax 还提供了 15 轮免费，即不消耗积分的优惠，体验门槛更低。

除了大量可以直接使用和自定义的 Experts，更值得关注的是即将上线的 Marketplace。用户创建的 Expert，如果被使用，就能获得相应的积分，可以用来在 MiniMax Agent 里完成更多的任务。

而后续 MiniMax 还将开放专家自行定价，这意味着如果你在某个垂直领域有真正的专业积累，封装成 Expert 除了分享自用，还可能是一种新的变现路径。

说白了，一个 Skills 专家的应用商店雏形，已经摆在我们面前了。

一键接入 OpenClaw 的 MaxClaw

如果说 Expert 是强大的大脑，那么 MaxClaw 就是让大脑连接到现实的双手，这也是 MiniMax Agent 这次升级里，玩法最丰富的一个功能。我把它叫做升级版的 OpenClaw。

根据网络上到处都是的 OpenClaw 指南，想要真正好用的OpenClaw生态，我们要先学会手动部署、配置复杂的模型API，还要时刻盯着后台，生怕一不小心跑出天价的 API 账单。

对于绝大多数不懂代码的普通小白来说，这门槛属实是太高了。我只是想把好用的 AI 接入自己的飞书或钉钉，创建一个机器人，但是第一步就困住了。

MiniMax Agent 新增的 MaxClaw 模式，一键打通了 OpenClaw 生态，不需要繁琐的手动部署和配置模型 API，通过MiniMax Agent 网页端就可以快速上手。

目前，它也兼容手机端多个即时通讯交互工具，我们可以在飞书、钉钉、Telegram、WhatsApp、Discord、Slack 中使用。

拿部署到飞书机器人举例，甚至不用额外的部署指南，我们只需要点开首页左侧边栏的 MaxClaw 按钮，点击「立即开始」，我们可以选择使用默认配置，或者其他专家。

这也是 MaxClaw 对比 OpenClaw 的一大亮点，除了能像 OpenClaw 一样连接到不同的聊天应用，在自己常用的 App 里就能指挥 AI 干活；我们在初始配置时，就可以直接选择那些已经有的预置专家 Agent 配置。

创建之后，在对话框里发送消息，「我想连接到飞书」，按照 MaxClaw 回复的消息，我们点击飞书开放平台的链接，登录之后，按照流程，创建一个企业自建应用，获取 App ID 和 App Secret。接着把复制的信息发送给 MaxClaw，它会提示重启，重启之后在飞书的配置事件订阅里选择添加对应的事件就能启用。

不出所料，整个过程肯定会有一些问题。例如我们在拿公司飞书账号测试时，就被提示相关的授权需要审核才能发布，以及在权限管理和事件配置部分，飞书里面的内容太多太杂乱，根本不知道授予哪些权限。

这个时候，直接回到 MaxClaw，把遇到的问题统统发给它，跟着它的提示走，基本上都能解决。

顺利部署之后，我们在自己的飞书里，就能看到一个对应名字的机器人，然后直接开启对话，所有的对话也会同步在 MiniMax Agent 网页里的 MaxClaw 显示。

让 MaxClaw 帮我们干活，都只用在飞书里面指挥它。我们直接把之前创建的「热点追踪」专家的指令发给它，然后在飞书里对话，输入一句简单指令，「帮我整理今天的快讯」。

很快，一份结构完整的 AI 早报就直接回到了飞书对话框里，完全按照要求的格式，摘要、关键信息提炼、标题等全部都有。并且还能设置定时任务，让 MaxClaw 在飞书里主动给我们发送消息。

除了热点追踪，之前的股票价值分析等专家，我们现在也可以直接通过飞书聊天的方式，就让 MaxClaw 为我们总结出一份逻辑清晰的完整报告。同时，继续让它为我们监控英伟达最新的动态。

而如果直接在配置的时候，选择对应的专家，我们可以看到它的 Skills 情况，MaxClaw 会自动添加开箱即用的 Skills 来帮助我们更好的上手。

时间一到，MaxClaw 在飞书里，准时给我们推送了最新的资讯。

「Claw」是 Agent 之后一种新的智能阶段

这次更新，真正值得关注的，其实不是又多了一个 Agent 工具。

OpenClaw 的爆火，让我们看到了一个能真正干活的「Agent」是什么样。它是个性化的，部署在自己的电脑上，告别了过去一个网页解决所有用户问题的统一；它是互联互通的，打穿了终端设备上不同应用的壁垒，在 Telegram 也能指挥 AI 帮助我们回复工作邮件……

这本质上是在提醒我们一件事：AI 正在从「辅助回答问题」，走向「直接进入工作流」。当 AI 开始能够调用工具、跨应用执行任务、甚至在后台持续运转，我们原有的工作组织方式，本身就已经在发生变化。

问题只在于，大多数普通用户其实卡在门外。

一边是大家都知道 Agent 很强、OpenClaw 很火；另一边，是复杂的部署流程、看不懂的 API 配置，以及随时可能失控的调用成本。很多人不是不想用，而是很难真正用起来。

MiniMax Agent 这次做的事情，某种程度上就是在把这道门槛往下搬，让普通打工人也能轻松搭建自己的顶级 AI 工作流。

Expert 把过去需要反复调 Prompt、反复试错的专业流程，打包成了即开即用的专家社区；MaxClaw 则把原本偏极客向的 OpenClaw 生态，压缩成了一键可用的连接能力。

对于普通用户来说，这种变化的意义很直接，我们不用懂什么是终端，不用让自己费尽力气做个半吊子「工程师」，也能开始搭建自己的 AI 工作流。

当越来越多「Agent」能够被像软件一样使用，AI 对工作方式的影响，才会真正开始外溢。

从这个角度看，MiniMax 推出这些产品，价值或许不只在于功能多了两个按钮，更在于它正在把一套原本属于少数人的先进工作范式，逐步变成更多人可以上手的日常工具。

对普通用户来说，这或许才是 Agent 真正开始变得有用的时刻。

#欢迎关注爱范儿官方微信公众号：爱范儿（微信号：ifanr），更多精彩内容第一时间为您奉上。

爱范儿 | 原文链接 · 查看评论 · 新浪微博

龙虾爆火之后，全网的注意力都盯着「它该怎么用」——本地部署还是云端、一键安装还是敲命令、要不要接微信飞书……反而没人再认真问那个老问题：驱动龙虾的那颗「大脑」，够不够聪明？

这倒不奇怪。OpenAI 和 Google 最近发布的几款新模型，清一色都是 Mini、Flash 款，官方潜台词几乎写在脸上：专门给 Agent 大量消耗 Token 准备的。

模型本身的能力边界，反而成了最不被讨论的话题。

一个真正适配龙虾的模型，除了 Token 要量大管饱还实惠，更多的是模型要足够聪明、动手能力和学习能力足够强。

最近，MiniMax 正式推出了全新的 MiniMax M2.7 模型，主打「开启 AI 的自我进化」和做「最强的 Cowork Agent 模型」，既能处理代码工作、常见的 Office 任务，还能主动学习构建稳定的 Agent 系统。

具体来说，它能做好的工作比大多数模型要更宽。对于写代码，M2.7 能真正理解一个系统在运行时发生了什么，做到了 SRE（网站可靠性工程）级别的系统推理，看日志、关联时间线、推断根因、给出有优先级的处理方案。新模型在 SWE-Pro 上跑了 56.2%，几乎追平 Opus 4.6。

办公场景里它已经够用了。 Excel、Word、PPT 的复杂编辑和多轮修改，M2.7 在这块有明显提升，金融分析这类需要专业知识 + 格式交付的场景尤其明显。不能说它可以完全替代专业人士，但是真正进入工作流，作为辅助完全可以。

它在多 Agent 协作里不会「断掉」。 这是 M2.7 专项打磨的能力，多角色场景下边界清晰，面对包含 50+ Skills 的复杂环境，依然能保持极高的指令遵循能力。

然后是这次更新的重点，它开始参与优化自己了。 MiniMax 说 M2.7 是他们第一个深度参与迭代自己的模型，不只是「辅助迭代」，是「深度参与迭代自己」。能够自我进化，M2.7 可以自主迭代 Agent Harness（智能体脚手架）来胜任大部分的工作流。

实战能力的提升，也让 MiniMax M2.7 一发布就在龙虾榜上迅速攀升，来到了最高分排行榜的第四名。

我们也在 Claude Code、本地部署的龙虾里，都接入了 MiniMax M2.7 模型，以及 MiniMax 提供的 MaxClaw，然后把真实的开发过程中遇到的 Bug、枯燥的金融数据，还有大量的长流程任务统统交给它。

两天的测试下来，我们发现不仅软件要为了 AI 重做，就连 AI 模型本身，除了要理解人类的用意和产出人类满意的结果，模型更需要懂得 AI 的工作方式和工作流，还得学会自己优化自己。

用 AI 的工作流当人类的助手

在 OpenClaw 等 Agent 框架爆火后，真正的「AI 时代工作流」应该是，AI 作为核心运转枢纽，去调用几十个工具、去指挥其他 AI 队友、甚至去优化 AI 自己的代码。

在测试 MiniMax M2.7 是如何自我进化之前，我想先看看它的 AI 工作流如何。它到底是不是一个好用的 Agent 模型，还是说拿去跑个 benchmark 好看，实际用起来一言难尽。

我们从知名的机器学习挑战赛 Kaggle 的网站上下载了一份股票的历史数据，然后按照比赛的要求，告诉 MiniMax M2.7 帮我实现对应的需求，即根据给定的数据，进行合适的数据处理和特征工程，为我生成一份可视化的分析报告。

整个数据集的内容相当庞大，有超过 3000 行的表格数据，整体文件大小来到 446.35 MB。把 5 个表格数据文件下载到本地之后，我们使用接入了 MiniMax M2.7 的 Claude Code 来完成这项工作。

要做好这份分析，需要模型是个数据分析师完成数据清洗和整理、宏观分析师完成对应的金融市场的洞察、统计分析师完成初步的数学建模、算法工程师要建立对应的模型，最后还有网页工程师要交出一个可视化的方案。

面对这样一个复杂的任务，MiniMax M2.7 充分利用了我已经安装的各种 Skills，它先使用 Anthropic 官方提供的 xlsx 完成了表格数据结构的信息读取，接着开始编写 Python 代码，自动安装 Pandas 库（常用来处理表格数据），一步一步进行。

最后，MiniMax M2.7 也交出了一份完整的可视化方案，它同时生成了多张图片用来展示收益率分布，不同特征的重要性和类别排名，以及综合仪表盘。

而在可视化的网页里，它利用 Streamlit 库将数据脚本直接转成了可交互的网页系统，所有的信息都可以直接动态查看。

这种大型的项目任务，MiniMax 能够顺利完成，我们日常工作中的办公和编程任务，就更不用说了。

我们先是在手机上操作龙虾，让它帮我总结我放在电脑上的文件，然后要求 MiniMax M2.7 根据这份文件，帮我写一个研究计划 Word 文件，再整理一份相关论文的 Excel 文档，最后是一个用来组会做汇报的 PPT 文档，直接在手机上就能操作。

在办公领域的优势，也让 MiniMax M2.7 在衡量专业知识与任务交付能力的 GDPval-AA 评测中，ELO 得分达到了 1495，国产模型最高。

前段时间，AI 工作助手的可视化面板很火，把龙虾放到了真实的二次元风格办公室里，用一句话就能安装到自己的 OpenClaw。我们也成功让这只 Appso 小龙虾有了自己的家，但是如果我想要修改二次元房间布局，可以怎么做呢？交给 MiniMax。

在 OpenClaw 的可视化本地界面里，我们直接发送「我想修改这个小房子的风格该怎么做？」，MiniMax M2.7 会自动阅读项目的代码，然后告诉我们哪些地方是可以修改的，如何修改。

由于我输入的要求是科技编辑部办公室的风格，然后它就帮我修改成了有星球大战的海报，还加了十几个人坐在电脑前面码字。

不过我们没有在 OpenClaw 内配置 Nano Banana Pro 的 API Key，所以 MiniMax M2.7 在 OpenClaw 里帮我选择了用代码的方式来生成简单的图片。

接着和它聊天，我们还能根据这个风格设计一个编辑部大亨的游戏，谁做的任务多，谁的办公室就大，就能升级。

如果是 MiniMax 官方的 MaxClaw，是直接支持多模态的生成，可以一步到位生成视频、音频、图片等，不需要配置额外的 API。

我们使用官方提供的 gif-sticker-maker Skill 生成了几张马斯克的表情包。云端部署的 MaxClaw 能确保运行环境的足够安全，但是它不允许我们像操作本地电脑一样，任意安装不同的库文件。

最后在将视频转成 GIF 时，MaxClaw 提醒我，它没有足够的权限将 ffmpeg（一个开源的多媒体处理库）安装到云端服务器上。

点击 MaxClaw 对话框下面的技能，我们就能看到所有安装在 MaxClaw 的 Skills 详情，并且点击「问问 MaxClaw」，它会自动编辑一条消息「告诉我 frontend-dev 能做什么，并告诉我如何使用它」，引导我们学习如何使用这项 Skill。

除了 GIF 生成这个 Skill，MiniMax 还提供了包括前端开发、全栈后端、安卓和 iOS 应用开发以及创作惊艳视觉效果的 GLSL 着色技术等技能库，我们可以直接在龙虾里发送「你能帮我安装这个项目里的 Skill 吗 https://github.com/MiniMax-AI/skills」，龙虾会自动获取 Skill 文档完成安装。

AI 狠起来，连自己都卷

除了在日常工作和办公领域上表现出的完整工作流，以及实际的交付能力，MiniMax M2.7 最让我们感到特别的，还有它展现出的「模型自迭代闭环」。

MiniMax 曾提到人类研究员只需要把控大方向，把构建系统的任务交给模型，它就能以解决方案架构师的身份自主搭建开发 Agent harness。

Agent harness 可以理解成套在 AI agent 外面的一层运行基础设施。模型负责思考，harness 负责把这个「会想」的东西，变成一个能稳定干活的系统。这个系统像是运行层，负责让 agent 在真实环境里稳定运行。

为了测试 M2.7 的极限，MiniMax 让它去优化某个内部脚手架的软件工程表现。结果，M2.7 全程零人工干预，硬生生跑出了一个超过 100 轮的迭代循环。

它自己分析失败轨迹，自己规划改动，改完脚手架代码再去跑评测，最后对比结果决定是保留还是回退。在不停歇自我互搏中，它自己发现了最优解，最终让评测集上的效果飙升了 30%。

这种「AI 搞科研」的能力也在公开的测试集上得到了验证，MiniMax M2.7 被扔进了全球最大的机器学习竞赛 Kaggle 的 MLE Lite 测试集。

22 道高难度竞赛题，M2.7 依靠内部的短时记忆文件和自反馈机制，每跑完一轮就给自己提优化建议。

24 小时内，它一举拿下了 9 枚金牌、5 枚银牌、1 枚铜牌，得牌率 66.6%。

这个成绩，仅次于 Opus-4.6（75.7%）和 GPT-5.4（71.2%），与 Gemini-3.1 直接打平。

当一个模型能够以解决方案架构师的身份，仅用 1 人 4 天时间，零人工编码就搭出一套包含测试和代码审查的 Agent 系统时，AI 研发的齿轮，大概已经换上了自动挡。

在极其硬核的生产力之外，MiniMax M2.7 的底层框架也赋予了它长程稳定的记忆和极强的情商，这让它在互动角色扮演（Roleplay）上，比传统的闲聊机器人表现要好上不少。

官方在 GitHub 上开源了一个多模态交互系统 OpenRoom，一个万物皆可互动的 Web GUI 空间，可以实时地让 AI 与空间产生不同的交互。

AI 开始学会「自己工作」，这件事比写好代码更重要

体验下来，MiniMax M2.7 真正让我们在意的，不是它把 Kaggle 竞赛刷出了 66.6% 的得牌率，也不是 Office 三件套交付得足够干净。

而是它在试图解决一件更底层的事：让 AI 真正理解工作流，并且参与到工作流的演化里。

过去，软件是人写的、人用的。现在，AI 开始写软件、改软件、用软件。当一个模型能够在没有人工编码的情况下，自己搭系统、自己测试、自己回退——「AI 研发」这件事的齿轮，某种程度上已经换上了自动挡。

所谓「龙虾到底该怎么用」，我想很快就不再是一个问题——因为决定这一切的，不再是我们。

而是那个，开始学会自己工作的 AI。

#欢迎关注爱范儿官方微信公众号：爱范儿（微信号：ifanr），更多精彩内容第一时间为您奉上。