重生之我在AI時代當老闆：讓一群Agent互相PUA
MiniMax推出Mavis，一個多Agent團隊系統，包含Leader、Worker、Verifier角色，能自主拆解任務、分工協作並迭代，無需使用者頻繁干預。文章透過HTML專題頁製作案例，展示了多Agent在長程任務中的優勢，並探討了架構設計、成本權衡及未來開源計劃。
重生之我在AI時代當老闆：讓一群Agent互相PUA – 量子位
重生之我在AI時代當老闆：讓一群Agent互相PUA
Jay 2026-05-14 19:14:25
來源：量子位
Team，從來不是預設選項
Jay 發自 凹非寺
量子位 | 公眾號 QbitAI
終於，不用一直對AI說「繼續」了……
剛剛，MiniMax推出了新Agent。
Mavis，MiniMax as a Jarvis。
有意思的名字。
想了解一下，但有點懶，不太想看技術blog。
正好最近不是流行用AI做HTML嗎，我就給它丟了這麼一個任務：
基於Mavis的blog，做一個能放進文章展示的HTML專題頁。
對，就這麼一句話，沒咋認真想prompt。
然後趁它在思考，我去午睡了。想著睡醒再給feedback。
結果我起來，開啟一看，發現它竟然回了一句：
完成了。
不是？？
從收到Prompt到交付，完全沒停，一口氣跑了整整28分鐘。
真就交付的HTML，圖文並茂能互動的那種。
不過，我一瞟側邊欄，不對勁。
怎麼冒出來這麼多對話方塊？？
我記得我就開了一個啊？？？
點進去看才發現，原來這都是Mavis自己組的團隊。它們一直在內部交流、開會、分配任務……
說真的，這一下，終於體會到了當老闆的感覺。
使喚人太爽了。更別說使喚這麼多人，還可以讓Mavis唱紅臉，幫我PUA。
（bushi）
這是MiniMax全新的Agent產品。
嚴謹點說，是一群Agent。
一群Agent幫我做了個HTML專題頁
說實話，我自己都覺得最開始給的這個prompt，有點「不負責任」。
只給了一個目標，沒有給每一步的具體指令。
如果按照正常的習慣，我一般會跟AI反覆溝通很多次，精研細琢，最後讓它生成一份完整的Plan。
但出乎意料的是，這次真就One Take，啥額外的指示都沒有給，最後就拿到結果了。
我去看了看部落格，發現其中的秘訣在於Agent Team。
啥是Agent Team？
其實就是團隊分工，Mavis這有三個角色：Leader負責統籌全域性，Worker負責具體執行，Verifier負責驗收質量。
比如這個叫Mavis的，就是Leader，它是我的第一話事人，會指揮其他Agent幹活。
沒想到啊沒想到，矽基生物也玩起「上下級」這一套了。
這樣最大的一個好處就是，使用者只需要「會跟負責人說話」，不需要是提示詞工程師。
中間的拆解、分工、迭代，全部交給Agent Team自己搞定。
首先是Leader收到任務，然後做任務拆解，把一個大目標拆成若干子任務。
接著，每個子任務分配給不同角色的Agent牛馬。
我這個任務用到了3個Worker。
一個負責內容創作，一個負責設計，一個程式設計師負責生成HTML。
中間呢，還會有個叫Verifier的介入驗收。
從事實準確性、頁面可讀性、程式碼可執行性……這幾個角度入手監督，並最終生成驗收報告。
下面就是驗收時間！
帶大家簡單看看，我的Mavis最終做出來的HTML專題頁。
仔細看，竟然還是星塵背景的，有粒子動效。
Mavis自己開盒自己的工作流，以這種step時間線的方式呈現，中間這條線還是脈衝的。
還有個使用場景介面，真幫我大忙了，如果用文字方式呈現的話，不知道得寫多長。
大家自己看吧，哪些任務適合Agent Team做。
甚至在最後，又貼心準備了下載連結，自己宣傳自己這一塊。
說實話，如果單Agent來做這件事，我大概要說十幾次「繼續」，還得在過程中反覆糾錯。
但現在這些全被Agent Team內部消化了。
效果好是一方面，另一方面，看它們自己嘰裡咕嚕工作還挺有意思。
像角色扮演一樣，相當有情緒價值了。
主要讓我的Leader，PUA其他Agent，真有點爽。
你是一個高階前端開發。今天早上你交付了一個index-v2.html，現在被老闆罵得狗血淋頭。
原話：這個什麼破頁面？做完你自己照著截個圖看看，好意思說是科技公司產品專題頁？配色暗沉得像上世紀的財務軟體，動畫只有一個脈衝點在那裡……
（ps：這不是我的原話啊！汙衊，明明是它自己想的！！）
最後回到大家最關心的問題——
價格咋樣啊？
畢竟聽到多Agent工作流，第一反應肯定是：這得多貴？Token無限流咱可遭不住啊。
當然了，多Agent肯定比單Agent的Token消耗大。
這沒辦法，就跟用HTML替代Markdown一樣，好的體驗就是要付費的，也正常。
但我覺得，最關鍵的，還是在於實際效果如何。
如果效果好，能節省時間，也賺了。
而且MiniMax這次也挺實在。
TokenPlan和Agent Plan，合併了。
一份訂閱，CLI、API、Agent全打通，M2.7、音樂、影片、語音所有模型都包含在內。
Credits額度在Agent和API之間共享，一份錢幹兩份事。
之前同時訂閱了兩個Plan的使用者，額外贈送一個月會員。
為什麼一個AI不夠用了？
之所以這麼興奮，是因為這真是困擾我許久的使用痛點。
如果你也是一名vibe coding愛好者，你一定經歷過這三個崩潰瞬間——
△圖為AI生成
崩潰一：Agent總偷懶。
你讓AI寫一篇報告，它寫了3段就停下來——
我已經完成了1/2/3，需要繼續嗎？
像聽不懂話一樣！！
你說繼續，它又停。再說繼續，又停。
一個晚上下來，你有一半時間在打「繼續」「繼續」「繼續」……
崩潰二：長任務越跑越笨。
一開始它像個聰明助手，跑著跑著，變成了你在帶一個很忙但容易分心的人。
你得不斷追問——剛才那條要求還記得嗎？你為什麼又把研究任務寫成產品營銷了？
崩潰三：冷暴力……
在微信/飛書裡給AI發訊息，要麼30秒丟一個淺答案，要麼你盯著對話方塊等10分鐘沒任何反饋。
不是，你咋不回我了，幹到哪了啊？？
這是我經常在IM跟小龍蝦發的高頻詞。
這三個場景，應該所有重度AI使用者都經歷過。
所以，長程任務到底難在哪？
這次MiniMax在技術部落格中，也給出了答案。
△圖為AI生成
簡單來說，這就是單Agent出生就帶著的“魔咒”。
主要還是上下文的問題。
首先，單Agent有上下文焦慮。
這其實是個很深層的話題。對於超長任務的訓練本身需要投入大量的金錢、時間成本和演算法最佳化，大家沒那麼多資源向這塊傾斜。
這就導致，模型對於「超長任務什麼時候該停」的判斷，普遍是模糊的。
它不知道一個任務什麼時候算「做完」，所以一直怕做錯，怕給Token幹崩了，幹一半就停下問。
這就像讓一個很謹慎的實習生做事，每完成一步都要請示一下。
關鍵是，即便說像不要錢一樣，瘋狂灌上下文，效果也並不好。
這在目前是無解的。
底層注意力的問題，隨著上下文越來越長，Agent會從一個聰明助手變成了一個容易走神的人。
只能隨時壓縮上下文。
但這肯定會丟掉一些資訊，而且很容易讓使用者焦慮。
更麻煩的是，單Agent很難形成自我制衡。
它可能很真誠地自檢，但檢查的仍然是自己剛剛構造出來的東西。
畢竟，又當選手又當裁判，做得對不對確實很難評判。
最後的最後，還有一個很現實的問題——
單Agent沒法快速響應長程任務。
你甚至就沒法跟它做長程的事。因為它一旦幹起活來，不太好透過IM跟它交流。
長任務和當前對話綁在同一個上下文裡，如果放任新訊息進來，容易干擾原來的任務。
但如果不引導，又只能乾等著。
這就很尷尬。
歸根結底，這些不是模型能力問題。
是架構問題。
所以回到Mavis，它們的Agent Team其實就是衝著這個架構來的。
思路很直接：一個主Agent牽頭，Leader、Worker、Verifier三類角色分工合作。
這裡有一個關鍵的設計——Worker和Verifier之間是對抗關係。
Worker停止的條件是Verifier啟動的原因，Verifier停止的條件是儘可能發現Worker的問題，而發現的問題又成為Worker重新啟動的原因。
類似企業裡研發和質量部門的關係，透過多輪對抗式迭代，交付高質量的結果。
不需要CEO（也就是你）事無鉅細地介入。
而這個底層，是一個狀態機，叫做Team Engine。
什麼時候該驗證、什麼時候該重試、什麼時候該停止……都是引擎層面的硬性約束，不靠模型自由發揮。
這樣，協作關係也不再被限制為一次函式呼叫，而是變成主動推送、按需查詢的多輪互動。
最後，再說一個我覺得很酷的設計：
Agent與人類同權。
使用者可以對Agent進行prompt、spawn、abort、kill這些操作，Agent自己也有能力對另一個Agent做同樣的事情。
真正操作Agent的渠道可以是使用者、其他Agent或Team Engine。
走的是同一套協議。誰做了什麼、有沒有越權，都可以審計追溯。
當然，涉及到高風險的節點，還是得human in the loop。
那把這些事情做完後，能實現什麼效果？
就是徹底解決掉上面提到的三個崩潰。
1、不再停下來問你。
Leader統籌全域性目標，Worker只管執行子任務，停止條件由Team Engine控制，不再是模型自己模糊地判斷「夠了嗎」。
2、不再越跑越笨。
每個Worker上下文隔離，查資料的不會被寫程式碼的資訊汙染。Verifier用獨立視角審查，不是自己檢查自己。
3、IM再不會不回訊息。
（ps：記得要先給許可權）
主Agent先秒回確認收到，具體任務拆到後臺並行執行，關鍵節點主動彙報。
你甚至可以中途加需求：
我剛想到一個新方向，巴拉巴拉……你順便幫我查一下。
主Agent可以馬上回：
好的，我現在再開啟一組Agent研究，有新的進展隨時彙報。
順便和你交代一下，已經在執行的任務中完成了2/5，剩下的有2個在核查，還有1個在跑。
說真的，這個體驗，太省心了……
像極了一個飛書時刻線上的同事，完全不需要加急。
多Agent時代，需要管理
以前我們總在琢磨怎麼把一個Agent「養」成超人。希望它更聰明、更全能，什麼都能幹。
但有時候我也會想，Agent的能力或許天生就是有限的，AI從來沒有電影裡那麼全知全能。
既然如此，其實也不該給單個Agent太大的壓力。
這也是Mavis這次給我的最大感觸。
除了模型本身的升級，Agent架構的更新，其實也能帶來巨大的體驗提升。
而且把目光放回眼前，比起一個遙不可及的AGI，我們的確更迫切地需要適配於實際應用場景的Harness。
但這也意味著，人機互動另一方的我們，也得相應地改變自己的工作習慣和思考方式。
你現在不是在跟一個AI聊天。
你在管理一個團隊。
多Agent時代，每個人都要學著去擔任那個更高的角色。
MiniMax的設計也指向這個方向。
在他們的設想裡，後續Agent產品會讓人類更多透過管理面板去配置Agent角色、能力和邊界，分配任務。
此時真正重要的能力，就不止是單純地寫提示詞了。
△圖為AI生成
最後，咱還是現實點，說回「經濟性」。
在算力不夠用的當下，每個Token都有實實在在的價格標籤，token消耗和效果是個無法規避的trade off。
其實，MiniMax在blog裡也有一段專門講這件事——
他們沒有迴避多Agent「貴」。
交接要成本，共享要成本，聚合也要成本……當然。
但問題是，研究Agent收來幾十個網頁，交接給寫作Agent的時候，資訊需要被重新組織——
很難。
這些不是「模型再大一點」就能解決的。
有些事情，就是得上多Agent才能解決的。
所以，MiniMax的思路一直是實用優先。
正視成本，不代表就要因噎廢食，而是要透過工程框架來把控ROI。
Team Engine就是這個作用：判斷什麼時候需要Agent Team、什麼時候單Agent就夠了。
有一篇論文，叫Cost of Consensus。
其中有一個反直覺發現：在特定模型和同質debate設定下，多Agent的token消耗可能達到單Agent自我修正的2.1到3.4倍。
而準確率，卻沒有提升。
沒有結構、沒有驗證、沒有停止條件的「多Agent」，就是在浪費Token。
那不叫團隊合作，那叫AI聊天室。
Team，從來不是預設選項。
對於簡單任務而言，單Agent綽綽有餘。
甚至有些時候指令碼就夠了。
不是所有事都要開會。
但當你真的需要開會的時候，有一個靠譜的團隊，肯定比一個人閉門造車強。
對了。
MiniMax說會開源這個Agent Team，預計會和MiniMax M3一起放出來。
桌面端下載：agent.minimaxi.com/download
版權所有，未經授權不得以任何形式轉載及使用，違者必究。
Jay
所有實驗室都怕位元組，所有人都在誇DeepSeek！美國研究員36小時中國AI行2026-05-08
Markdown要涼…卡帕西也站HTML了2026-05-12
第一批「AI原生」本科生，要畢業了2026-05-08
DeepSeek V4最大的遺憾2026-05-03
熱門文章
原生Agent殺入畫布！一站式搞定專業創作，全程可控、不抽卡
2026-05-07
00後下場整頓Agent：啥都不學就能用好AI，這才是正確開啟方式
2026-05-07
兩項AI政策釋出，正規化智慧戰略佈局與產業方向高度契合
2026-05-09
太初元碁攜龍蝦一體機亮相北京科博會
2026-05-09
階躍最新語音模型位列 Artificial Analysis 評測榜中國第一
2026-05-09
掃碼關注量子位
量子位 QbitAI 版權所有©北京極客夥伴科技有限公司 京ICP備17005886號-1