“95后”正在尝试一种很新的工作方式

作为一家原生的AI大模型公司，我们一直在探索，该以什么样的方式和 AI 共生？

在过去的几个月里，我们尝试让 AI 融入组织，像信任人类同事一样，把真正的任务放心地交给它。

今天，我们想带你看看 MiniMax 内部真实的工作方式。

在这个过程中，Agent 不再仅仅是一个对话框里的工具，它开始活跃在我们的工作文档的流转里、代码仓库的迭代中，甚至是凌晨三点的告警群里。

25 年 10 月底，随着 MiniMax 文本模型 M2 的发布，我们发现，模型在复杂任务理解、工具调用和长链路执行上的能力，首次稳定跨过了一个关键阈值。

与此同时，在内部，我们的两名研发工程师基于日常工作痛点，自发搓出了一套适应内部办公系统的 Agent 工具，并开放给全公司使用，这意味着，每个人都可以根据需要 DIY 不止一个“实习生”。我们把它命名为 “Agent 实习生”。

Agent 实习生能够直接嵌入真实工作流：

• 接入授权后的本地文档、邮件、日程、 GitLab、日志系统
• 能够读代码、改代码、提 MR、监控告警
• 能够理解业务上下文，而不仅是单条指令

很快，内部的研发、销售、HR、运维等各职能的同学纷纷使用。

在过去数周内，MiniMax 内部接近 100%的同学使用 Agent 实习生。我们统计了内部对于 Agent 实习生使用的前十大场景，获得如下结果：其中 41.9%的查询为 AI 工具能力咨询（可见同事们正积极探索何使用 Agent）

                                       注：一个任务可能归属多个场景，加总大于 100%

因为不可预期的流量变化与全天候待命，计算平台与运维（DevOps）可能是互联网及人工智能行业中压力最大的工种之一。

对于运维工程师而言，On-call（随时待命）是一种极度紧绷的生活状态： 无论是在吃饭、睡觉，甚至是在迪士尼乐园排队，都必须背着电脑。一旦响起告警，必须立刻接入内网，排查是因为突发流量导致系统崩溃，还是仅仅是一次误报。

与此同时，在 AI 行业高速迭代的架构中，系统极其复杂，新人需要熟练掌握长达数百页的运维值班手册，大量的精力也被消耗在分析告警是否误判上。这种工作琐碎、高压，且对个人成长的边际价值极低。

我们引入了 Agent 实习生来重构这一流程。

Agent 实习生能实时自动响应告警，能够通过链路分析、结合上下文响应并判断。 如果是误报，Agent 实习生会直接过滤；如果是真问题，它会给出初步诊断。我们的运维同学反馈，Agent 实习生帮助工程师完成约 80% 的查 Bug 工作量。

我们也为 Agent 实习生重构了知识的传递方式。我们的工程师开始编写《运维指南（Agent 阅读版）》，可以直接把规则、代码特征、处理逻辑等对于人类不易阅读的格式，直接写给 Agent 看，Agent 拥有无限的耐心和记忆力，它学习一次，就能在每一次故障中精准执行。

从时刻紧绷的被动响应中解放了出来，工程师们就有了更多的专注时间，用于思考更具创造性、有长期价值的架构优化。

在国际化业务的拓展中，面对背景多元潜在客户与跨语言沟通，销售往往难以同时兼顾“质与量”。

对于一线销售而言，通过海外社媒建立链接是一项极其消耗心力的工作。因为每一封想获得回复的私信，都不能是千篇一律的群发。销售需要花费大量时间去阅读陌生的个人主页，理解对方的行业背景、近期动态，再构思如何“自然地打招呼”。

我们引入了 Agent 实习生作为销售的“超级装备”，销售同学能够“装备”两位 Agent 实习生：

• Agent A 负责读取社媒页面，理解提炼客户背景，并基于对方动态思考切入点；
• Agent B 则负责对私信文案进行语言润色，让表达更地道

有了 Agent 实习生的协作，销售同学能够把精力聚焦于更高价值的商业判断：客户是否值得深度跟进？当前阶段应传递什么核心信息？如何设计后续沟通节奏？

Agent 实习生可以执行，人可以专注负责判断与策略。

在推广 Agent 的过程中，我们观察到一个有趣的现象： 往往是那些在旧范式里最顶尖的人才（如资深程序员），最难完成对 Agent 的认知迁移。

这或许是人性弱点，越是能力强的人，越难放手。因为肌肉记忆太强，他们习惯了自己盯着屏幕，一行行敲下代码。

而 Agent 带来的是一种异步协作的可能，你可以同时让 Agent 进行多个任务，从而带来极高的效率提升。

我们的资深研发同学分享过他的体验：

去年上半年，我大量的时间都在 coding 上，我自己写代码（当然我是很喜欢写代码的，我觉得写代码比打游戏好玩），但当时我的大部分时间花在 feature 的实现、idea 的实现上。

但现在我已经很少打开 IDE 了，我做的就是不断把 idea 扔出去——我可以同时发给 Agent 5 到 10 个任务，然后只需 Review Agent 给我返回来的结果。

这对效率的提升是碾压式的。我可以源源不断地想到 Idea，我可以在走路的时候、开车的时候、甚至是在睡醒的时候，都会冒出 idea，当我有了 idea 了，只要丢给 Agent 就好。

或许这不仅仅是工具的升级，更是思维方式的升级。

在 MiniMax 内部的实践中，我们发现 PM、设计师和工程师不再是流水线上的上下游，传统互联网所定义的产品、设计和工程职能边界也开始消融，每个人都成为了 Agent 设计师。

我们进一步思考：Agent 的终局形态，究竟应该是什么？

在 MiniMax 的构想中，终极的 Agent 不再是在真空中做决策的机器，而是一个深度嵌入工作环境、拥有完整职业上下文的长期合伙人，能够

• 拥有穿越周期的长时记忆，能深刻理解领域专家的工作偏好；
• 梳理工作中散落的知识，整合各类规范与 SOP 应用于工作流；
• 在 CRM 或 ERP 等业务系统之间，保持对环境的敏锐感知——捕捉到关键信号，无需指令，便能通过触发器主动响应

这种从被动等待到主动感知、从单一执行到动态环境生存的进化，是 AI 走出实验室、直面现实世界的真正形态。

如果将这种拥有完整上下文与环境感知的“终局形态”定义为 100%，那么回顾过去一年的 Agent 1.0 时代，我们从堆砌路由工程链的 Chatbot，演化到了等待用户输入指令策动工具的初级 Agent，刚刚走完了最初的 30%。

但这 30% 至关重要。在这一年，我们告别了实验室模式，直面现实世界的复杂性，亲历了一场关于 AI 参与工作的价值重构。正是这最初的 30%，让我们验证了方向，并明确了迈向剩下的 70% 的路径。基于此，我们上线了AI-native Workspace。

AI-native Workspace 有两个核心更新：

• 桌面端，应用于本地环境，通过指定本地 Workspace 作为工作空间和上下文，构建一个专属于你的智能工作环境。真正渗入到各个职能角色的核心工作流中
• 专家 Agents，允许用户构建在特定领域达到 95 分甚至 100 分的领域的专家 Agent。不仅仅是简单的 Prompt 调整，而是深度的知识与能力注入。

我们已开启限时免费体验。欢迎大家登录 Web 端体验专家 Agents 功能，亦可通过体验链接获取桌面端安装包。体验地址：
https://agent.minimaxi.com

最后想说，在 MiniMax，我们始终相信：

每个人最宝贵的资产，是创造力与热爱。

我们还在持续探索 AI 原生组织形态的路上，我们将保持高频的迭代节奏，不断将内部验证过的最新范式注入到产品中。

这是一个持续进化的过程。我们邀请你与我们一同定义、一同探索、一同见证。

这也是 MiniMax 的长期愿景：Intelligence with Everyone。

最后，让我们的实习生带你一起逛逛MiniMax吧。