KeyFrame內部研究專用

比Claude便宜,比Manus實用?深度體驗MiniMax Agent:本地文件與數據整理神器

木子AI研究所·4月4日週六·9 min中文

三句話摘要

MiniMax Agent 是一個能自主執行完整工作流的 AI 工作台,從調研、生成文件、競品監控到本地文件整理,一條鏈路跑完不需人工接力。 --- MiniMax Agent 不是最酷的 AI,但目前是能把「調研→生成→監控→本地整理」完整工作流一條鏈路跑完、且免費可用的少數選項之一。 1. 從「問答」升級為「執行」

重點整理

重點
  • 1

    1. 從「問答」升級為「執行」

  • 2

    MiniMax Agent 不是一問一答的聊天工具,而是接收任務後自行搜尋、處理、輸出完整成果,使用者只需在起點下達指令、在終點取走結果。

  • 3

    2. 預製專家降低提示詞門檻

  • 4

    平台內建大量官方測試過的「專家角色」(如 TrendIntel),用戶不需自己設計提示詞即可直接開工,解決多數人卡在「怎麼問」的問題。

  • 5

    3. Office Skills 解決格式崩壞痛點

  • 6

    其他 AI 生成文件常有格式混亂、公式變文字的問題;MiniMax 開源的 Office Skills 專為可交付品質設計,覆蓋 PPT、Word、Excel、PDF,與 ChatGPT / Gemini 同指令對比輸出質感明顯勝出。

  • 7

    4. 桌面端本地執行保護隱私

  • 8

    桌面版(Mac / Windows)讓 Agent 直接操作本地檔案,所有運算在本機完成,核心銷售數據或隱私文件不經雲端,並可透過 OpenCloud 在本地部署小龍蝦代理。

  • 9

    --

實用技巧與重點

乾貨
  • 公司與模型
  • 公司:MiniMax(港股上市,2025 年初 IPO)
  • 股價漲幅:上市兩個月 +約 500%
  • 底層模型:M2.7
  • 多模態能力:語音、影片、音樂、圖像生成
  • 具體工具 / 功能名稱
  • TrendIntel:跨平台社群趨勢監測專家
  • MiniMax Docs Skill:文件生成技能(示範生成日式餐廳菜單,含封面頁、分類分頁、日式明朝體)
  • Office Skills:開源套件,GitHub 8000+ stars,覆蓋 PPT / Word / Excel / PDF
  • MaxClaw(小龍蝦):可無限部署的 AI 代理人,支援群組多代理協作
  • OpenCloud:本地部署小龍蝦的接口
  • MiniMax App:手機端,與桌面 / 雲端即時同步
  • 對比產品
  • Manus「我的電腦」:可遠端調取本地文件、用本地 GPU 推理,但場景垂直、無多模態生成、無法跑完完整鏈路
  • Claude Cowork:介面簡潔、體驗上限高,但價格貴、額度消耗快
  • 費用
  • MiniMax Agent:目前免費,每日有贈送額度
  • 場景四步驟流程
  • 選題調研:選 TrendIntel 專家 → 輸入主題 → 取得熱門影片分析 + 選題建議 + 小紅書圖片
  • 辦公文件:啟用 MiniMax Docs Skill → 下指令 → 取得可交付格式文件
  • 競品監控:MaxClaw 安裝 → 建立專屬 Skill → 設定品類 / 格式 / 頻率 → 代理人定時自動產出日報
  • 本地文件:下載桌面端 → 指定資料夾 → Agent 批次重新命名 / 解讀體檢報告並輸出人話版說明
  • --

結論

結論

MiniMax Agent 不是最酷的 AI,但目前是能把「調研→生成→監控→本地整理」完整工作流一條鏈路跑完、且免費可用的少數選項之一。

完整解析

詳細

現有 AI 工具的最大問題不是不夠聰明,而是永遠交出半成品——搜尋要你自己做,格式要你自己調,最後那一公里還是得人來跑。MiniMax Agent 試圖解決的正是這個痛點。MiniMax 是一家多模態 AI 公司,2025 年初在港股上市,兩個月內股價漲近 500%,語音、影片、音樂能力全線佈局,而 Agent 就是他們整合這些能力之後交出的「可執行工作台」答案。底層模型為最新的 M2.7。

影片作者測試了四個場景,第一個是自媒體選題調研。過去在 B 站、小紅書、YouTube 交叉搜尋、整理要耗大半個下午;現在透過平台內建的 TrendIntel 專家(官方預製並測試過的角色),直接輸入主題,Agent 自動完成跨平台資料蒐集、用戶反饋彙整、競品角度分析,最後連可直接發布的小紅書圖文卡片也一併生成——從調研到出圖,一個指令全部跑完。這裡的關鍵差異在於「預製專家」機制:用戶不需要自己設計提示詞,大幅降低了上手門檻。

第二個場景是辦公文件生成。MiniMax 最近將整套 Office Skills 開源,目前 GitHub 已累積 8000+ stars。市面上 AI 生成文件的老問題是格式崩壞、Excel 公式變成純文字,省下的時間全用來手動修格式。作者以相同指令讓 MiniMax、ChatGPT、Gemini、Skywalk Agent 各自生成一份日料餐廳菜單,MiniMax 輸出的版本有獨立封面、分類分頁、日式明朝體排版,質感明顯突出。覆蓋範圍包含 PPT、Word、Excel、PDF 全格式。第三個場景是電商競品監控,透過 MaxClaw(小龍蝦)部署無限個 AI 代理人,每隻蝦可獨立建立專屬技能(自動配備實時數據採集、多格式輸出等能力),設定好品類、格式、頻率後定時自動產出日報,甚至可以把多隻蝦拉進同一個群組分工協作,手機 App 同步控制,電腦不在身邊也不影響運作。

第四個場景也是作者認為最具差異化的地方:桌面端本地執行。下載 Mac / Windows 桌面版後,Agent 可以直接操作本機資料夾——批次按統一格式重新命名雜亂文件、解讀密密麻麻的體檢報告並輸出「人話版」說明文件。更重要的是,所有運算在本地完成,隱私文件與核心銷售數據不會上傳雲端。與 Manus「我的電腦」相比,後者雖能遠端調取本地文件、跑本地 GPU 推理,但缺乏多模態生成能力,無法走完完整鏈路;與 Claude Cowork 相比,後者介面體驗更精緻,但價格貴、額度消耗快,MiniMax Agent 目前免費且每日有贈送額度,中文支援也最為流暢。

---

關鍵時刻

Pipeline v2

帶時間戳的重點,會在逐字稿層級分析上線後產生。目前請先透過原始影片觀看。

事實查核

Pipeline v2

說法查證是下一次管線升級的一部分。KeyFrame 只會顯示它真正能驗證的內容。

更多「AI 技術」的內容

🔬“We have foundation models for language, not for physics” — Anima Anandkumar, Bren Professor of Computing
編輯精選
83 min
AI 技術英文PODCAST8月26日

🔬“We have foundation models for language, not for physics” — Anima Anandkumar, Bren Professor of Computing

Latent Space

  • 加速傳統物理模擬的典範轉移:氣象科學家原本認為 AI 無法匹敵數十年的物理建模工作,但傅里葉神經算子不僅達到同等精度,還快了一萬多倍。原本需要超級計算機的計算現在用消費級 GPU 就能完成,這改變了整個領域的思維方式。
  • 傅里葉域的非局部現象捕捉:傅里葉域能有效表示非局部現象(如大氣河流跨越千里的影響),且計算複雜度為準線性,遠優於完全連接的全局模型。這特別適合流體動力學、量子化學等自然現象中普遍存在的非局部相互作用。
  • 多解析度連續函數表示:神經算子將輸入輸出視為連續函數而非固定維度向量,可在推論時以任意解析度查詢,並能在更高解析度上疊加物理約束或額外數據,克服了固定解析度神經網路的限制。
Between Two Nerds: Attribution is dead, long live attribution
32 min
AI 技術英文PODCAST8月25日

Between Two Nerds: Attribution is dead, long live attribution

Risky Business

  • 工具成本的破壞性下降 — 傳統上,攻擊者必須重複使用昂貴自製的惡意軟體或工具組,因為開發和維護成本極高。這種成本結構使得安全研究人員可以通過工具特徵和程式碼簽名來追蹤攻擊者。LLM 自動化了代碼生成與維護工作流,使得攻擊者可以輕易為每個目標生成新工具,或改用通用系統工具,導致傳統的工具特徵分析失效。
  • 所有取證證據都在攻擊者掌控之中 — 無論是使用的 IP 位址、惡意軟體類型或戰術流程,這些都是攻擊者的主動選擇。即使看似是隨機巧合,攻擊者仍有能力在事前決定留下什麼痕跡。因此,所有可恢復的取證證據本質上都是攻擊者願意暴露的信息。
  • LLM 削弱工具簽名但保留高階行為特徵 — LLM 經過公開駭客技術訓練,使不同使用者產生相似的攻擊模式。然而,勒索軟體集團、國家級行為者的受害者選擇、贖金要求方式或目標模式等高階特徵仍具有識別價值。例如,鎖定加密交易所的攻擊幾乎只能指向朝鮮。
Why the Next AI Breakthrough May Come from Physics with Max Welling - #774
55 min
AI 技術英文PODCAST8月25日

Why the Next AI Breakthrough May Come from Physics with Max Welling - #774

TWIML AI

  • 多層篩選的材料設計流程:先搜尋文獻資料庫找現有材料,若無合適的就用生成模型產生數十萬個候選分子,用機器學習力場進行分子動力學模擬篩選,再進行實驗驗證。這套流程相比傳統量子力學計算能加速效率數個數量級。
  • 生成AI與熱力學的數學等價性:資訊論是兩個領域的共同基礎,生成模型的擴散過程與非平衡統計力學描述資訊損失的過程在數學上完全對應,許多開發出來的方法工具在兩領域都有精確對應的形式。
  • 基礎模型的遷移學習策略:先在廣泛材料資料集上訓練基礎力場表示,再針對特定材料類別進行蒸餾微調,既能保持計算效率也能獲得專一性。