共计 3125 个字符，预计需要花费 8 分钟才能阅读完成。
AI 应用风向标（公众号：ZhidxcomAI）
作者|江宇
编辑|漠影
据智东西 2 月 26 日报道，今天，MiniMax Agent 进行了重要的功能升级：一方面推出了 Expert 2.0，使得任何能够被定义的技能都可以成为“专家”；另一方面，MaxClaw 正式上线，用户无需再自行部署 OpenClaw，而是可以直接在网页上使用。
前者使个人与团队能够将专业知识转化为可重复使用的标准操作流程(SOP)。官方数据显示，自 Expert 功能推出以来，已经创建了超过 1.6 万名专家代理，涵盖技术开发、创意写作、办公效率、商业金融等多个领域。
MaxClaw 则在云端容器中运行 OpenClaw 框架，用户无需提供服务器或 API 密钥，只需订阅基础版即可体验。
目前，Expert 和 MaxClaw 均已开放，用户可以通过 MiniMax Agent 的网站访问它们。
MiniMax Agent 网址：agent.minimaxi.com
Expert 地址：agent.minimaxi.com/experts
一、通过自然语言生成专家，Agent 自动生成 SOP
Expert 2.0 的显著变化在于创建门槛的显著降低。
过去，要建立一个复杂的专家代理，通常需要手动设计技能结构、子代理的分工、提示词的层次以及工具的调用逻辑。而现在，用户只需用自然语言描述目标能力，Agent 便能自动拆解出知识体系、流程结构和工具配置。
举例来说，若想创建一个“擅长利用 Excel 原生功能构建专业财务模型的专家”，用户只需告知目标和要求，Agent 便会自动补全 DCF 估值、敏感性分析、财务报表联动、函数规范等知识模块，同时配置相关的子代理和工具路径，并提供示例使用场景。
整个过程不需用户理解底层的 MCP 结构或子代理机制。
在实际体验中，我围绕一个更贴近媒体需求的场景进行了测试：创建一个“跨平台 AI 产业趋势研究专家”，要求具备数据抓取、新闻来源交叉验证和结构化报告生成能力，同时输出适合公众号长文的结构框架与可视化图表建议。
成功创建专家后，我给出指令：帮我研究 2025 年度全球 AI 大模型发展动态，并整理成一份结构化的产业趋势报告。
最终，它提供了一份 接近万字 的长报告，标题为《2025 年度全球 AI 大模型产业发展趋势报告》。
然而，从报告质量来看，这个专家在 “检索与更新”能力 方面尚需改进。报告中的数据和案例大多集中在 2024 年及 2025 年初，信息密度较高，但对“2025 年度”的内容覆盖明显不足。
尽管我在创建专家时强调了“结构框架与可视化图表建议”，但报告中的相关输出并没有突显出来。
总体而言，虽然框架搭建完成，但“查新、对齐时间线、将关键数据图形化”这些步骤仍需进一步调试。
此外，系统为每位用户提供了 15 轮免费创建与调试机会，支持在多轮对话中不断调整专家能力。
值得注意的是，官方透露将推出创作者定价与分成机制，以及团队内部的专家能力共享功能。
二、MaxClaw 上线，将 OpenClaw 转变为网页版
OpenClaw 作为开源个人 AI 助手框架，在 GitHub 上迅速受到了用户的欢迎，但本地部署、环境配置、API 接入等步骤对许多用户来说依然具有一定门槛。
MaxClaw 则将这整个流程移至 MiniMax Agent 网页，允许每位用户在云端运行独立的 OpenClaw 实例，并与 MiniMax 模型连接。
部署过程几乎只需两个步骤：选择配置后，一键部署，等待 大约 10 秒 即可完成云端启动。模型、记忆系统及工具链均为预设状态，用户无需进行额外配置。
MaxClaw 具备 24 小时运行能力，支持长期记忆、工具调用、定时任务、多平台接入，并预置图片生成、视频生成、联网搜索、网页部署等内置工具，用户无需接入第三方 API，也不会产生额外的 API 费用。
每位用户可获得50G 专属云储存空间，用于长期记忆与持久存储。
在体验中，我测试了三个不同场景。
第一个场景是定时产业监测。
我设定每天 14 点抓取过去 24 小时内 AI 行业的重要融资、模型发布和政策动态，自动去重后生成一份中文摘要并附上来源链接。该任务通过 Cron 表达式实现自动化执行。
从实际运行情况来看，这项任务能够稳定按时推送，摘要的信息组织相对规整，链接也一并附上。
然而，它的短板也非常明显：时效性不足“新鲜”，对于媒体写作这类场景，直接使用可能不够理想。
第二个场景是跨端协作。
MaxClaw 已打通了 飞书、钉钉、Telegram、Slack等即时通讯渠道。用户可以在任意聊天工具中直接向 Agent 下达任务，交付物则同步回网页端。
官方手册中提供了完整的飞书接入流程，包括创建自建应用、配置权限、匹配码验证等步骤。
实际接入飞书的过程比预想中简单。按照指引在飞书开放平台创建自建应用，复制 AppId 与 AppSecret，然后在 MaxClaw 的对话框中完成配置，整个流程 大约只需 5 分钟。
过程基本顺畅，没有遇到明显的卡顿或权限冲突。接入后，在飞书端进行交互时，响应几乎没有延迟，和网页端的体验相差无几。
接入完成后，我在对话框中输入：“每天 14 点 35 分，搜索最新 AI 新闻，去重后只保留 5 条，中文，附上链接。”MaxClaw 立即确认了该信息，并显示出“敲键盘”的状态。
MaxClaw 在确认“任务已成功创建”后，通过后台的 Cron 触发执行，最终生成了当天的 AI 新闻简报内容。
第三个方面是复杂文档的处理能力。
我上传了一份较长的 PDF 报告，希望能够提取其中的关键信息，并生成一个结构化的摘要，同时提供适合改写为新闻报道的章节结构。
在接到这一指令后，MaxClaw 尝试调用其解析功能，但不久便反馈称“在提取 PDF 内容时遇到技术障碍”。系统日志也记录了一段错误信息，显示其在云端环境中调用解析工具未能成功。
此次体验揭示了一个不足之处：在处理复杂文档时，MaxClaw 的功能仍然取决于底层工具链的稳定性。如果是可直接提取文本的 PDF，理论上应能完成结构化提取；然而在实际测试中，对于这份文件，它未能顺畅地完成自动解析，反而需要人工介入进行格式转换。
换句话说，MaxClaw 在处理复杂文件时仍面临工具兼容性及执行环境的限制问题。
结语：模型竞赛如火如荼，Agent 工作流能力成为新竞争的焦点
根据 MiniMax 官方发布的数据，超过 1.6 万的专家 Agent 创建量显示，社区已经开始自发构建各种领域的能力模块。未来如果结合定价和分成机制，Expert 有可能演变成一个专家生态市场，可以被调用、复用，甚至成为可交易的结构化资产。
MaxClaw 则解决了“Agent 是否能够长期运行”的问题，它更像是一个“常驻节点”，挂靠在云端。
在测试过程中，我多次临时修改定时任务的内容或添加筛选条件，它都能在原任务结构的基础上继续进行迭代。
网页端与即时通讯端的同步也相对稳定，日报生成后可以在两个界面同时查看记录，这种“跨界面一致性”在日常工作中十分实用。
当然，当前版本依然存在一些待改进的地方。MaxClaw 目前仅支持网页端，移动端尚未推出。在某些场景下，复杂文档的处理可能会受到工具的限制，导致解析失败或执行超时。
积分是按 token 消耗的，对于高频调用定时任务或生成长报告的用户来说，需要提前考虑成本。
不过，这次升级的方向非常明确：降低使用门槛、提升复用性、强化跨端协作。
随着模型竞赛逐渐同质化，Agent 层的工作流能力正成为新的竞争焦点。从这次体验来看，MiniMax 已经朝着这个方向发展。
希望系统能提供更多的指导或示例，帮助用户更好地利用自然语言描述功能。