如果你用AI做过稍微复杂一点的任务，一定经历过这些崩溃瞬间：Agent写三段就停下来问"需要继续吗"；长任务越跑越笨，不断走神偏离目标；发消息等十分钟没反馈，不知道它在干嘛。

MiniMax最新推出的Agent产品Mavis，就是冲着解决这些问题来的。它不是单个AI助手，而是一群分工明确的Agent团队。

Mavis是什么

Mavis的全称是"MiniMax as a Jarvis"。核心思路是：与其把一个Agent训练成全能超人，不如让一群专业Agent分工协作。

它内置了三种角色：

• Leader：你的第一联系人，负责理解需求、拆解任务、统筹全局
• Worker：执行具体子任务的内容创作者、设计师、程序员等
• Verifier：独立的质量审查员，从准确性、可读性、代码可运行性等角度验收

实际效果：一句话生成HTML专题页

有人给Mavis丢了一个任务："基于Mavis的博客，做一个能放进文章展示的HTML专题页。"只给了这一句话，没有详细指令，没有分步提示。

结果Mavis一口气跑了28分钟，自动完成了从内容策划到HTML生成的全过程，中间完全没有停下来请示。

交付的HTML页面带有星尘背景粒子动效、脉冲时间线、使用场景展示，甚至自己准备了下载链接。

Agent Team是怎么工作的

关键在于分工。Leader收到任务后进行拆解，把大目标拆成若干子任务，分配给不同角色的Worker。上面那个任务用到了3个Worker：

• 一个负责内容创作
• 一个负责设计
• 一个负责生成HTML代码

Worker之间是上下文隔离的，查资料的Worker不会被写代码的信息污染。Verifier用独立视角审查，不是"自己检查自己"。

底层控制这一切的是一个叫Team Engine的状态机。什么时候该验证、什么时候该重试、什么时候该停止，都是引擎层面的硬性约束，不靠模型自由发挥。

为什么单Agent搞不定长任务

MiniMax在技术博客中分析了单Agent的三个核心问题：

上下文焦虑：模型不知道一个任务什么时候算"做完"，所以干一半就停下来问。就像让一个很谨慎的实习生做事，每完成一步都要请示。

注意力衰减：随着上下文越来越长，Agent从一个聪明助手变成一个容易走神的人。底层注意力机制的问题，在当前架构下基本无解。

无法自我制衡：同一个Agent又当选手又当裁判，检查的仍然是自己刚构造出来的东西，很难客观评判质量。

Mavis的多Agent架构用Worker和Verifier之间的对抗关系来解决第三个问题：Worker停止的条件是Verifier启动的原因，Verifier发现的问题又成为Worker重新启动的原因。通过多轮对抗式迭代，交付高质量结果。

价格和可用性

多Agent肯定比单Agent的Token消耗大，这是架构决定的。MiniMax的做法是把Token Plan和Agent Plan合并：一份订阅，CLI、API、Agent全打通，M2.7、音乐、视频、语音所有模型都包含在内，Credits额度在Agent和API之间共享。

MiniMax还计划开源Agent Team框架，预计会和MiniMax M3一起放出来。

下载地址：agent.minimaxi.com/download

适合什么人用

如果你经常用AI完成需要多步骤、跨领域的复杂任务（比如生成包含设计、内容、代码的交付物），Mavis的多Agent协作模式能帮你省去反复"说继续"和手动纠偏的麻烦。对于简单的问答或短文本生成，单Agent完全够用，不必杀鸡用牛刀。