MiniMaxCode研发负责人Ronny的团队里,九成以上代码由AI完成初稿,还有多个Agent参与review。但写得越快,人的审阅越重要:PersonalAgent的需求与进度都要人维护、替结果负责。对谈聊的正是人该接管什么。
在MiniMaxCode研发负责人Ronny的团队里,95%以上的代码,甚至文档,都可能由AI完成初稿。写完之后,还会有多个Agent参与review。
但AI写得越快,并不意味着人就能越轻松。
比如你的PersonalAgent,它的上下文需要有人长期维护:功能需求需要你管理,开发任务需要你判断,它的开发进度也要盯着:最终,AI分担了生产工作,人却仍要为结果负责。
当越来越强大的AI已经能主动进化,下一步还应该帮人接过什么事情?
一个真正有价值的PersonalAgent,又该具备什么能力?
在2026第二届观猹大会现场,我们与Ronny进行了一场AMA对谈,聊了聊这些问题。
AI代码写得越快,人的审阅就越重要
特工宇宙:你们团队自己在用MiniMaxCode吗?内部开发它的时候,AI和人的代码比例大概是多少?
Ronny:在用。我认为要做一款Agent,必须做到一件事:
让你的Agent自己去开发自己,完成软件意义上的自进化。这在团队内部是一个严格的标准。我们要求每个人在使用过程中,发现产品给日常工作带来的不顺滑之处,再把它改进掉,让自己成为第一批用户。
比例上,我们95%以上的代码、甚至文档,可能都是由AI编写的。这个过程里,我们还会用到多个Agent去做Review。
特工宇宙:那写代码这件事,是不是就变轻松了?
Ronny:写代码本身确实变得越来越简单。
但变难的是另一件事:怎么样审阅、检查代码,并保证代码架构能长期维护。
这里的成本越来越高了。AI把代码的生产完全接过去了,但质量控制和架构决策的成本反而上来了。
模型能力在变强,但科学态度不能丢
特工宇宙:用AI做Coding有哪些坑?
Ronny:坑特别多,但最根本的一个和模型能力无关,和人有关。我们很多时候就是脑子里面知道自己要干什么,但就是表达不出来。
所以第一步是先向AI澄清意图,就跟和人沟通一样,需要很多来回。
我常用的一个Skill会反过来拷问我:这件事你为什么要做?ROI是什么?有哪些决策需要提前做?
第二步是审阅方案。
我发现很多人用AI有个不太好的习惯,就是当甩手掌柜,需求扔过去就不管了,等AI干完再来看结果。
但这中间少了一个过程:AI给出技术方案之后,你要审阅它、提出评论,判断哪个方案在当下的背景里最合适,然后做明确的决策。这个过程很重要,不能完全交给AI。
第三步是控制交付的颗粒度。
AI动不动写出几万行代码,人根本没法看。在没有AI之前,这种情况也是不允许出现的。所以要保证以最小原子化单元交付。之前特别火的SkillSuperpowers里就有这样的要求:
把每个修改拆成单独的gitcommit,每个commit有单元测试、回归测试和端到端测试,确认最小的一步成功了再往前推进,出了问题能方便回退。
特工宇宙:模型越来越强,这些Skill会不会被模型内置?
Ronny:注定会的。经典软件工程的范式本身就是公开信息,只要有足够的数据和好的RL环境,模型是可以学到的。
但现在很多开源榜单关注的都只是一次性任务的完成率,而软件工程不是一次性交付。我们要做的是可持续生长、可持续维护的软件工程。
所以你还是需要Skill给Agent设一些护栏,让它不是只把这个需求做完,而是做出可扩展、好维护的代码。
特工宇宙:开发MiniMaxCode的过程中,Harness里哪一部分最难做?
Ronny:先说Harness是什么。可以把它理解成一个Agent循环,外面套上工具、提示词和上下文管理机制。循环里最核心要治理的是context。
context可以认为就等于计算机里的内存,内存是宝贵的,上下文也是宝贵的。怎么保证context不爆炸,怎么高效地管理它,同时又不让任务完成率掉下来,这是最核心的命题。
业界有一阵在讨论用写代码的方式去编排工具:开源项目PiDurable最近上了codemode,OpenAI等此前也都推出过类似的模式。我们没有无脑跟。
我们的目标是,在保证任务完成率不掉、甚至还能提升的前提下,尽量提高token效率,让人花更少的token、更少的时间完成同样的任务。所以我们在MiniMaxCode上做了大规模的实验,把业界主流的实现方案都试了一遍。
最终,结论是用TypeScript代码在QuickJS沙箱里编排多个工具,再配上好的工具检索能力,可以做到token效率提升15%以上,任务完成率不掉。
特工宇宙:为什么强调实验?
Ronny:因为Harness慢慢变成了一门实验科学。不是你有一个好idea,就一定要上,你需要非常系统的论据。我经常跟团队讲,你要本着做化学实验的态度去做你的Harness。
写对代码之后,还要管好事情
特工宇宙:MiniMaxCode和现在比较多的Coding产品比,最大的特点是什么?
Ronny:每个做CodingAgent的人都在想,怎么在大家都有共识的场景下,做出一些非共识的东西。目前这类产品还是在解决最基础的问题——怎么样一次性把代码写对。
但还没有解决的是,在整个软件工程的生命周期里,除了写代码,你还要管理需求、在多个任务之间切换、做自己的任务管理,人脑的负担其实很重。
所以我们对MiniMaxCode的理解是,它不仅仅要帮人写好代码,还要帮人管好事情,有点像你工作和生活里的一个PMO:管好事情,管好进度,甚至能主动提醒你应该去做什么,把你的心智负担解放出来。
特工宇宙:那人和人之间的协同呢?
Ronny:这是第二个层次。未来人和人之间的协同,本质上就是你的AI和我的AI之间的协同。你用一个Agent,我用另一个Agent,我们怎么样可以让两个Agent在这里讨论?
这需要一个新时代的协作空间,我们需要做的是AI与AI之间通信的基建:以必要的方式分享文件、上下文和会话,让双方的AI都能带回必要的信息,往后甚至要讨论Agent与Agent之间的支付。
也正是从这个角度看,AI如果只是for工作或者for代码场景,它会让人变得更累,而不能让人感受到这个时代因为AI变得更好。
PersonalAgent的价值是让AI接近生活,让人真的感受到这个时代因为AI变得更好。
一开始,大家用的是ChatGPT、豆包这样的ChatBot界面。但我设想的交互终局仍然是一个自然的界面:人通过多模态输入,AI通过多模态输出——这也是我们公司一以贯之的方向,既做文本模型,也做各种其他模态的模型,希望给到大家全模态的体验。
这样,就像在一场对谈里,人们可以看见彼此、听见彼此,也自然地表达自己,未来的AI也应该以这样的方式参与交流。
特工宇宙:确实。这种多模态能力,在观猹大会上也有一个具体的应用。观猹运营负责人在现场提到,大会的提名视频和暖场视频,也都是由MiniMax生成的。
软件终局是为每个人定制
特工宇宙:模型能力进步得这么快,Harness还有必要存在吗?
Ronny:Harness会随着模型变强而变薄、变标准化,但不会消失。它是模型和物理世界交互的桥梁。你不能说我给你一个好的CPU,你就可以直接拿着它去编码,所以你必须要有一块主板。
有了主板,你可以插内存条、接外设,套上机箱就是一台电脑,它是一个可扩展的结构。Harness在我眼里就是这样一块主板,有了它,所有人就可以来DIY。
特工宇宙:现在RSI的概念很火,你们的模型和Harness有做这样的自我迭代吗?
Ronny:RSI这个词有很多种解读。
我理想中的自我进化,仍然需要humanintheloop。整个公司每个职能的人都在用这款Agent,每个人提交正反馈和负反馈,这些反馈被做模型和做Harness的同学感知、吸收,再用来优化产品。它可以参与研发和生产,也可以帮忙招聘、准备日常工作,在真实的社会活动中产生价值,获得真实的反馈。
MiniMax的M3.1Flash,一开始的匿名代号是SpaceBunny(太空兔)。刚发布的时候,海内外都有一些正面和负面的反馈,但后面很多人惊讶于它越用越好用。原因就是我们非常听劝:
正反馈我们加强,负反馈的反方向也是正反馈,我们同样去做。
特工宇宙:对普通人来说,这类Coding产品的终局会是什么样?会被几家公司吃掉吗?
Ronny:从C端市场来看,我们离AGI还特别远。大家觉得几个月里发展了特别多的东西,但我经常说,序章可能还没读完第一页,在这个阶段做的预判都不会特别准确。
我觉得未来Harness会成为一定的行业标准和共识,就像Windows和Linux那样,开源的和闭源的会同时存在,大家会在开源上共建,也会有基金会去维护它。
而如果一家公司的目标是AGI,是希望把AI带给每一个人,就需要在这方面持续投入和探索。
标准化的东西,就让它标准化。我记得23年的时候,大家百花齐放地想让模型稳定输出结构化数据:用XML、用HTML、用YAML,再加各种校验器,出现了很多开源项目。
最后这件事被模型通过训练解决了,变得非常稳定和标准。现在它成了底层能力,我们在它上面构建了大量的functioncalling。Harness里能标准化的部分,也会走这样的路。
特工宇宙:今年2月大家还在聊chatbot,OpenClaw火了之后,就都在聊WorkAgent。你们的WorkAgent会怎么做?
Ronny:我觉得WorkAgent和CodingAgent不应该分开。
上一个时代,人们用编程语言和代码重建了工作,所以CodingAgent本身就是generalpurposeAgent的底座。WorkAgent不需要另起炉灶,而应该在这个底座上进入具体的行业和工作场景。
MiniApp是个人表达和实现需求的一种载体:它原生暴露MCP(ModelContextProtocol)接口,Agent可以直接操作。人也可以用vibeCoding改造它,让它更贴合自己的工作习惯。
这种关系是双向的:Agent可以操作MiniApp;MiniApp也能通过底层能力创建或管理CodingAgent的session,调用本地Agent能力,管理自己的工作和生活。
特工宇宙:有具体的例子吗?
Ronny:有。
一位不会写代码的同事,不到一个下午就用MiniMaxCode做了一个可以连接手机做PhoneUse的小程序。另一位同事觉得微信公众号的预览体验可以优化,就让MiniMaxCode直接生成了一个改进预览的MiniApp。
原来的方式是,一小部分产品经理代表非常多人的需求去做一个产品。
现在应该是一小波人把舞台搭好,大家的AI去实现各自的需求,让每个人都能个性化。软件本身就应该不再是为一个行业定制,软件就应该为你私人定制。
什么是有价值的PersonalAgent?Ronny分享了一线Agent负责人的视角。
一个只会把代码写得更快的Agent,还不够。当AI已经能写代码、参与review,它还要往前多走一步:适应你的工作方式,帮你管理需求、切换任务、跟进进度。
它替人接管的,是那些消耗精力、又不该全由人扛的事。判断仍由人来做,但不必事事都盯着。
AI做得更多,人操心得更少,才是PersonalAgent真正的价值。