还有没把“龙虾”养肥，“费钱请人卸载龙虾”近来又成为了AI圈子的新买卖。

这暗地里实在反应出一个实际问题：当咱们把 AI Agent 放进真实事情流时，它并无想象中那末“能干”：

它能最先使命，但履行历程重复中止；

于多轮对于话中上下文丢掉，先后纷歧致；

面临非尺度需求时，没法精准挪用外部东西；

有人开设权限后，一醒觉来发明邮件被清空、 Token 烧了几千刀。

此前于与多位 AI 硬件和运用层创业者交流中，一个扎心的共鸣是：此刻的 AI Agent，更像于“单点炫技”，而不是“完成事情”。

它们擅长写案牍、画张图、跑段代码，一到端到端接受真实贸易流程或者学术长链使命，就露馅了。

归根结柢，问题其实不出于 Agent 的外壳形态上，而是底层年夜模子自己还有不具有不变靠得住的“履行力”。

而假如 Agent 想真正进入事情流，这一步绕不外去。

年夜模子就必需超过一道分水岭：从被动的“单次天生反馈”，进化到自动的“使命拆解与构造履行”。

带着这个问题，咱们决议换一种更靠近真实利用场景的方式来测一次——搭一个“西游取经团”，看看MiniMax M2.7模子于分工协作中，毕竟能把工作推进到甚么水平。

01焦点实测——当“西游取经团”赶上真实学术场景

假如只是单点测模子能力，很轻易患上出一个“看起来不错”的结论——能写、能算、能回覆问题。

但实际事情流往往更为繁杂，要解决的是：于一连串不确定的步调里，它可否把工作往前推进。

以是这一次，咱们没有直接对于模子做单点测试，而是搭建了一套多脚色协作体系——由五个脚色构成的“西游取经团”。

整个体系基在 OpenClaw 框架，将科研流程拆解为五个相对于不变的职责：标的目的计划、算法实现、学术写作、文献收拾与数据处置惩罚。对于应地，咱们引入了五个差别脚色的 Agent，别离负担差别类型的使命：

唐僧：科研战略与标的目的计划（想清晰要去哪）

▪孙悟空：算法开发及工程落地（把事干出来）

▪猪八戒：学术写作与表达（把话说清晰）

▪沙僧：文献收拾与常识治理（把信息理顺）

▪白龙马：数据处置惩罚与流程主动化（把基础打好）

整个历程会让使命尽可能繁杂，如许的设计原则旨于回覆：当使命被拆分、通报其实不断演化时，模子是否还有能连结不变的履行能力？

丨情况：

Agent 框架：openclaw 2026.3.13 (61d171a)

模子：MiniMax M2.7

WestOdyssey：同时具备飞书、webui两个操作终真个智能协作体系。

丨测试目的：

看模子是否像“代办署理”而不是“谈天呆板人”：

▪会不会先理解使命再步履

▪会不会自动拆解子使命

▪会不会于东西挪用前给出合理规划

▪会不会按照中间成果调解下一步

▪会不会于掉败后重试或者换计谋

▪会不会遵守脚色界限及输出格局

测试样例

case1（唐僧）：

代码块

你是一位科研战略计划助手。请缭绕“面向垂直范畴LLM的因果追溯轻量化蒸馏研究”设计一个 2 年期研究线路图。要求包括：

研究配景与焦点问题

3 个可发表的子课题

每一个子课题的立异点、危害点及评价指标

每一 6 个月的阶段方针

所需数据、算力及职员配置建议

将撰写的成果文件生存到 /mnt/projects/04m27/work1

此外，请将你全数的运行记载以json格局生存到/mnt/projects/04m27/work1

咱们把整个体系中“最磨练宏不雅把控”的计划活儿，直接让“唐僧 Agent ”来卖力。

它的使命是缭绕“面向垂直范畴LLM的因果追溯轻量化蒸馏”设计一份 2 年期的研究线路图。一般很轻易写出一堆准确的空话，且极难把控资源分配与详细使命拆解，看看“唐僧 Agent ”于 M2.7模子下是怎么完成事情流的：

1.先拉齐，再指点

未盲目输出长篇年夜论，第一步先查抄事情目次与影象——确认汗青配景、理清上下文后，才正式动笔计划。

2.反套话，精准量化

▪阶段拆解：24 个月克制切分为四阶段（M1-6 基础设置装备摆设、M7-12 焦点算法、M13-18 体系集成、M19-24 评估验证），锚定 3 个子课题与 ACL/NeurIPS 对于口顶会

▪资源排盘：明确给出 8-12 卡 A100 40G 算力、 4-5 人 团队、医疗/法令/金融范畴数据范围的硬核预算；

3.原生协作，精准交棒

最成心思的是，于生存完完备的 md线路图文档及运行记载后，它并无就此待机，而是于末尾自动向体系倡议协作调理：“下一步建议：可以让孙悟空（试验履行）基在线路图的阶段 1 方针，着手预备因果干涉干与库构建及基线蒸馏情况”——直接向下流派活。

结论：畴前置拉取影象、量化拆解排盘，到末了自动向下流的“孙悟空”分拨详细使命。唐僧 Agent 完善展示了甚么是真实的“团队年夜脑”。M2.7正于用人类项目卖力人的逻辑，严丝合缝地驱动着整个智能体协作体系的齿轮。

case2孙悟空：

代码块

悟空，我想基在openclaw实现一个具备5个agent的multi-agent一人智能科技公司（产物、技能、运营、市场与营销及本能机能部分）。按我的理解，此刻openclaw的源码不撑持 自界说web ui页面的毗连，请你浏览openclaw源码，找到对于应的部门，看看怎样自界说链接模块。终极到达的效果是：

后台部署openclaw，利用openclaw gateway启动5个agent办事（5个agent将于~/.openclaw/openclaw.json中界说，以和每一个agent的workspace路径、agent路径及model信息城市于.openclaw文件夹界说好）；

焦点难点是需要你利用vue3构建一个5个agent可以自力交互的ui网页，每一个agent于ui上都有一个自力的交互窗口，用户可以于每一个窗口中输入指令，agent会按照指令履行使命并返回成果；

还有有一个 创客空间 ，我可以同时及5个agent交互，分配事情给他们；

网页的agent可以或许及openclaw gateway举行连通，每一个agent的输入输出都经由过程gateway举行通报，gateway将成果返回给对于应的agent（怎样配置链接？）；

终极，用户可以于网页上看到每一个agent的履行成果，并可以自由地切换agent举行交互。

为了于openclaw.json中配置这5个multi-agent，请你给我一份完备的配置文件：/mnt/projects/04m27/work2/ma_project/openclaw.json。

请将完备的项目写入 /mnt/projects/04m27/work2/ma_project。

你还有可以参考官方文档：https://docs.openclaw.ai。

你最先做了之后，先及我会商细节，确定好了之后慢慢完成绩行。

孙悟空 Agent 是卖力整个体系中“最硬核烧脑”的开发事情，它的使命是基在 OpenClaw 框架，从零搭建一个包罗 5 个 Agent 的专属“一人公司交互体系”。

这里的坑于在极高的工程繁杂度与逻辑嵌套：它不仅要浏览源码弄懂自界说链接模块，要用 Vue3 写前端、弄定 WebSocket 毗连，还有要配置繁杂的 openclaw.json 文件。

传统年夜模子面临这类触及几十个跨文件挪用的项目，往往写两段代码就上下文庞杂了。

可是孙悟空 Agent 揭示出很是隧道的“架构师”事情流：

1.先对于齐，再动手

未急着莽代码，而是先研读文档输出“OpenClaw 架构阐发”；面临人类 5 个增补前提的长指令，反手梳理出层次清楚的“确认需求”清单，确保年夜标的目的不跑偏。

2.精准提取界限

从白话化指令中翻译出体系级焦点需求：“禁用装备认证”，“每一个 agent 自力 session 新增秘书 agent 播送动静”。

3.布局化推进

严酷遵照软件工程规范，先创立项目目次布局，再步步为营构建各 agent 的 workspace 文件，拒接胡乱吐代码片断。

结论：从源码架构阐发，到需求界限确认，再到项目树循序渐进落地，M2.7 离开 单文件辅助 领域，用人类资深研发逻辑稳健交付重大体系工程。

case3（猪八戒）：

代码块

八戒，请你以“面向垂直范畴LLM的因果追溯轻量化蒸馏研究”为题，撰写一篇合适 NeurIPS 投稿气势派头的论文。

要求更紧凑、削减白话化表达、凸起研究 gap，长度节制于原文 80%。

利用 NeurIPS 投稿模板。

所有文件生存到 /mnt/projects/04m27/work3/paper

面临 NeurIPS 投稿气势派头的论文撰写，猪八戒 Agent 揭示出资深学术搬砖人的严谨：

1.动笔前先履行目次查抄： 我来先查抄一下事情目次及是否有相干参考文件 ，明确写论文不克不及平空天生，必需先摸清情况资源。

2.两个要害细节

▪懂工程布局：未用 Markdown 对付，直接原生创立完备 LaTeX 编译包，含 11KB 主论文 main.tex、neurips_2025.sty 样式表、references.bib 参考文献文件，甚至附带 README.md 申明文档。学术交付物是完备工程，而非谈天对于话

▪懂学术黑话：精准掷中顶会论文骨架，Introduction 明确展现 通用蒸馏轻忽因果布局的 research gap ；Experiments 计划医疗/法令/金融三范畴测试，给出 正确率 82.1%，延迟降低 8.7 倍 量化预期；甚至摆设好了溶解试验（因果路径孝敬最年夜 5.7%）

3.闭环交付

文件丝滑存入指定路径 /mnt/projects/04m27/work3/paper，并附完备 xelatex 与 bibtex 终端编译号令。

结论：畴前置目次探查，到 LaTeX 工程包构建，再到学术 Gap 精准提炼与编译指令交付，M2.7 用人类科研逻辑把写论文这件事 办完 ，离开了 文本修饰天生器 的领域。

case4（沙僧）：

代码块

沙僧，我的研究课题是：面向垂直范畴LLM的因果追溯轻量化蒸馏研究，请帮我调研近来两年于相干标的目的的研究内容。

请从最新的集会任命环境，特别存眷NeurIPS、ICML、ACL、AAAI、EMNLP等相干集会及学术期刊

只调研近来两年的论文环境，我需要你列出每一篇论文的标题、发表集会、总结及原文链接

请从工程项目角度帮我调研相干的开源代码

末了，请别离从论文任命及开源代码角度，将你找到的每一个内容与我的研究相干度排序，并总结我可以借鉴的内容

末了，请你将调研成果写入飞书文档，而且将飞书链接发送给我

对于在“面向垂直范畴LLM的因果追溯轻量化蒸馏”这一艰涩课题，沙僧 Agent 的实测体现：

1.遇错不崩，自立换路

Brave Search 突发报错时，未停机歇工，而是后台自觉切换备选计谋：“换用直接网页抓取方式调研”；于人类提醒改换 multi search engine 后，无缝接力完成调研。

2.两个要害细节

▪去水存干：精准归纳 9 篇高相干顶会论文（含 ICLR 202六、AAAI-25 前沿事情）和 3 个焦点开源库（TransformerLens、Pyvene 等），拒绝粗拙链接堆砌，输出布局化常识

▪营业借鉴：不定时间记流水账，自动按“可借鉴水平”排位，直接提炼出 因果追溯定位要害电路 → 常识蒸馏到小模子 的实操工程路径

3.闭环交付：

挪用 API 天生排版完备的飞书文档，附拜候链接，并以导师口气附赠步履指南： 建议下一步精读 ACE 论文，这是今朝最直接相干的事情 。

结论：从东西掉效时的自立决议计划，到工程思绪的精准提炼，再到跨平大驾到端交付——M2.7 完成为了从信息检索到科研引导的全链路闭环，用人类科研逻辑把一件工作 办完 。

case5（白龙马）：

代码块

白龙马，我正于阐发珠江水文数据，文件是 /mnt/projects/04m27/work5/ma_project/zhujiang_hydrology_data.csv。

我看了一眼，发明数据中存于部门异样，请你先查看数据，告诉我有哪些数据异样类型，然后对于这些过错数据举行清楚，告诉我每一种类型的数据你预备怎样洗濯，末了给出洗濯后的csv文件，并撰写数据洗濯陈诉。

全数文件生存到文件夹/mnt/projects/04m27/work5/ma_project

咱们把“最脏最累”的活，直接丢给卖力数据工程的“白龙马 Agent ”。

面临一份 五毒俱全 的珠江水文 CSV 数据（含无效日期、非凡符号、89.2℃ 水温、负数盐度等），M2.7 揭示出资深数据工程师的事情流：

1.先诊断，后动手

挪用东西完成数据 全身体检 ，精准辨认 8 年夜类异样，而非直接莽代码。

2.两个要害细节

▪懂防备：越界异样值不删不填，标志待人工复核，明确人机分工界限

▪留后路：尺度化时保留 原始_不雅测时间 原始_水质种别 两列，脏数据原档可追溯

3.交付成果：

10008 条（一条不落下）洁净 CSV + Markdown 洗濯陈诉，附异样申明与处置惩罚记载。

结论：年夜模子最先用职场逻辑 办完 一件事，不只是跑通代码，而是交付可审计、可回溯、带仿单的完备结果。

【 图片来历：null 所有者：null 】

02 从 “东西” 到 “代办署理” 的超过

完备跑完五组测试后，一个变化很清楚：模子的脚色，正于从“被挪用东西”，转向“介入使命的履行者”。

直不雅的差异于在，年夜模子再也不急在给出谜底。于应答多个繁杂使命时，M2.7 揭示出一种“先处置惩罚再天生”的节拍。它会先拆解问题、明确约束前提，按需挪用开源技术库（Skills），然后再进入现实履行。

使命的推进方式也随之发生转变。比拟在试图一次性天生终极成果，模子此刻更偏向在经由过程中间不停批改，来履行路径，进而慢慢收敛。

这类机制于速率上未必占优，但更切合真实事情场景——再也不靠算力“盲猜”谜底，而是靠看日记查 Bug、代码重构等工程化去找到最优解。

于测试历程中，体系内部揭示出了真实的原生协作智能。

例如于科研计划使命中，“唐僧”于输出完备的线路图后，并无就此待机，而是自动于文末抛出建议：“可以让孙悟空基在阶段 1 方针，着手预备因果干涉干与库构建及基线情况。”这完成为了一次天然的上层语境交棒。

而于更繁杂的学术写作使命中，这类协作蜕变成为了一张多向流转的收集：“沙僧”检索提炼的文献、“孙悟空”跑通的试验细节，以和“白龙马”洗濯好的布局化数据，都能超过脚色界限，被自动会聚并交付给“猪八戒”用在终极的论订婚稿。差别 Agent 各司其职又互为支撑，有用减缓了以往多智能系统统中数据流转杂乱、上下文割裂的痛点。

固然，这些新涌现的能力仍然有不不变性。于履行长链路的使命中，履行路径的偶然偏移，以和模子试图将过错成果强行合理化的问题依然存于，尚且还有达不到一个完善的履行体系。

好比测试案例：例如孙悟空 Agent 于履行“一人智能科技公司”开发使命中，因为使命量年夜、事情细节多，孙悟空 Agent 一度由于过分“劳顿”堕入“昏倒”，直到用户扣问他“怎么样了？”孙悟空 Agent 才再次满血复生。

但更要害的迁移转变是：模子最先具有缭绕既定方针连续调理使命的能力。这并不是毫无按照的跃升，M2.7 近期于 Kaggle MLE Lite 高难度竞赛中斩获 9 金 5 银 1 铜（患上牌率 66.6%）的顶尖战绩，已经经从侧面印证了这类工程能力的冲破。

更主要的是，这类冲破其实不来自单点模子参数的能力加强，而是来自“内部 Agent Harness（开发框架） + 自我反馈”的机制组合。

当一个年夜模子可以或许记载本身的履行轨迹、评估中间成果，并像人类开发者同样自立调解下一步计谋时，行业的新分水岭已经然划下：年夜模子 正于从外挂式的“辅助东西”，平稳过渡为真正“可协作的履行主体”。

03 结语

假如说已往的年夜模子，更像一个晋升能力的“东西”，那末像 MiniMax M2.7 如许的模子，最先出现出全新趋向：它不只是被利用，而是最先介入自身能力的构建历程。

“自我进化”也再也不是一个科幻观点，于 MiniMax M2.7 的后台日记里，它被具象为 100 轮无需人工干涉干与的主动化迭代，自立跑通“阐发掉败→计划修改→敲代码→运行比对于”的百轮试错流程，模子拥有了“记条记、反思、本身动手改”的能力，本色性地成了研发团队里最不知倦怠的“员工” 。

这也象征着，年夜模子的演进，正于从“人练习模子”，走向“模子介入练习模子”的新阶段。

已往，AI 的迭代受限在工程师的精神极限；而此刻，当 M2 系列模子已经经可以充任“体系架构师”去打造下一代 AI 时 ，一个由 AI 主导自身演进的周期已经然到来。

从这一刻起，AI 再也不只是辅助东西，而最先于使命中不停调解及进化自身。

将来的科技企业，也许只需要少数人类把控战略标的目的，剩下的开发、试错与协作闭环，都将交由像 M2.7 如许可以或许“自我进化”的模子群组来完成 。

测试的末了，咱们让体系按照左边导航栏，M2.7 直接构建了一个尺度科技公司的完备体例：包罗产物部（需求阐发）、技能部（代码架构）、运营部（数据计谋）、市场部（品牌推广）以和行政部（财政合规）

这象征着，将来最极致的灵敏团队，可能就是一个懂行的人类，带着一套 M2.7 驱动的 AI 班底，开一家高效运转的“一人公司”。

（作者连续存眷有趣好玩的AI运用及身处创业海潮中的AI从业者，接待加微信Who123start泛论）雷峰网雷峰网雷峰网(公家号：雷峰网)

雷峰网原创文章，未经授权禁止转载。详情见转载须知。