❖ 什么是通用Agent智能体？目前有哪几家？

大家好，我是讯享网，很高兴认识大家。这里提供最前沿的Ai技术和互联网信息。

听说了manus和实在Agent，但是不知道通用智能体到底是什么意思，有人解释一下吗

大家好哦，我是卡尔的AI沃茨，爱折腾各种AI的非正经码农，努力做你们的AI界手替，没有难学的AI～

螺旋镖还是回到通用 Agent 了，

100天里，我们一起见证了创作、设计、搜索、编程、旅游、办公、播客等垂直领域 Agent 们的诞生，

也迎来了通用 Agent 一次完整的能力升级 ——

MiniMax Agent

不需要邀请码，也不搞限额，这几天已经在海外火起来了，

几周前我就拿到了这款 Agent 的测试资格，现在可算是蹲到了MiniMax 开源周，可以好好说说，通用 Agent 2.0（我单方面起的名字）具体升级了什么：

PPT：有多套模版，还可以包含Smartart元素和可视化图表
编程：能模拟实际场景下的真实操作，减少网页类代码的Bug
多模态理解：既可以输入音频、视频、图像，又能生成图像、视频和视频
Deep ReSearch（深度研究）：内置API、基础搜索、Browser use等信息检索工具
支持MCP：内置地图、github/gitlab、slack、figma等 MCP Servers，后续还可以自定义

那我就按照群里收集到的Agent使用场景和频率，给增强后的能力们安排上测试案例，从对话交互、思考过程、交付结果来直观展示这次通用 Agent 的升级变化，Here we go！

http://agent.minimax.io（⬅️使用去这里）

我现在已经习惯把搜索或者对话记录打包好做成可视化网页了，

这用来自己重温或者是分享给别人都是方便到离谱，之前的缺点就是文字对应的图片找不到，或者是找不准。如果是喜欢自驾的朋友，这段时间新疆独库公路开放了，直接用MiniMax Agent给大家做一个带音频解说的旅游网站。

https://www.zhihu.com/video/1918743796151203381

提示语长度预告～

我要制作一个以“新疆独库公路 · 四季穿越”为主题的沉浸式滚动网页，每一屏聚焦一个沿线景点，比如独山子大峡谷、那拉提草原、巴音布鲁克、库车大峡谷等等。页面采用全屏滚动翻页的形式，让浏览者随着页面的推进，像是亲自沿着这条561公里的传奇公路穿行一样。
每一屏都包含：
一张全屏的景点照片（Hero image）
一段由 MiniMax 生成的中文音频讲解（配合静音播放控制）
一个 Google Maps 地图，定位该景点的位置与路线
一张基于 Apache ECharts 绘制的简洁数据图表，例如海拔变化、开放月份、日照强度等

色彩风格（参考新疆自然地貌）

为了更贴合新疆的自然气质，我希望页面整体颜色风格参考“高原自然色” 排版与视觉比例中文大标题使用黑体粗字，英文作为注释点缀，字号小一阶核心数字（如公里数、海拔等）使用超大字号，形成视觉锚点整体遵循 8pt 栅格排版，保持对齐、留白有节奏感滚动结构使用 scroll-snap，用户每次滚动都跳到一整屏，不混乱

数据可视化

每个景点配一张简洁的折线图，基于 Apache ECharts 5（CDN 引入）渲染，不要复杂交互，仅做信息补充

地图与语音

地图用 Google Maps iframe 嵌入，每一屏都要准确标注当前景点位置，并允许拖动浏览 MiniMax TTS 生成的音频讲解，页面打开时延迟加载，首次播放需要用户交互触发（保证自动播放策略合规）所有地图与音频组件都使用懒加载方式，减少页面初始加载压力

技术架构要求

使用 HTML5 + Tailwind CSS 3（JIT 模式）+ 原生 JavaScript 开发动画库统一用 anime.js，通过 CDN 引入页面内不超过 6 个并行请求（含图表、地图、音频），保持加载体验流畅页面可直接部署在静态页面平台（如 Vercel、GitHub Pages）

输出格式

单页响应式页面，支持大屏（1920px）浏览体验向下滚动时自动加载下一屏页面内容以模块形式组织，每一屏保持信息一致性：景点图、地图、音频、图表页面整体视觉统一、干净、现代、具有新疆地域识别度与沉浸感

MiniMax Agent 只需要半小时就完成了，

直接把生成的结果和我给的提示语对照一下，可以看到我给出的要求基本都做出来了，每一屏需要的景色背景图、数据表、地图、语音播放全都完成，

而且图片质量很高，有点子国家地理那味儿了，网页设计审美也很绝，这个极简风又高级又好看，我直接幻视苹果组件。

在执行过程里，Minimax Agent会结合自己的代码优势，创建数据收集脚本、可视化数据分析脚本、

还会主动创建一个源文件跟踪记录，记录所有使用的资源和验证过程，

因为有多模态能力，在验证的过程中，它还可以自己体验看一遍确保质量。而且上面展示效果里所有的图片和音频都是直接生成。现在很多通用 Agent 会用图片搜索来匹配合适的图片，结果不是因为分辨率低，就是因为图片尺寸不一，有些时候图片本身跟文字内容就配不上。

而且我还发现一个有趣的设定，MiniMax Agent 能自己选择合适的中文音色，

换句话说任务执行前我是不是还可以主动指定音色偏好。

更6的来了，

它在构建好网页后还可以主动模拟浏览器操作，

确保输出的网页不会有打不开这类低级错误。

还有还有，

minimax agent支持批量打包下载中间生成的所有文件，

这一点是很多Agent都没有的。

对话记录 http://agent.minimax.io/share/281052363272344

作为第一个case，我们再上点强度，

跟隔壁 Manus 对比一下效果吧，

https://www.zhihu.com/video/1918744054855862186

如果没看minimax之前，我确实还觉得很不错。

但现在可以看到背景图确实很糊很糊，一下子拉低了整个页面的质量，

而且 manus 没有内置音频能力，对话过程中也无法调用对应api或者代码实现，这个音频组件就是小摆设实际上是不能直接使用的，体验-1。

再来做个PPT吧，

既然买不到 Labubu，那我做几个 Labubu 养养眼总可以了吧。

幸好四月份还囤了一个，

这可能是我上半年唯一一只了。

https://www.zhihu.com/video/1918744160887899835

提示语长度预告～

制作一个 “LABUBU 现象” 网页，类似可滑动的 PPT 展示，从角色起源、彩色变体、市场热度、文化影响到未来趋势进行全方位剖析。
每屏内容包括：
Hero 图（Labubu 角色）
简洁数据图（ECharts 折线/条形）
深色按钮 & 关键句强调
字幕式英文小注

动效设计

引入 anime.js（CDN），实现模块级 scroll-triggered 动画，如 Zoom-In、Parallax 移动、淡入淡出动画节奏由缓动函数 cubic-bezier(.33,.01,.68,1) 控制，提供轻松 yet 有张力的切换体验增设 “减少动画” 模式，符合可访问性需求

数据可视化

使用 Apache ECharts 5（CDN）生成折线图/条形图，展示如：色彩变体数、年度发售数量、盲盒获得率图表线条通过特殊点缀色（薄荷青）呈现，透明渐变只在此**域展开线条样式简洁，无填充背景色，提升信息识别度；图层支持 mix-blend-mode: multiply 与背景融合

技术栈 & 资源

HTML5 + Tailwind CSS 3（JIT + Purge 模式，下发 < 25 KB CSS）引入 Google Fonts（中：思源黑体，英：Outfit 或 Nunito）动画库：anime.js（JsDelivr CDN）图表库：Apache ECharts 5（CDN）图标：Font Awesome 6 / Material Symbols（SVG/CDN）图片 & SVG 使用 SVGO 优化，CLS < 0.1；页面请求 ≤6 并行，保障首屏渲染性能

输出格式

单页响应式布局，模块展现为可翻页“PPT” 每块 Hero 图 + 小英文注解 + 中文重点讲解 + 符号图表色彩、动效、排版风格经过新 Labubu 主题定制视觉调性统一：干净明快、资讯清晰、调性年轻趣味

这个封面是营销汇报环节中最重要的一页，

做过运营的都知道，高亮最优数据是必须的一环，

这一页minimax做的非常漂亮，数据正确、配图配色好看、排版都很精致，可以直接照搬。

再看中间页的数据分析，

从市场占比、泡泡玛特的IP 营收对比、二手市场价格上做出了相应的数据总结，

甚至引入了前几天拍卖掉的108万天价初代labubu（许个愿，我也想要）。

而且它还能总结了目前某音、某书、某博的讨论数据，

并且列出真实产生的明星效应事件，非常清晰一目了然。

最后介绍了labubu的创始人、设计理念以及labubu和泡泡玛特和简要合作历史，总结了未来的发展趋势，整个网页不管是从一个报告看还是从设计上看质量都蛮高的。

编程考了，多模态考了，MCP、PPT也跑了，是时候试试看硬实力的 Deep Search 了。

刚好 MiniMax 的视频模型 Hailuo 02（0616(其实是618）都起来打榜了，

单看视频效果也是很离谱的程度，

https://www.zhihu.com/video/1918747678059241827

这打击感太强了，

所以我这把直接让 MiniMax Agent 自己来做一个AI视频发展全景总结：

https://www.zhihu.com/video/1918745094644831515

提示语短度不预告～

MiniMax 的视频模型 Hailuo 02（0616（其实是618）马上就要上线了，我真的非常兴奋。现在，我想知道关于AI视频的所有的一切，包括时长、清晰度、技术架构、功能点首尾帧、超清、延长、主体一致性等，从24年6月份到25年6月份。我希望得到一个极度详细的万字报告。这个报告不要太单调，要写的像故事那样。同时做一个时间线，放上所有ai视频产品，包括Hailuo的迭代时间点。把最后搜索得到的结果，按照合适的格式整理成美观的网页。

这一次跟前两次不同，我没有具体指定一些风格、技术栈、配色方案等等，

而是直接让 MiniMax Agent 自己选择合适的格式整理成网页。

这更接近我平时使用深度研究或者深度搜索的场景，需求比较模糊，更期待模型自身给我的反馈。

效果也比我预计中要好很多，是一个比较标准的产品展示页，或者博客类型的页面，顶端栏划分了不同的信息，顶端和底部都保留了大量跟Hailuo 02的相关项，每一个页面都能交互，包含的信息量非常大，几乎完美的匹配了我的需求，你看到提示语中我说到的东西几乎都实现了。

我最最喜欢的是顶部这个类似通知滚动条的设计，就很有一种人感，有一种小巧思的感觉。

很多高频运营的网页都会使用的做法，nice。

最后来看看MiniMax Agent的积分定价吧，

新用户会自带1000个积分，

基础版对标的应该是manus的plus版，同样的价格能执行2倍左右的任务数。

那我自己跑的这三个案例举例，

不带音频生成的话，任务积分消耗在300-500不等，能完成15个任务的水分不大。

今天是Minimax开源周的第三天，

Day1开源了 MiniMax M1，

跟之前开源的基座模型MiniMax-01一样，456B参数，MoE架构，激活参数45.9B。支持1M输入，80k输出的超长上下文，是DeepSeek-R1的8倍。

Day2发布了Hailuo 02，

支持 10 秒，1080P 视频。

一起来看看前后升级的效果对比吧

https://www.zhihu.com/video/1918747802932052233

好期待后面三天还会有什么大货，

会是一个月前才发的声音模型Speech-02有小版本更新？

还是说图片模型也跟着视频模型一起升级？

我已经等不及了，

要不连夜开发布会吧！

@ 作者 / 卡尔 & 阿汤

@ 动手学AI知识库 / learnprompt.pro

最后，感谢你看到这里

如果喜欢这篇文章，不妨顺手给我们

赞同 / 评论 / 分享 / 喜欢 / 收藏 ❤️

更多的内容正在不断填坑中……

最近，我一直在关注通用智能体AI工具，以下是几款推荐，后面还有邀请码哦~

前段时间爆火的Manus，把通用智能体这一概念具象化并产品化了。

以往提及通用智能体，很多时候只是一个比较模糊的概念，对于什么叫通用智能体以及该以何种方式呈现，都没人能想清楚。

而Manus把这个东西真正做出来了，其创意就非常厉害了。

它厉害的地方就在于，创造性地提供了一个沙箱环境，智能体可以在这个类似虚拟电脑的环境中进行其他操作，比如打开浏览器、查找内容、生成文字和文件，然后保存到这个虚拟电脑里，这些操作都是在沙箱环境中完成的。

智能体主要用于做任务规划以及编排、调用工具等工作。以前这些需要通过手动节点去完成，现在只要一句话，就能让AI自动把任务规划好，这是很厉害的一点。

比如下面这个官方案例，用来为中学教育者制作了引人入胜的视频演示，通过通俗易懂的教育内容清晰地讲解动量定理。

可惜的是，目前Manus还是邀请制，普通用户申请需要加入等待名单。

登录网址：https://manus.im/

不过好在，我们还有扣子空间。

我们知道，扣子的智能体设计以及编排在在国内目前市面上，扣子（coze）与Dify比较突出。

扣子能够简化我们在开发AI应用过程中的一些操作，其最大好处在于让很多不会写代码的人也可以开发AI应用。

那为何现在还要推出扣子空间呢？它是一款可以对标Manus的通用智能体工具，并且其也接入了MCP扩展插件。

在其扩展插件方面可以看到用了很多插件，像其内部体系的飞书多维表格以及飞书云文档，还有天气、航班、信用相关的，实际上就是按照这个协议去实现的，所以变得很简单。越来越多的可以扩展加入进来。

接下来要提到MCP，简单给大家科普一下，它是由Claude的母公司Anthropic在去年11月份提出的一个协议。该协议旨在解决目前AI模型接入各种插件时存在的乱象，此前每个插件接入一个大模型都要重新写一遍接口，十分麻烦。

MCP就如同互联网上的HTTP协议一样，将所有接口统一，这样任何一个工具要接入大模型时就变得非常简单，不管是豆包也好，还是其他如GPT、claude等也好，都只需实现一遍即可，插件接入各类平台就变得容易了。

可以将MCP协议从硬件角度做个比喻，它类似Type-C接口，Type-C接口统一了设备领域中各种杂乱的接口情况，同样，MCP协议也简化了各种复杂工具接入。

近期，扣子又提出了一个更大的概念，影响力更大，即可以把之前提到的工作流，包括智能体编排所做出的应用工作流，以MCP协议的方式一键发布到扣子空间。

这个想象空间就很大了。例如，所有代码开发者的成果都可以往这上面添加，也就是说可以通过一句话调用通用智能体，市场前景广阔。

以前相关智能体编排平台是本身有智能体中心，发布应用能给开发者带来一些收入，现在通过这个新功能相当于又多了一种发布途径。

不过，这个功能目前才刚刚推出，看了一下，对于普通开发者还未开放，仍处于内测阶段，只有少部分人在尝试，还没正式面向大众开发，真正能使用可能还需要一段时间，但这个概念确实很厉害。

扣子空间案例，生成Flappy Bird类型游戏：

https://www.zhihu.com/video/1902069980800976862

登录网址：https://space.coze.cn/

同样需要邀请码，但是更容易获得，只要一个用户开启了一个任务，就可以获得5个邀请码。

在国内，其他通用智能体方面也有不少跟进发展的情况。比如我体验过前百度高管开发的GenSpark，它与扣子空间相比有一些不同之处。

GenSpark的PPT是通过网页生成的，做出来的效果从视觉感受上来说，比那种套模板的AI生成的要更舒服一些。

https://www.zhihu.com/video/1902070233105163746

具体介绍可见文章：https://zhuanlan.zhihu.com/p/1891625952095744601

而且GenSpark还有亮点，它可以直接通过通用大模型去生成视频，之前看过一个案例，比如生成做饭相关内容的视频，效果还挺不错的。

它整合了像可灵、Vidu、MiniMax、PixVerse、Google Veo2等其他几个AI视频工具，能够一句话调用这些资源。

登录地址：https://www.genspark.ai/

它不需要邀请，注册即可用，每天有200积分赠送。

还有360的纳米AI，也推出了超级智能体功能，可以支持自己发布MCP并使用，并也内置了100多个MCP服务，近期在搞内测邀请，其页面展示了相关情况。

它在写报告、插入一些元素生成图文并茂内容等方面的能力，在目前类似智能体工具中是比较厉害的，因为我看过大部分的写报告的DeepResearch功能，都是纯文字的，包括我们熟知的Open AI DeepResearch、Google Gemini2.5 Pro DeepResearch，还有智谱AutoGLM沉思，而纳米AI还具备这个功能，着实让人惊喜。

比如这是我生成的一份调研报告，图表、文字都直接能生成的完整报告出炉：