Minimax出了個OpenClaw變體，把6個超好用Agent都傳雲上用了

點知MiniMax走咗一條新路。OpenClaw啱啱出嗰陣，Coding Plan嘅MiniMax M2.5已經係OpenClaw嘅預設模型之一。而家，佢哋將自己平台上嘅專家Agent，同OpenClaw呢個執行框架深度結合咗。

而家好多教學都講呢件新嘢有幾方便，唔使自己搞安裝，然後逐個步驟教大家點樣將Minimax版OpenClaw（之後叫MaxClaw）連接到飛書或者其他平台。

但我覺得，呢啲基本操作已經好成熟，隨便問嚇佢，佢就會一步步帶你完成。

所以我呢篇評測，更想帶大家睇嚇，

當MiniMax俾OpenClaw內置咗六套唔同嘅子智能體之後，我哋可以做到啲乜嘢——呢啲任務以前用OpenClaw單打獨鬥要搞一大輪先做到。

呢個都係OpenClaw從中階到高階嘅一步。

同一個入口（gateway）入面，我哋可以擁有多個唔同嘅Agent。佢哋共用同一套知識檔案同記憶系統，但各自有唔同嘅專業能力，調用緊唔同嘅API同工具。

PS：喺MaxClaw上，唔需要輸入額外API Key，同佢對話會按token消耗我MiniMax Agent平台上嘅積分。目前Coding Plan同Agent平台嘅賬號系統仲未完全打通，最低一個月39塊。

第一個，試嚇熱點追蹤。

我測試嗰陣，啱好係Nano Banana 2各種洩漏消息滿天飛嘅時候。雖然佢冇Grok同X API，但透過聯網搜索，MaxClaw成功幫我設定咗一個定時任務，追蹤相關嘅最新動態。

我仲叫佢做一個更複雜嘅批量任務，叫佢掃描X上所有關於OpenClaw嘅熱門使用案例——呢度嘅熱門我定義為like數大過100——然後分析出OpenClaw呢個詞通常會同邊啲關鍵詞高度關聯。

MaxClaw都成功俾咗結果。

切換Agent嘅過程好簡單，右上角一個設定掣，就可以喺唔同模式之間切換。

我切換嗰陣，睇到佢底層嘅設定檔入面，Agent嘅身份描述都轉咗。

跟住，我哋換到可視化助手。

我將之前從X下載落嚟嘅內容同漲粉數據，全部掟俾MaxClaw，想睇嚇佢可唔可以幫我做一個可視化嘅HTML儀錶板，然後俾啲關於內容創作嘅建議，例如我嘅粉絲增長情況，同埋有啲乜嘢選題有低粉爆款嘅潛力。

用咗frontend-design skills之後嘅視覺效果確係好，

仲直接俾咗選題建議我，

切換到生圖模式嗰陣，MaxClaw就默認我發出嘅所有描述都係生圖嘅需求。

我都順便試嚇佢嘅模型能力——雖然暫時唔知佢背後用緊邊個模型，但從出圖效果睇，質素都相當唔錯，達到Nano Banana嘅水平

之前我設定OpenClaw去聯網搜索訪問信息嗰陣，預設嘅Brave API要綁定信用卡，好多人喺呢步卡住咗。

MiniMax嘅解法係透過內置唔同嘅子智能體嚟做搜索聚合。啱啱我哋測試嘅圖像可以當成單一Agent。跟住落嚟兩個調研任務，就係多個Agent一齊合作嘅結果。

例如我叫佢做一份行業報告嗰陣，我以為佢第一輪輸出markdown格式嘅報告之後，任務就完咗。但佢仲有一個事實確認嘅環節。

喺第二輪對話入面，佢會有一個獨立嘅查證Agent，二次確認報告入面所有資訊係咪準確，然後將一啲佢覺得唔準確或者有可疑嘅資訊用紅色標出嚟。

之後追加做單一信源嘅可互動網頁效果都好唔錯，

如果MaxClaw目前內置咗六個使用場景，冇覆蓋到嘅話，仲可以去Agent嘅專家社區揾嚇。

而家已經有一萬個公開嘅Agent喇，我可以全部複製到個人空間，再進行二次優化。

呢度我揀咗一個我覺得好用嘅Agent，

OpenClaw Skill搜索器。

我首先叫佢幫我搜嚇，有冇可以下載YouTube影片，並將影片內容整理成電子書格式嘅Skill。

佢好快就話我知，現有嘅庫入面冇完全匹配嘅。但跟住，佢主動去GitHub上揾到相關嘅開源項目，然後自己動手幫我封裝咗一個全新嘅技能包檔案，仲做咗中英文兩個電子書版本。

我用一個大約二十分鐘嘅影片測試嚇效果。雖然翻譯嘅語言風格仲有少少口語化，

但如果冇時間睇長影片，而且仲係播客類畫面信息比較少嘅影片嚟講，完全夠用。

最後最後，

尋日突然彈出一篇來自2028嘅實驗報告，叫《2028，全球智能危機》。

佢描述咗一個因為AI技術摩擦力趨近於零，導致大規模經濟危機嘅未來。

呢樣令我諗到，

當好似MaxClaw呢啲即開即用嘅AI助手，將部署同使用嘅門檻幾乎降到零嘅時候，

真正嘅壁壘又會係乜嘢呢？

嗰啲喺技術發展早期，願意花時間去搞龍蝦，去精心調配佢哋記憶同技能嘅人，

我相信佢哋仍然會比其他人行先一步，

建立自己獨一無二嘅競爭優勢。

技術本身唔係終點，

我哋使用佢嘅方法先係。

結果MiniMax走了一條新路子。在OpenClaw剛出來的時候，Coding Plan的MiniMax M2.5就已經是OpenClaw的預設模型之一了。現在，他們把自己平台上的專家Agent，和OpenClaw這個執行框架，深度結合了起來。

目前很多教程都在說這個新東西用起來有多方便，不需要自己折騰安裝，然後手把手教大家怎麼把Minimax版OpenClaw（後面就叫MaxClaw了）連結到到飛書或者其他平台上。

但我覺得，這套基礎操作已經很成熟了，隨便問一下它就能一步一步帶你完成。

所以我這一篇的測評，更想帶大家看看，

當MiniMax給OpenClaw內置了六套不同的子智能體之後，我們能完成一些什麼樣過去單打獨鬥的OpenClaw需要配置一大輪才能完成的任務。

這也是OpenClaw從中級到高級的一步。

同一個入口（gateway）裏，我們可以擁有多個不同的Agent。它們共享同一套知識文件和記憶系統，但又各自擁有不同的專業能力，調用着不同的API和工具。

PS：在MaxClaw上，不需要輸入額外API Key，跟它對話會按token來消耗我MiniMax Agent平台上的積分。目前Coding Plan和Agent平台的賬號系統還沒有完全打通，最低一個月39塊。

第一個，來試試看熱點追蹤。

我測試的時候，正好是Nano Banana 2各種泄露消息滿天飛的時候。雖然它沒有Grok和X API，但通過聯網搜索，MaxClaw還是成功地幫我設置了一個定時任務，追蹤相關的最新動態。

我還讓它做了一個更復雜的批量任務，讓它去掃描X上所有關於OpenClaw的熱門使用案例，這裏的熱門我給它定義為點贊數要大於100，然後分析出OpenClaw這個詞，通常會和哪些關鍵詞高度關聯。

MaxClaw也成功地給出了結果。

切換Agent的過程非常簡單，右上角一個設置按鈕，就可以在不同的模式間切換。

我切換的時候，能看到它底層的配置文件裏，Agent的身份描述也發生了轉變。

接着，我們換到可視化助手。

我把之前從X上下載下來的內容和漲粉數據，全丟給了MaxClaw，想看看它能不能幫我做一個可視化的HTML儀表盤，然後給我一些關於內容創作的建議，比如我的粉絲增長情況，以及有哪些選題有低粉爆款的潛力。

用了frontend-design skills後的視覺效果確實好，

還直接給了我選題建議，

切換到生圖模式下MaxClaw就默認我發出的所有描述，都是生圖的需求。

我也順便嘗試了一下它的模型能力，雖然目前還不知道它背後具體接的是哪個模型，但從出圖效果來看，質量還是相當不錯的，能達到Nano Banana的水平

之前我配置OpenClaw去聯網搜索訪問信息時，默認的Brave API需要綁定信用卡，很多人都卡在了這一步。

MiniMax的解法是通過內置不同的子智能體，來做搜索聚合。剛剛我們測試的圖像，可以看作是單一的Agent。接下來兩個調研任務，就是多個Agent協同工作的結果了。

比方說當我讓它做一份行業研報時，我以為它在第一輪輸出markdown格式的報告後，任務就已經結束了。但它還有一個事實確認的環節。

在第二輪對話中，它會有一個獨立的查證Agent，來二次確認報告裏的所有信息是不是準確的，然後把一些它認為不準確或者存疑的信息，用紅色標了出來。

後面追加做單一信源的可互動網頁的效果也很不錯，

如果MaxClaw裏目前內置了六個使用場景，沒覆蓋到的話還可以去Agent裏的專家社區找一找。

現在已經有一萬個公開的Agent了，我都可以複製到個人空間，進行二次優化。

這裏我挑了一個我覺得好用的Agent，

OpenClaw Skill搜索器。

我先是讓它幫我搜一下，有沒有能下載YouTube視頻，並把視頻內容整理成電子書格式的Skill。

它很快就告訴我，現有的庫裏沒有完全匹配的。但緊接着，它主動去GitHub上找到了相關的開源項目，然後自己動手，幫我封裝了一個全新的技能包文件，還做了中英文兩個電子書版本。

我用一個二十分鐘左右的視頻測試了一下效果。雖然翻譯的語言風格還稍微有點口語化，

但如果沒時間看長視頻，而且還是播客類畫面信息比較少的視頻來說完全夠用了。

最後的最後，

昨天還突然跳出來了一篇來自2028的實驗報告，叫《2028，全球智能危機》。

它描述了一個因為AI技術摩擦力趨近於零，導致大規模經濟危機的未來。

這讓我想到，

當像 MaxClaw 這樣即開即用的 AI 助理，把部署和使用的門檻幾乎降到零的時候，

真正的壁壘又會是什麼呢？

那些在技術發展的早期，願意付出時間去折騰龍蝦，去精心調配它們記憶和技能的人，

我相信他們仍然會比其他人先走一步，

構建起自己獨一無二的競爭優勢。

技術本身不是終點，

我們使用它的方式才是。