结果MiniMax走了一条新路子。在OpenClaw刚出来的时候，Coding Plan的MiniMax M2.5就已经是OpenClaw的预设模型之一了。现在，他们把自己平台上的专家Agent，和OpenClaw这个执行框架，深度结合了起来。
目前很多教程都在说这个新东西用起来有多方便，不需要自己折腾安装，然后手把手教大家怎么把Minimax版OpenClaw（后面就叫MaxClaw了）链接到到飞书或者其他平台上。
但我觉得，这套基础操作已经很成熟了，随便问一下它就能一步一步带你完成。
所以我这一篇的测评，更想带大家看看，
当MiniMax给OpenClaw内置了六套不同的子智能体之后，我们能完成一些什么样过去单打独斗的OpenClaw需要配置一大轮才能完成的任务。
这也是OpenClaw从中级到高级的一步。
同一个入口（gateway）里，我们可以拥有多个不同的Agent。它们共享同一套知识文件和记忆系统，但又各自拥有不同的专业能力，调用着不同的API和工具。
PS：在MaxClaw上，不需要输入额外API Key，跟它对话会按token来消耗我MiniMax Agent平台上的积分。目前Coding Plan和Agent平台的账号系统还没有完全打通，最低一个月39块。
第一个，来试试看热点追踪。
我测试的时候，正好是Nano Banana 2各种泄露消息满天飞的时候。虽然它没有Grok和X API，但通过联网搜索，MaxClaw还是成功地帮我设置了一个定时任务，追踪相关的最新动态。
我还让它做了一个更复杂的批量任务，让它去扫描X上所有关于OpenClaw的热门使用案例，这里的热门我给它定义为点赞数要大于100，然后分析出OpenClaw这个词，通常会和哪些关键词高度关联。
MaxClaw也成功地给出了结果。
切换Agent的过程非常简单，右上角一个设置按钮，就可以在不同的模式间切换。
我切换的时候，能看到它底层的配置文件里，Agent的身份描述也发生了转变。
接着，我们换到可视化助手。
我把之前从X上下载下来的内容和涨粉数据，全丢给了MaxClaw，想看看它能不能帮我做一个可视化的HTML仪表盘，然后给我一些关于内容创作的建议，比如我的粉丝增长情况，以及有哪些选题有低粉爆款的潜力。
用了frontend-design skills后的视觉效果确实好，
还直接给了我选题建议，
切换到生图模式下MaxClaw就默认我发出的所有描述，都是生图的需求。
我也顺便尝试了一下它的模型能力，虽然目前还不知道它背后具体接的是哪个模型，但从出图效果来看，质量还是相当不错的，能达到Nano Banana的水平
之前我配置OpenClaw去联网搜索访问信息时，默认的Brave API需要绑定信用卡，很多人都卡在了这一步。
MiniMax的解法是通过内置不同的子智能体，来做搜索聚合。刚刚我们测试的图像，可以看作是单一的Agent。接下来两个调研任务，就是多个Agent协同工作的结果了。
比方说当我让它做一份行业研报时，我以为它在第一轮输出markdown格式的报告后，任务就已经结束了。但它还有一个事实确认的环节。
在第二轮对话中，它会有一个独立的查证Agent，来二次确认报告里的所有信息是不是准确的，然后把一些它认为不准确或者存疑的信息，用红色标了出来。
后面追加做单一信源的可互动网页的效果也很不错，
如果MaxClaw里目前内置了六个使用场景，没覆盖到的话还可以去Agent里的专家社区找一找。
现在已经有一万个公开的Agent了，我都可以复制到个人空间，进行二次优化。
这里我挑了一个我觉得好用的Agent，
OpenClaw Skill搜索器。
我先是让它帮我搜一下，有没有能下载YouTube视频，并把视频内容整理成电子书格式的Skill。
它很快就告诉我，现有的库里没有完全匹配的。但紧接着，它主动去GitHub上找到了相关的开源项目，然后自己动手，帮我封装了一个全新的技能包文件，还做了中英文两个电子书版本。
我用一个二十分钟左右的视频测试了一下效果。虽然翻译的语言风格还稍微有点口语化，
但如果没时间看长视频，而且还是播客类画面信息比较少的视频来说完全够用了。
最后的最后，
昨天还突然跳出来了一篇来自2028的实验报告，叫《2028，全球智能危机》。
它描述了一个因为AI技术摩擦力趋近于零，导致大规模经济危机的未来。
这让我想到，
当像 MaxClaw 这样即开即用的 AI 助理，把部署和使用的门槛几乎降到零的时候，
真正的壁垒又会是什么呢？
那些在技术发展的早期，愿意付出时间去折腾龙虾，去精心调配它们记忆和技能的人，
我相信他们仍然会比其他人先走一步，
构建起自己独一无二的竞争优势。
技术本身不是终点，
我们使用它的方式才是。
粤ICP备14082021号
免费POC，
零成本试错
