同事：“你怎么不盯着 AI 干活了？” 我：“我让 Agent Team 互相盯着” 他：焚决教出来！

📌 一句话摘要

本文通过实战案例，详细介绍了 MiniMax Mavis 的 Agent Teams 功能，展示了多 Agent 协作模式如何通过 Leader、Worker、Verifier 的分工与对抗式验收，解决复杂任务中的质量与效率问题。

📝 详细摘要

文章从作者使用 AI 辅助开发时遇到的常见痛点切入——单 Agent 在长任务中容易上下文膨胀、前后矛盾、自我审查失效。随后介绍了 MiniMax 最新推出的 Mavis 桌面端产品，其核心功能 Agent Teams 将多 Agent 协作分为 Leader、Worker、Verifier 三个角色，通过 Team Engine 状态机驱动任务拆解、并行执行和对抗式验收。作者通过两个实战案例验证了该模式的效果：一是从自己的面试题网站自动抓取 74 道题并生成高频排行榜页面；二是构建一个全栈销售数据看板，后端 FastAPI、前端 React，包含完整测试和代码审查。在第二个案例中，Verifier 成功发现了前后端接口不匹配的问题并自动打回修复。文章还深入分析了 Agent Teams 背后的运行时基础设施、成本控制策略（上下文摘要、文件交接、状态机驱动）以及适用场景边界，强调多 Agent 协作的价值在于分工、验收和经验的持续积累。

💡 主要观点

1. Agent Teams 通过 Leader、Worker、Verifier 三角色分工，解决单 Agent 在复杂任务中的上下文膨胀和自我审查失效问题。 Leader 负责拆解任务和制定计划，Worker 负责执行，Verifier 负责验收。Verifier 与 Worker 是对抗关系，验收不通过自动打回修复，形成闭环，无需人工干预。
2. 对抗式验收是 Agent Teams 的核心设计，能有效发现跨模块的集成问题。 在销售数据看板案例中，Verifier 发现了前后端 API 端点和数据结构不匹配的问题，并自动生成 CycleReport 打回修复，避免了人工排查的麻烦。
3. Agent Teams 背后是一整套运行时基础设施，而非简单的提示词组合。 Team Engine 管理任务创建、消息传递、状态流转、权限控制和日志追溯，确保多 Agent 协作有序进行。提示词只能定义角色，系统层才能驱动协作。
4. Agent Teams 具备经验积累能力，每次任务后自动沉淀记忆和 Skill。 系统会自动更新 Agent Memory，记录踩过的坑和有效动作，下次遇到类似任务时自动应用，实现持续改进。

💬 文章金句

• 一个 AI 干所有的活，又当选手又当裁判，上下文越塞越满，质量自然顶不住。
• Worker 和 Verifier 是对抗关系。Worker 做完提交，Verifier 开始挑刺。Verifier 说不行，Worker 接着改。这个循环会一直跑，直到 Verifier 点头才停。
• 跟临时拉一群 Agent 群聊不一样，Agent Team 是有积累的。每跑一次，它都比上一次更熟一点。
• 提示词能解决的，只是「你是谁，你干啥」这一层。真要让一群 Agent 配合干活，更难的问题在后面。
• 有分工、有验收、有积累的方式，明显比盯着一个 Agent 闷头跑要靠谱得多。

📊 文章信息

阅读完整文章