一家 AI 公司,能不能用自己的 Agent 改造自己?

今天，一位行政同学来问我，怎样把 MiniMax Code 的桌面端和手机端联通起来，让它帮自己完成更多工作。

听到这个问题，我很高兴。某种程度上，它甚至比看到又一位研发同学用 MiniMax Code 提交 MR 更让我兴奋。

因为这说明，人们开始不再把 MiniMax Code 只当成一个帮助程序员写代码的工具。不同职能的人开始主动问：它能不能进入我的工作？我能不能把更多真实任务交给它？

先让自己的团队用起来

在 MiniMax Code 团队，我们有一个很直接的要求：每个人都应该尽可能使用 MiniMax Code 完成自己的工作。

研发同学用它编写代码、分析文档、提交 MR、完成集成测试；QA 用它编写测试用例，执行完整的 E2E 测试；PM 用它绘制原型、设计交互；设计和产品运营的同学，也在各自的工作里不断试探它的边界。

现在，这种使用正在走出产品和研发团队。于是才有了开头那位行政同学的问题。

我们这样做，不是为了得到一组好看的内部使用数据，也不是因为“自家产品必须自家用”。原因很简单：如果 MiniMax Code 的开发团队自己都无法依赖它工作，我们就很难知道它离一个可靠的 Agent 产品还有多远，更不可能要求外部用户把重要任务交给它。

内部使用当然也有盲区。我们比普通用户更熟悉产品，更能容忍不成熟的地方，MiniMax 内部的工作流也不代表所有公司。但如果连第一手的真实使用都没有，很多问题只靠访谈和指标是看不见的。

所以我越来越觉得，Agent 团队的第一项任务，是先用自己的产品改造自己。

这也让我开始思考一个更大的问题：一家 AI 公司，能不能使用自己的模型和 Agent，完成对自己的改造？

从“托举”到“自举”

今天，国内大多数 AI 团队可能还处在一种“托举”状态。

许多公司使用 Codex、Claude Code 等外部 Agent 编写代码、研究问题、设计产品，再用这些能力迭代自己的产品和模型。这是非常有效的生产方式，也是所有公司都应该充分利用的技术红利。

但从另一个角度看，此时公司的 AI 生产力，仍然建立在另一家公司提供的模型、产品和工作流之上。我把这种状态称为“托举”。

与之对应的是“自举”：一家公司开始使用自己的模型和 Agent，服务研发、测试、设计、HR、IT、行政、媒体运营、舆情分析等真实工作，并在这些工作中不断发现问题、积累反馈，再把反馈送回产品和模型。

自举不意味着关起门来、拒绝所有外部产品。最好的工具仍然应该被使用。区别在于，公司的核心 AI 生产力和学习闭环，是否掌握在自己手里。

如果一家公司只是要求所有员工登录自家产品、提高活跃度，那仍然只是大规模 dogfooding。

自举要形成一个循环：自己的模型和 Agent 进入真实工作，真实工作暴露能力缺口，这些缺口进入产品、评测和模型迭代，变强后的 Agent 再去承担更复杂的工作。

这个循环每转一圈，产品会更强，组织也会改变一点。

我会用几个很直接的问题来判断自举是否正在发生：Agent 是在提供建议，还是能交付最终结果？如果停掉它，核心工作流会不会明显变慢？内部遇到的失败，能不能进入产品和模型的迭代？权限、安全、审计和责任边界，是否足以让人放心地把重要任务交给它？

比起登录人数和调用次数，我更关心有多少高价值任务，已经从“人来执行，AI 偶尔辅助”，变成“人定义目标和约束，Agent 执行，人处理例外并承担责任”。

从公开材料来看，OpenAI 和 Anthropic 可能是目前最接近这种状态的两家公司。

显示，Codex 已经成为其各部门主要使用的 AI 工具，使用范围也从工程扩展到法务、财务和招聘。则覆盖了数据、产品、安全、设计、增长营销和法务等团队。

外部很难判断它们走到了哪一步。不过从这些公开案例里，已经可以看到同一个方向：AI 公司正在把自己的 Agent 放进自己的生产系统。

我认为，这会成为 AI 公司接下来的一道分水岭。

模型能力、产品体验和商业化当然仍然重要。但还有一种差距会逐渐显现：谁能更快地用自己的 Agent 改造组织，谁就能用更少的沟通和重复劳动完成更多事情；而组织里产生的海量真实任务，又会反过来帮助它做出更好的 Agent。

这个循环一旦转起来，差距会越拉越大。

这也是我现在理解 MiniMax Code 的方式。

我们首先要做出一个足够好、足够可靠的 Coding Agent。但 Code 不只是一个垂直场景，它很可能是组织自举最适合率先发生的地方。

软件研发的上下文高度数字化，任务可以执行，结果可以通过测试和 Review 验证。从需求、编码、测试到发布，它的反馈链路也比许多知识工作更完整。软件还连接着公司的大部分工作。一个不会写代码的行政、HR 或运营同学，也可以借助 Agent 为自己构建工具、处理数据、连接系统。

所以，当行政同学问我怎样联通 MiniMax Code 的桌面端和手机端时，我其实听到了两个问题。一个是产品该怎么设计，另一个是：没有工程背景的人，能不能同样清楚地表达目标、调用工具，并拿到可以信任的结果？

对我来说，MiniMax Code 团队是开发者，也是第一批用户。我们要先让自己的研发、测试、产品、设计和运营真正离不开它，再把其中有效的方法扩展到更多团队。

这件事比做出一个功能更多的 Coding Agent 难得多，但也有意思得多。

我很想找到一群对这件事真正兴奋的人。

你可能关心模型、Agent Runtime、工具系统、评测和 Coding Agent，也可能更关心产品体验，以及 AI 进入真实组织之后，人和软件应该怎样重新分工。

我们面对的许多问题都没有标准答案：Agent 应该获得多大的权限？怎样知道一项工作真的完成了？怎样把一个团队的经验变成其他团队也能复用的能力？当执行成本持续下降，产品和组织应该怎样重新设计？

如果你也想亲手回答这些问题，欢迎来找我聊聊。

MiniMax Code 是我们的起点。我们想从这里开始，试着让一家 AI 公司真正用自己的 Agent 改造自己。