MiniMax Code团队揭秘:95%代码由AI写,审阅成本反而更高
在 MiniMax Code 研发负责人 Ronny 的团队里,95% 以上的代码,甚至文档,都可能由 AI 完成初稿。写完之后,还会有多个 Agent 参与 review。但 AI 写得越快,并不意味着人就能越轻松。比如你的 Personal Agent,它的上下文需要有人长期维护:功能需求需要你管理,开发任务需要你
在
MiniMax Code 研发负责人 Ronny 的团队里,代码甚至文档的初稿,95% 以上都可能交给 AI 完成。写完之后,还会由多个 Agent 参与 Review。不过,AI 写得越快,人并不一定越轻松。
比如你的
当越来越强的 AI 已经能够主动进化,下一步它该帮人接过什么事情?在 Ronny 看来,一个真正有价值的 Personal Agent 要回答的正是这个问题。
这些话出自 2026 第二届
AI 代码写得越快,人的审阅就越重要
特工宇宙:你们团队自己在用 MiniMax Code 吗?内部开发它的时候,AI 和人的代码比例大概是多少?
Ronny:在用。在他看来,做 Agent 有一件事绕不开:得让 Agent 具备自己开发自己的能力,也就是软件层面的自进化。团队内部对此卡得很严。每个人在日常使用中一旦碰到产品不够顺滑的地方,就要动手把它改掉,让自己先当第一批用户。目前团队 95% 以上的代码,连文档算上,大概都出自 AI 之手。这当中还会拉上多个 Agent 来做 Review。
特工宇宙:那写代码这件事,是不是就变轻松了?
Ronny:写代码本身确实变得越来越简单。但变难的是另一件事:怎么样审阅、检查代码,并保证代码架构能长期维护。这里的成本越来越高了。AI 把代码的生产完全接过去了,但质量控制和架构决策的成本反而上来了。
模型能力在变强,但科学态度不能丢
特工宇宙:用 AI 做 Coding 有哪些坑?
Ronny:坑不少,可最要命的那个跟模型能力没关系,问题出在人身上。很多情形下,我们心里清楚要做什么,嘴上却讲不明白。所以头一步是先把意图跟 AI 说清楚,这跟人与人沟通一样,得来回磨好几轮。
我常用的一个
第二步,审方案。他看到不少人用 AI 时有个毛病:当甩手掌柜,需求一丢就不管了,等 AI 做完再来看结果。中间恰恰缺了一环:AI 拿出技术方案后,你得去审、去提意见,判断在眼下这个背景里哪个方案最合适,再把决策定下来。这一环很关键,不能全推给 AI。
第三步是控制交付的颗粒度。AI 动不动写出几万行代码,人根本没法看。在没有 AI 之前,这种情况也是不允许出现的。所以要保证以最小
每一次改动都单独打成一个 git commit,配上单元测试、回归测试和端到端测试,最小那一步跑通了才继续往下走,万一出问题也方便回退。
特工宇宙:模型能力越来越强,这些 Skill 以后会不会被模型直接内置进去?
Ronny:一定会。经典软件工程的那套范式本来就是公开的,数据和 RL 环境都到位的情况下,模型学得会。
不过现在不少开源榜单盯的只是一次性任务能不能做完,软件工程却不是一锤子买卖。我们看重的是能持续生长、持续维护的软件工程。
所以还是得靠 Skill 给 Agent 立一些护栏,让它别只把这个需求对付完,而是写出可扩展、好维护的代码。
特工宇宙:在做 MiniMax Code 的过程中,Harness 里哪一块最难啃?
Ronny:先解释一下 Harness 是什么。可以把它看成一个 Agent 循环,外面再套上工具、提示词和上下文管理。循环里面最需要治理的是
context
业界有段时间在聊用写代码的方式去编排工具,开源项目
我们的目标是在任务完成率不下降、甚至还能往上走的前提下,把 token 效率尽量做高,让人用更少的 token、更短的时间干完同样的活。为此我们在 MiniMax Code 上跑了大规模实验,业界主流的实现方案基本都试了一遍。
最后的结论是用 TypeScript 代码在
特工宇宙:为什么一再强调实验?
Ronny:因为 Harness 正在变成一门实验科学。有好 idea 不代表就一定要上,你得拿出足够系统的论据。我常跟团队说,做 Harness 要抱着做化学实验的态度。
写对代码之后,还要管好事情
特工宇宙:跟现在市面上比较多的 Coding 产品比,MiniMax Code 最大的特点在哪?
Ronny:做 Coding Agent 的人都在琢磨,怎么在大家已有共识的场景里做出点非共识的东西。眼下这类产品解决的还是最基础的问题——怎样一次性把代码写对。
还没解决的是,在软件工程的整个生命周期里,除了写代码,你还得管需求、在多个任务之间来回切换、做自己的任务管理,人脑的负担其实很重。
所以我们对 MiniMax Code 的理解是,它不只要帮人把代码写好,还要帮人把事情管好,有点像你工作和生活里的一个
特工宇宙:那人与人之间的协同呢?
Ronny:这是第二个层面。以后人与人之间的协同,本质上是你的 AI 和我的 AI 之间的协同。你用你的 Agent,我用我的 Agent,怎么让两个 Agent 坐下来讨论?
这需要一个新时代的协作空间。我们要做的是 AI 与 AI 之间通信的基建:按必要的方式共享文件、上下文和会话,让双方的 AI 都能把必要的信息带回去,往后甚至还要谈 Agent 与 Agent 之间的支付。
也是从这个角度看,AI 如果只 for 工作、只 for 代码场景,人反而会更累,感受不到这个时代因为 AI 变好了。
Personal Agent 的价值,就是让 AI 贴近生活,让人真真切切觉得这个时代因为 AI 变得更好。
最开始大家用的是 ChatGPT、豆包这样的 人通过
对谈现场就是这样一种状态:彼此看得见、听得见,也能自自然然把自己的想法讲出来。在他看来,未来的 AI 参与交流,也该是这副样子。
软件终局是为每个人定制
特工宇宙:模型进步这么快,Harness 还有存在的必要吗?
Ronny:模型越强,Harness 会越薄,也会越来越标准化,但它不会没了。它干的是把模型和物理世界接起来的活。你不能说给你一颗好 CPU,你拿着它就能直接写代码,总得有块主板。
主板有了,内存条能插、外设能接,再套个机箱,一台电脑就成了,这是个能扩展的结构。Harness 在我看来就是这块主板,有了它,谁都能来 DIY。
特工宇宙:现在
Ronny:
我理想中的那种自我进化,还是得靠
MiniMax 的
正反馈,我们加把劲;负反馈的反方向其实也是正反馈,这块我们照样去做。
特工宇宙:对普通人来讲,这类 Coding 产品最后会变成什么样?会不会被几家公司瓜分掉?
Ronny:C 端市场这边,我们离 AGI 还差得特别远。大家觉得这几个月东西发展得特别多,可我常说,序章可能连第一页都没读完,这个阶段做什么预判都不会太准。
往后 Harness 会形成一定的行业标准和共识,跟 Windows、Linux 那样,开源的和闭源的并存,大家在开源上一起建,也会有基金会来维护。
一家公司要是奔着 AGI 去,想让 AI 落到每个人手里,就得在这件事上一直投入、一直探。
该标准化的,就让它标准化。我记得 23 年那会儿,大家一窝蜂地想让模型稳定吐出结构化数据:XML、HTML、YAML 轮着上,再配各种校验器,开源项目冒出来不少。
后来这事被模型靠训练解决了,输出变得又稳又标准。如今它已经是底层能力,我们在它上面搭了大量的
特工宇宙:今年 2 月大家还在聊 chatbot,
Ronny:Work Agent 和 Coding Agent 我觉得不该拆开。
上一个时代,人们拿编程语言和代码把工作重新造了一遍,所以 Coding Agent 本身就是 general purpose Agent 的底座。Work Agent 没必要另起炉灶,顺着这个底座走进具体的行业和场景就行。
至于 Mini App
两边是互相的:Agent 能操作 Mini App;Mini App 也能借底层能力建起或管理 Coding Agent 的 session,调本地 Agent 的能力,打理自己的工作和生活。
特工宇宙:能举几个具体例子吗?
Ronny:可以。
有个同事完全不会写代码,花不到一个下午,就用 MiniMax Code 做出了一个能连手机使用的 Agent。放在过去,做法是一小拨产品经理去代表一大群人的需求,先把产品做出来。
如今的路子不一样了:一小波人负责搭台,剩下的交给各自的 AI 去满足自己的需要,个性化落到每个人头上。软件也不该再按某个行业来定做,而该为一个人单独定做。
Ronny 从一线 Agent 负责人的角度,谈了谈什么才算有价值的 Personal Agent。
仅仅让代码写得快一些,这样的 Agent 还差得远。AI 眼下已经能写代码、能参与 review,可它还得再往前迈一步——摸清你的工作习惯,替你管需求、切任务、盯进度。
它接过去的,是那些既耗神、又不该全压在一个人身上的事。该拍板的时候还是人来拍板,只不过不用每件事都自己盯着。
让 AI 多干一些,让人少操一些心,这才是 Personal Agent 的价值所在。
- 完 -