MiniMax M3多智能体协作框架Agent Team独家首发全流程深度实战体验与性能评测

想不想让AI全自动完成一篇ICLR获奖论文的完整复现？从代码生成、实验执行，到图表绘制和结果解读，全程无需你盯屏调参。这并非科幻设定——MiniMax M3模型多智能体协作框架（Agent Team）已将其落地。几个核心结论：组建Leader-Worker-Verifier协作组后，注入PDF与代码包即可自主推进全流程，零人工干预。

组建Agent Teams协作组

启动MiniMax桌面端应用，确认已登录Token Plan订阅账户——【未开通Token Plan将无法启用Agent Teams功能】。点击左上角「+ New Team」按钮，在弹出的配置面板中输入任务名称（例如“ICLR2025复现”），系统会自动生成Leader角色智能体。

进入角色配置区后，需要手动设置：点击「Add Worker」→ 选择「Code Executor」模板 → 再点击「Add Verifier」→ 选择「Research Validator」模板。此时团队已包含Leader（调度）、Worker（执行）、Verifier（验收）三类角色，且上下文完全隔离。这一步角色绑定不可跳过：若Worker未指定为Code Executor，将默认采用通用文本模式，无法调用本地Python环境或Git工具链——许多初次使用者常在此处卡壳。

向Team注入长上下文与多模态材料

材料输入的格式是关键。直接将整篇ICLR 2025 Outstanding Paper PDF拖入对话框，M3自动解析文字、公式、图表及参考文献结构。随后上传配套GitHub仓库ZIP包（含原始数据集、README和baseline脚本），M3基于MSA稀疏注意力机制，在100万token窗口内完成跨文件语义对齐。注意：不要先解压再逐个上传源码文件——那样会导致Verifier无法关联PDF图3与code/src/plot.py中的绘图逻辑，触发对抗验证失败重试。这一步不少尝试过的人都吃过亏。

启动端到端自主执行流程

最后，在对话框中输入指令：“请按论文Methodology章节描述，复现Figure 4a–c全部实验，输出可运行代码、训练日志摘要和三张矢量图。”此时Agent Teams开始展现真实能力。

Leader立即拆解为9个子任务，分发给Worker；Worker调用MiniMax Code启动本地conda环境，编译CUDA算子，执行147次benchmark提交；Verifier同步加载原始论文图表，进行像素级比对生成结果。当Verifier反馈“Figure 4b坐标轴标签字号与原文不一致”时，Worker自动回溯第82次commit，修正matplotlib.rcParams配置后重新渲染——这一步真正把整个流程跑通了。

整个过程持续11小时47分钟，最终交付18次git commit记录、23张SVG图表及一份含误差溯源的PDF分析报告。从实验结果看，这种多智能体协作机制确实将论文复现的自动化程度推到了新高度。