MiniMax 今日发布桌面 Agent 两项更新：Pocket 功能（Beta）和 Computer Use 正式上线。
核心功能
- Pocket：接入飞书、微信、企业微信、Slack 等主流即时通讯工具。用户通过手机发送指令，Agent 在其电脑上完成任务并将结果回传。
- Computer Use：使 Agent 具备视觉感知能力，可操作鼠标键盘，直接处理本地软件、系统设置和图形界面任务。
技术架构
MiniMax 将桌面操作拆分为四个核心工具域：
- Desktop Control：截图、鼠标键盘输入。
- Window Manager：窗口管理与应用启动。
- Browser Engine：DOM 操作与 CSS 选择器。
- Clipboard：剪贴板读写。
结合各平台 CLI 及 Bash 工具，共集成 60+ 个工具。
执行与安全
- 视觉感知：Agent 输出相对坐标，系统自动换算为屏幕实际像素，确保在不同分辨率显示器上操作精度一致。
- 验证机制：每步执行后自动截图验证，失败时尝试替代方案（如用快捷键代替点击），多次失败则主动报告卡点。
- 权限管理：执行删除文件等敏感操作前会暂停，并将确认请求推送至 IM 端等待用户授权。用户可随时发送指令中止任务。
