你们应该经常看到我提到Minis这个手机端的 Agent，今天写一下关于它的详细介绍。
* *
用过电脑端各种 Agent 的用户，应该对 Agent 很清楚，它需要你给予一定的权限才能做更多的事情，手机端也是一样，但是手机端天生有限制。所以大部分人往往是通过手机的通信工具来调用其他电脑或者云端的 Agent 来做事情。
但 Minis 不是。它自己就是一个完整的 Agent 客户端，当然你不能指望它内置一个很完整的系统来完成所有的事情，但它已经是目前我用下来，手机上最好的独立 Agent。
* *
为什么说它是"最好"
这个最好，代表它的体验和电脑端区别很小，而且拥有足够高的自由度，甚至你们应该知道，我的大部分 Skill 直接就是用 Minis 做的。它做出来的东西编码很规范，不像我在 Windows 上的 AutoGLM 里做出来，还要解决很多编码问题，以至于我都把规范直接写进了Tools.md里。
* *
基本信息
Minis 的全称是OpenMinis，支持 iOS 和 Android：
iOS— 权限受限
Android— 几乎可以完全操控你的手机
它支持几乎所有的模型端点，无论是 API、OAuth 还是各种 Coding Plan，自由度非常高。根据你的需要，Anthropic 和 OpenAI 的协议也可以兼容。少部分的 Coding Plan 无法拉取模型列表，你需要自行添加模型名称（比如火山方舟）。
* *
内置 Alpine Linux 环境
Minis 内置完整Alpine Linux环境，因此 Minis 可以直接在你的手机上：
编写并执行脚本
管理环境
安装依赖
内置终端支持的语言和工具
| 环境 | 状态 |
| — | — |
| Python | 完全支持，推荐用 uv 管理依赖 |
| Node.js | 部分支持 |
| Go / Rust | 支持 |
| FFmpeg | 内置，支持硬件加速 |
Minis 也内置浏览器功能，可以访问网站、填写表单、提取网页内容、直接截取网页图像等。
有时候你在电脑上访问网络，Agent 会告诉你"这个读不了""那个无法解析"，在 Minis 上我几乎没遇到过——遇到读不了的它会直接滚动截图。
* *
OCR 与视觉识别
对 Minis 来说，OCR 根本不是个问题，因为它可以直接调用 iOS 上苹果原生Vision 框架，而这个功能有多方便，用苹果手机的应该深有体会。
这使得你根本不需要 OCR 模型，就可以直接提取图像中的文本信息。
当然，如果你要用来看照片的内容，那还是建议有多模态模型的，原生 Vision 框架做这个还是不行的。
* *
Key 管理与 Token 统计
大家对于 Agent 有很多不放心的地方在于各种 Key，Minis 会在环境变量里集中管理，当然你也可以写在 Skill 的某些文件里但是不建议。
好的模型，会告诉你不要把各种 Key 在会话窗口里给它，而是直接给你一个可以点击的链接让你把 Key 写进环境变量。
Minis 自带 Token 用量计算，可以直观地看到你用的模型消耗量。不过分类不是很细，所有走 OpenAI 协议的都会放在一起。
* *
记忆模块：Soul.md + Global.md
之前的 Minis 版本里，记忆模块是混在一起的，也就是除了Memory.md，只有一个Global.md用来给 Agent 注入人设和各种你需要的东西。
不过最近的更新，新加了一个Soul.md，而且在主菜单里也有独立的按钮可以点进去。这样，Global.md就可以单独用来当Tools.md使用。
Minis 很喜欢主动记录记忆，但凡你和它聊得投入一些，它就会主动记下来，这点甚至比很多第三方的记忆模块做得更好。
* *
Skill 与 MCP
Skill 这块没什么好多说的，有一些内置的，大部分 Skill 都可以自己通过 URL 或者文件形式装，或者让模型帮你装也可以。
最近的更新支持了MCP，所以 Minis 现在的功能已经很完善，除了 iOS 系统本身的限制以外，几乎不会让你感到什么瓶颈的存在。
* *
输出文件与会话导出
Minis 因为运行在完整的 Alpine Linux 环境里，因此它产生的输出文件需要你自行保存到自己的文件目录里去，不麻烦，就是多一个步骤而已。
每个会话拥有独立的文件系统，挂载在 Linux 环境的 /var/minis/ 下，按命名空间组织：
minis://workspace/ — 工作文件、脚本、数据
minis://attachments/ — 图片、音频、视频
minis://browser/ — 浏览器截图和提取内容
minis://offloads/ — 大型工具输出
说到这里，就必须要提一个很重要的功能——导出会话记录。
原始的完整会话记录，即使在电脑上，都不是所有的智能体可以直接保存和导出的。我在不支持导出的 Agent 里，往往会消耗不少 Token，让模型帮我导出逐字可读的 md 文件，而且有些很笨的模型还不乐意，非要我完整地告诉它：
"你就在这个会话窗口，你能看到所有对话记录，帮我导出逐字可读的 md 文件。"
才行。
Minis 不需要。它虽然不支持直接导出 md 记录，但是长按某一个会话，可以直接导出JSON和纯文本格式。尽管对人类来说可读性不咋地，但是给 AI 读完全没问题。
每一个会话，你不光可以重新编辑标题，还能重新设置新的图标，方便你归类和查找。
* *
斜杠命令与会话管理
Minis 支持斜杠命令，虽然它可能列出来的斜杠命令不是很全，但实际上很多是支持的，你需要自己尝试，看看你常用的命令它是不是可以正确执行。
有的人可能会问：模型的思考强度有没有地方设置？有的，也在斜杠命令里。
另外在会话窗口里，如果你对模型的输出不满意，可以长按自己刚才发送的信息，选择编辑或者重试，模型就会重新输出，这一点甚至比很多电脑上的 Agent 都方便。
* *
会话窗口的更多功能
每一个会话窗口里右上角的小点里，还有很多功能：
终端
浏览器
记忆
……
其中最有用的在我这里，是会话中的 Skill，这可以让我直接选择在这个会话中哪些 Skill 是需要使用的，避免 Skill 太多、加载超长的上下文。
每一个会话还能查看独立的 Token 消耗。
我觉得，Minis 具备的功能，甚至值得很多国内大厂好好学习一下。
* *
模型分组：Minis 的核心逻辑
Minis 对于模型的管理有一个很特别的设置，这个设置有它自己的逻辑，而这个逻辑是你在使用 Agent 的时候，需要了解一下的。
子 Agent，以及让 Agent 输出图像、声音、视频，都在这个逻辑里——这就是模型分组功能。
* *
分组设置
你可以自由地设置模型分组，比如我的设置就是：
所有的绘图模型放在一个组里
音频生成模型再放一个组里
这和管理 AI 服务商有不同之处。
管理 AI 服务商里，你可以对每一个模型单独进行设置。比如你知道Agnes Image 2.1 Flash是图像模型，你需要把图像输出能力给点开。
⚠️ 这很重要，因为这影响到你后面在模型分组里，Agent 能不能使用这个模型具备的能力。
* *
minis-model-use命令
在会话窗口中，当你需要 Agent 生成图像、音频以及视频的时候，Minis 是通过minis-model-use这个命令来进行模型调用的，所以你不可能把主模型设为一个图像模型。
那么当你知道你在这个会话窗口里要做些什么事情之前，就要在模型分组 → 智能体循环中可用模型里，把你需要用到的模型加进去。
我的建议是：
把你最常用的文本、多模态、图像生成、音频生成、视频生成都放进去。
这样，会话中当你想让模型生图的时候，它就会用minis-model-use这个命令调取可用模型进行生成。如果智能体循环中可用模型里没有，你就无法使用生图这个功能。
* *
模型标签
另外还需要注意的是，确保模型后面带有正确的标签，这个标签，就是你在管理 AI 服务商里所设置的模型能力开关。
| 标签 | 含义 |
| — | — |
| img | 支持图像读取 |
| img-out | 支持图像生成 |
| audio-out | 支持 TTS 或者 Music（音频输出） |
如果这些标签没有，即使模型支持，Minis 也会报错，告诉你生成不了。
所以你需要清楚地知道模型到底支持什么模态的输入和输出，就像某些模型你需要手动把上下文长度拉满一样。
* *
模型路由
很多人会问：Minis 有模型路由功能吗？
有的。就是在模型分组里，你可以专门开一个分组，叫做「路由」。然后把多个模型都放在里面。当然它不能根据任务的难易程度来匹配模型，但它可以确保在任务中始终有模型可用而不会打断工作进程。
路由和回退策略根据你的需要自行选择，比如：
顺序加载调用
负载均衡
* *
子 Agent
还有人会问：Minis 支持子 Agent 吗？比如需要启用对抗式审查的时候。
有的兄弟。只不过 Minis 不是那种明面上的子 Agent，而是同样自动使用minis-model-use这个命令，在后台拉起一个你分组里预先放好的模型进行使用——等跑完了再在当前会话窗口里给你输出。
* *
总结
现在，我说了这么多了，你有没有觉得，在手机这个小东西上，Minis 是不是一个几乎完全体的 Agent 呢？
它不是像前几天 OpenClaw 那样，只是给手机做了个通信工具；也不像你在微信、钉钉、飞书里那样给远程的 Agent 下命令。
Minis 是你真正意义上，带回家的那个聪明的实习生，它就是住在你手机上的 Agent。
如果你开启了后台保活，那么也并不需要时刻盯着它，它干完了，自然会弹窗提醒你。
信我，你想回家继续干点活儿，不应该用通信工具去指挥那个远在天边的子牛马。而是应该直接把你的手机，变成牛马。
