AI Agent Minihub
通用 AI Agent 工作台
一款轻量级、通用的 AI Agent 平台。充当你与大模型之间的中间层服务， 把复杂的 API 调用、工作流编排和模型调度封装在底下， 你只用自然语言，就能创建、管理和运行自己的 AI Agent。
连接用户与大模型的轻量级中间层服务
它不是一个应用，也不是一个开发框架 —— 它是跑在中间的那一层
一个 Windows 桌面应用，支持自然语言交互。不写代码，不配环境，装完就能用。
封装底层复杂的 API 调用、工作流编排与模型调度，对上只提供一个统一接口。 上面那层不需要知道底下接的是哪家的模型、哪家的 API。
对接各类开源及闭源大模型，负责底层的算力调度与内存管理，为上层提供稳定的智能支持。
AI Agent Minihub 是通用平台，本身不绑定任何行业。 JSTAI 律师助手（产品 04）是构建在这个基座上的第一个垂直工作流 —— 同一套网关、同一个模型层，换一组技能，就是另一个专业场景。 两者在官网上是两个独立产品，不要混着理解。
看看第一个落地工作流 →AI Agent 正从概念验证走向大规模商业化落地
它不是又一个聊天机器人，而是连接大模型和实际应用的那座桥
以上市场数据引自 JSTAI AI Agent Minihub 商业计划书（2026）。
想用 AI Agent，卡在这四道门槛上
不是不想用，是用不起来
-
01开发与操作门槛高
- 编程壁垒：主流框架需要扎实的编程基础，学习曲线陡峭
- 部署复杂：要配 Docker 等环境，大量普通用户直接被劝退
-
02多模型协同困难
- 接口混乱：各模型 API 格式不一，适配与维护成本高
- 能力错配：难以根据任务智能组合模型，协同效率低
-
03成本与可靠性失控
- 成本黑洞：自主循环调用导致 API 费用不可控飙升
- 结果不可控：LLM 幻觉让关键业务场景缺乏可靠性
-
04数据隐私与安全风险
- 云端担忧：敏感数据上云存在泄露风险，合规性差
- 本地部署难：私有化大模型的部署、管理与集成门槛高
一个基座上，把 Agent 真正用起来
从对话里造 Agent，到把流程固化，再到接上你本地的代码库
通过对话式界面定义角色与目标，支持可视化的多 Agent 集群管理。
拖拽式构建复杂任务链，支持「调研 → 撰写 → 生成」等自动化流程编排。
无缝集成文生文、图、视频能力，后台智能调度最优模型完成创作。
支持超长上下文记忆，提供连贯的多轮对话体验，打造专属的个人知识库与智能助理。
辅助代码生成、调试与重构，可连接本地代码库，实现从文档到部署的自动化开发闭环。
高内聚，低耦合 —— 每一层都能单独换掉
换模型不换应用，换应用不换模型
接入层 Access Layer
提供友好的 Windows GUI 交互界面，降低用户操作门槛。
网关层 Gateway Layer
统一负责身份认证、智能路由、会话管理及全局流量控制。
核心层 Core Layer
集成 Agent 运行时环境、智能任务调度器与长短期记忆系统。
技能层 Skill Layer ← 专业工作流在这里二次开发
可插拔的功能模块设计，通过简单配置即可动态扩展 Agent 能力。 上面 04 层的技能模块跑在它提供的运行时上，底下的网关、调度、模型全部复用 —— 这就是「一个基座，很多工作流」在架构上成立的原因。
模型层 Model Layer
统一封装接口，无缝对接主流云端 API 与本地私有化大模型。
双模融合：云端与本地协同
不是又一个应用，是所有专业应用的跑道
技能层可插拔 = 新增一个专业场景，不用重建一次产品
同一套网关、同一套调度、同一套模型管理。
换的是技能层，不是整个产品。
你现在在产品 02 · AI Agent Minihub（通用基座）。 产品 04 · JSTAI 律师助手 讲的是法律场景具体怎么落地 —— 案卷 OCR、18 类脱敏规则、428 项真测试那些，都是工作流层面的事，不是基座层面的。 平台页讲「凭什么能长出这些」，产品页讲「长出来的那个具体是什么」。
→ 去产品 04 看律师助手在巨头环伺中，我们卡的是「平台层」这一格
开发层、应用层都有人了，缺的是能落地的中间层
自主探索能力强，但执行结果难以预测，适合个人娱乐与轻量探索。
低代码门槛，企业级稳定可靠。效率与风险之间取平衡，这是我们的核心卡位。
处于理论验证阶段，配置复杂，仅适用于实验室环境，无商业落地价值。
高度灵活，支持深度定制，但需要深厚的开发能力，使用门槛极高。
把「能定制」和「能交付」这两件事同时做到
相比 LangChain 的编程要求和 AutoGPT 的混乱操作，我们提供图形化、对话式的 Agent 创建方式，极大降低使用门槛。
专为生产环境设计，具备完善的错误处理、状态管理和可观测性体系，避免传统 AutoGPT 方案不可预测的问题。
作为 Windows 桌面应用，充分利用 AI PC 的本地算力，支持本地大模型私有化部署，解决企业最关心的数据隐私问题。
提供统一接口管理所有线上 API 和本地私有模型，用户无需关心底层技术差异，真正实现「连接一切」的模型调用体验。
同样的结果，少踩四道坑
把「通用做法」和「用 Minihub」放在一起比
| 维度 | 通用做法 | 用 AI Agent Minihub |
|---|---|---|
| 操作复杂度 | 需学习多种 API，在不同平台间频繁切换操作 | 基于统一界面，支持自然语言交互，操作零负担 |
| 技术门槛 | 需要掌握专业编程技能，环境配置与部署困难 | 零代码 / 低代码操作，支持一键安装即用 |
| 数据安全 | 依赖云端服务处理，存在敏感数据泄露的风险 | 支持本地模型运行，确保核心数据不出本地 |
| 成本控制 | 频繁调用昂贵的商用 API，长期使用成本易失控 | 精细成本监控，配合灵活的模型选择策略 |
| 工作效率 | 任务步骤繁琐，需手动执行，整体流程割裂 | 构建自动化工作流，效率实现指数级提升 |
订阅制为核心，生态为增量
按用户层级分档，再用插件市场把长尾场景交给生态
免费或极低月费门槛
- 快速获取海量用户
- 构建产品基础流量池
中等月费模式
- 解锁高级功能
- 满足专业人士与小型协作团队
按席位计费的年费订阅
- 支持私有化部署与定制开发
- 服务大型企业客户
开放核心 API 接口，允许第三方开发者入驻开发垂直领域功能插件，平台从中抽取收益分成。这正是「技能层可插拔」在商业上的落点。
作为流量分发枢纽，当用户通过平台调用第三方付费 API 时，获取基于调用量的返点与折扣。
· A · 按账号：¥XXX /年 /账号（个人律师）
· B · 按席位（推荐）：¥XXX /年 /席（3-30 人中小律所，含协作 + SLA）
· C · 按案件量：¥XX /件（大量重复处理场景）
数字都是「¥XXX」占位，等爸爸拍板具体定价。
商业计划书与律所版项目说明文档
这一页是平台本身的完整说明。想投屏讲平台、或者发给合伙人，走商业计划书； 想给律所客户讲法律场景怎么落地，走律所版项目说明文档。
想聊聊平台合作、插件入驻或者私有化部署？
AI Agent Minihub
通用 AI Agent 平台基座 · 各种专业工作流在这个基座上二次开发
平台合作
- 产品演示预约
- 平台方案咨询
- 价格方案沟通
生态共建
- 插件市场入驻
- 垂直工作流共建
- 技术接口对接
技术支持
- 私有化部署咨询
- 实施交付支持
- 售后服务响应
一个基座，长出你自己的专业工作流
先看商业计划书，或者直接去产品 04 看第一个落地案例