Minicor 选了一个不漂亮、但很值钱的切口：旧 Windows 桌面系统。

它不是在讲通用办公 AI，也不是让模型随便接管电脑。它盯住的是医疗、汽车、物流、金融里那些还要靠人点界面的老系统：EHR、ERP、DMS、PMS，很多没有可写 API，或者第三方访问被卡得很死。

这才是企业 AI 落地时最尴尬的一幕：模型可以总结、分类、生成，最后却写不回客户系统。流程断在一个旧窗口上。

Minicor 解决的是旧系统接线，不是通用办公自动化

Minicor 给自己的定位是 scalable desktop automations。按官网说法，它会先录制人工流程，再生成并维护自动化。执行环境包括 Windows VM、浏览器、on-prem、cloud 或 Citrix，也可以由外部 API 触发。

这句话翻译成人话：现代软件发一个 API 调用，背后由 Minicor 去打开老系统、点按钮、填字段、处理弹窗。

它真正服务的不是普通个人用户，而是两类人：

  • 想把 AI 或垂直 SaaS 卖进传统行业的软件公司；
  • 被旧系统锁住、还在靠人工搬数据的客户运营团队。

官网还宣称，Minicor 已在生产环境支撑每天 25,000 名 patients 的流程；点击准确率为 93%-96%，高于其所称其他方法的 80%-85%。这些数字目前只能按公司材料看，不能当作第三方验证。

但这个方向很现实。很多企业客户不缺 AI 演示，缺的是能上线的闭环。

问题Minicor 的说法更现实的含义
接什么系统无可写 API 的 EHR、ERP、DMS、PMS、桌面或 Web 系统接口最脏的地方，往往也是客户最离不开的地方
跑在哪里Windows VM、浏览器、本地、云、Citrix客户环境不会为新工具重做一遍
怎么触发API 调用触发桌面自动化把“人工点老系统”塞进现代流程
合规能力公司宣称 SOC 2 Type II、HIPAA、本地容器化部署医疗金融的入场券，不是锦上添花

对 AI 公司和垂直 SaaS 团队来说，这类工具的意义很直接：如果客户核心系统没有 API，团队要么自己写一堆脆弱脚本，要么延后交付，要么把上线范围砍小。

Minicor 想卖的，就是这段最难看的集成成本。

它和传统 RPA、纯 computer use agent 不一样

传统 RPA 的老问题是脆。按钮位置变了，字段名改了，多一个弹窗，流程就可能断。

写一个自动化不难。难的是跑几百个流程，跑几个月，跑到客户供应商偷偷改 UI 后还不炸。

纯 computer use agent 走的是另一条路。它更灵活，也更像今天 AI 圈爱讲的故事：让模型看屏幕、理解界面、自己决定下一步。

问题是，生产环境不喜欢“每次从零推理”。医疗、理赔、财务这类场景里，点错一次不是体验问题，是责任问题。

Minicor 的路线更克制：主流程用确定性代码执行，agent 只负责 UI 变化、异常弹窗、恢复和校验。官网还提到 reflection agent，会根据屏幕内容验证步骤，并在错误扩散前尝试纠正。

这不是把 AI 当万能操作员，而是把 AI 放到最适合它的位置：补洞、识别异常、做恢复。

路线优点硬伤Minicor 的取舍
传统 RPA可控、便宜、逻辑清楚UI 一变就容易断保留确定性主流程
纯 computer use agent灵活，能处理新界面稳定性和审计压力大不让模型每次从零决策
Minicor 式 AI-RPA主流程稳定，异常交给 agent仍要维护，不能零错误用 agent 做恢复和校验

这个拆法更像企业软件该有的样子。

“善战者无赫赫之功。”能卖进企业的 AI，很多时候不是台上那次神奇点击，而是后台一万次无聊操作不出事。

真门槛是维护、合规和失败处理

我更在意的不是 Minicor 能不能录一个流程。今天能点按钮的 demo 已经太多。

真正的门槛有三件事。

一是长期维护。旧系统不会因为你接了 AI 就变规矩。供应商更新 UI、客户权限调整、网络超时、弹窗变化、字段校验改动，都会把自动化拖进泥地。

Minicor 把 agent 放在“恢复”和“校验”的位置，是正确方向。但这不等于免维护。企业客户最终要看的，是平台能不能把维护成本压到比人工更低。

二是合规部署。医疗和金融客户不会轻易接受一个看不清边界的云端黑箱。官网提到 SOC 2 Type II、HIPAA、本地容器化部署，这些如果能稳定执行，才有采购意义。

这会直接影响团队动作。做医疗 AI、保险自动化、汽车经销商软件的公司，短期更可能把这类平台当作集成层试点，而不是马上迁移核心流程。采购也会先卡安全审计、部署方式、日志留存和人工接管。

三是错误成本。93%-96% 的点击准确率听起来不低，但在高频流程里，剩下的 4%-7% 仍然很贵。

企业客户不会只问平均准确率。它们会问失败时有没有录像、截图、执行上下文、告警、回滚、人工接管。Minicor 强调 full video replay、Slack failure notifications、screenshots 和执行上下文，这些反而比“自修复”三个字更关键。

接下来最该看四个变量：

  • 公司宣称的准确率能否在更多客户环境里复现；
  • 本地部署、Citrix、权限管理能否稳定交付；
  • 异常处理是否真能减少人工维护，而不是换一种方式排队救火；
  • 客户愿不愿意把关键流程交给它跑，而不只是用来做边缘任务。

扯远一点，legacy integration 有点像早期铁路改轨距。不完全一样，但权力结构相似：新车再快，旧轨道不通也没用。新技术想进场，先得适配旧基础设施。

所以 Minicor 的价值，不是再造一个万能 AI 助手。它更像是在承认一个不体面的事实：客户不会为了你的 AI 重写核心系统。你要卖进去，就得先把旧门打开，还不能把锁弄坏。