需用UTF-8无BOM编码、统一Unix换行、剔除非正文内容、压缩冗余空格；按语义单元分块，设1200 token重叠区；首块注入结构化指令，每块独立执行并保存JSON输出。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
你需要分析一部长达87万字的网络小说，检查主角人设是否前后矛盾、关键伏笔是否回收、时间线有无错乱——传统分章喂入模型会导致上下文割裂，角色名缩写变化（如“林晚”→“晚晚”→“林工”）被误判为不同人物，伏笔回收间隔超30章时模型根本记不住前情。MiniMax M3支持1M tokens上下文，但直接丢进整本TXT会触发截断或OOM，必须做精准预处理。
确认原始文本编码与换行规范
用VS Code或Notepad++打开小说源文件，右下角查看编码格式，【必须是UTF-8无BOM】，若显示GBK/ANSI，立即转码，否则M3解析时会出现大量字符，导致后续所有分析失效。
按Ctrl+H调出替换框，搜索\r\n（Windows换行），全部替换成\n（Unix换行）。M3对\r\n兼容性差，混合换行会使段落间距崩坏，影响剧情节奏识别。
裁剪无效内容并压缩冗余空格
删除封面页、目录、作者后记、广告插页等非正文章节，只保留从“第一章”到“终章”之间的纯正文。
用正则表达式替换：搜索\s{3,}，替换为空格。小说TXT常含大量制表符和连续空格，不清理会导致token数虚高——87万字原始文件可能膨胀到1.2M tokens，超出M3上限。
方法一：用Python脚本批量处理
读取文件→re.sub(r'\s+', ' ', text)→strip()→保存。这一步不能跳过，手动删空格极易漏掉隐藏的全角空格或零宽字符。
分块策略与重叠锚点设置
第一步：计算安全输入长度
M3标称1M tokens，实测稳定上限为92万tokens。预留8万容错空间，目标控制在920k内。
第二步：按语义单元切分而非固定字数
不按每5万字硬切，而是以“章节结尾+空行+下一章标题”为天然断点。重点保护三类锚点不被截断：【角色首次登场段落、伏笔句所在整段、跨章回忆闪回的起止位置】。
第三步：设置1200 token重叠区
每个分块末尾保留最近3个完整场景对话+1个环境描写段，避免“他推开木门”在块A结尾、“门后是血迹斑斑的祭坛”在块B开头——这种割裂会让M3误判为两个独立事件。
构造Prompt指令并注入结构化约束
在首块输入前插入系统指令段：
“你是一名资深文学编辑，正在逐帧分析长篇小说。严格遵循：①所有角色名以首次出现的全名为准（例：‘沈砚之’出现后，禁止简称为‘沈先生’）；②时间线索用‘第X日’统一标注，禁止‘三天后’‘翌日’等模糊表述；③发现伏笔未回收，在对应段落末尾加【未闭环】标记。”
这一步必须手写，不能依赖模型自动归纳。M3若无强约束，会把“她摘下发簪”和“发簪刺入咽喉”当成两个无关动作，错过关键道具复用。
执行推理并提取结构化输出
将处理好的首块文本（含系统指令）粘贴至MiniMax控制台，temperature设为0.3，top_p设为0.85，关闭streaming。
等待响应完成，复制返回的JSON格式结果（含角色关系表、时间线轴、伏笔追踪矩阵），保存为analysis_part1.json。
将下一块文本（含1200 token重叠区）粘贴，重复执行，注意每次都要带相同的系统指令段——M3不会跨请求记忆指令，漏掉会导致后几块分析标准不一致。
