必须拆分任务，当满足涉及3个以上外部工具调用、存在明确阶段依赖或单步输出超500 token含结构化字段任一条件；推荐中粒度拆分（每步一件事但保留上下文传递），避免超15步；需显式插入checkpoint指令实现失败恢复。
☞☞☞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☜☜☜
你需要让 MiniMax Agent 完成一个含多步骤、跨工具、有依赖关系的编程任务，比如“用 Python 爬取某网站商品价格，清洗后存入 CSV 并生成趋势图”，但直接丢给 Agent 容易中途卡死、漏步骤或格式错乱——这是因为没做任务拆分，模型在单次推理中承载了太多语义、状态和工具协同压力。
判断是否需要拆分
先看任务是否满足任一条件：【涉及3个以上外部工具调用】（如 HTTP 请求 + 文件写入 + Matplotlib 绘图）、【存在明确阶段依赖】（如“必须先拿到数据才能清洗”）、或【单步输出超过500 token且含结构化字段】。满足任意一条，就必须拆；否则 Agent 可能因上下文溢出或工具链断裂直接返回空结果。
若任务仅是“打印 'Hello World'”，跳过拆分，直接执行。
按执行粒度选择拆分层级
拆分不是越细越好。MiniMax Agent 的调度开销实测约为 180–220ms/次（含 Redis 队列入队、上下文序列化、Worker 分配）。你得在“单步复杂度”和“调度次数”之间找平衡点：
① 粗粒度：每步含 2–3 个逻辑连贯动作（如“请求→解析→存临时变量”），适用于工具链短、失败率低、无中间校验需求的任务。优点是总耗时低，缺点是一旦出错就得重跑整块。
② 中粒度：每步只做一件事，但保留上下文传递能力（如“获取 HTML”→“提取价格列表”→“转 DataFrame”→“保存 CSV”→“绘图”），这是 MiniMax M2 推荐的默认档位，适配其 H3 模型的结构化输出能力，各步可独立重试且输出格式稳定。
③ 细粒度：每步只调用一个原子工具（如“requests.get(url)”、“re.findall(pattern, text)”、“pd.DataFrame().to_csv()”），仅用于调试或关键路径需逐行审计的场景。注意：【超过15步后，调度开销会吃掉40%以上总耗时】，不建议生产环境使用。
UP 简历 AI 求职助手。创建专业简历、搜索校招/社招/实习岗位、JD 对照优化、简历诊断、每日求职监控、智能投递指导。当用户说"创建简历"、"编辑简历"、"搜索校招"、"找工作"、"优化简历"、"投递"、"监控校招"时使用。
用脚本式语法声明批量任务
MiniMax 支持类 Shell 的批量指令结构，用分号分隔多个操作，Agent 会自动识别依赖并生成 DAG 执行图：
方法一：单行声明（适合线性流程）
curl https://api.example.com/prices; python clean.py; python plot.py
方法二：带变量传递的链式写法（推荐）
DATA=$(curl -s https://api.example.com/prices); python -c "import json; print(json.loads('$DATA')['items'])" | python clean.py > cleaned.csv; python plot.py cleaned.csv
注意：MiniMax 不支持 Bash 的管道符 | 直接传二进制流，所有中间结果必须落地为文件或 JSON 字符串；否则 plot.py 读不到输入。
注入检查点与失败恢复机制
在每个关键子任务末尾插入 checkpoint 指令，让 Agent 自动记录状态快照：
python fetch.py --url https://shop.com/api/v2; checkpoint fetch_done
python clean.py cleaned.csv; checkpoint clean_done
python plot.py --input cleaned.csv --output trend.png; checkpoint plot_done
若 plot.py 失败，Agent 不会重跑前两步，而是从 checkpoint clean_done 恢复，直接重试 plot.py。这一步必须显式写，MiniMax 不会自动插 checkpoint。
