☞☞☞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☜☜☜
必须按原子性、闭环性、依赖顺序三原则拆解复杂任务：先校验输入音频文件，再转写为srt，接着情绪分析输出json，然后生成结构化markdown摘要，最后同步至飞书表格，并为每步设置唯一id与可验证锚点。
当你需要让minimax agent处理“整理客户投诉录音→转文字→提取情绪关键词→生成日报摘要→同步到飞书表格”这类多环节、跨模态、带条件分支的复杂需求时，指令不能只写“帮我处理投诉录音”，必须按原子性、闭环性、依赖顺序三原则逐层拆解。
先锁定核心目标，剔除模糊表达
通读原始需求，划掉所有主观形容词和开放式动词。例如，“快速整理”中的“快速”无验收标准，“帮忙看看”不构成可执行动作，“大概总结一下”无法触发Verifier校验。只保留具备明确输入源、确定输出格式、可判定成败的动作短语。
把“生成日报摘要”改为“输出含日期、投诉编号、情绪标签（愤怒/失望/困惑）、TOP3问题关键词的Markdown表格，共7行，首行为表头”。【修改后每项输出都可被程序自动比对是否缺失字段或行数错误】
按依赖顺序拆成线性子任务链
第一步：确认输入就位 → 检查本地文件夹“/complaints/202607/”下是否存在以“CALL_”开头、扩展名为“.m4a”的音频文件，数量≥1；若无，中止并返回错误码E101。
第二步：语音转写 → 调用mmx-cli audio transcribe命令，参数--model whisper-v3 --language zh --output-format srt，输出路径固定为“/complaints/202607/transcripts/”。
第三步：情绪识别 → 读取上一步生成的全部.srt文件，用MiniMax M3内置情绪分析工具逐段打标，仅保留置信度＞0.85的情绪标签，合并去重后输出JSON数组，字段为{"call_id":"CALL_20260701_001","emotion":["愤怒","困惑"]}
第四步：摘要生成 → 将第三步JSON与对应.srt文本拼接为新上下文，输入M3模型，指令限定：“严格按以下结构输出：1. 总计受理X通；2. 情绪分布饼图数据（仅数字）；3. 问题关键词云（限5个，按频次降序）；4. 建议措施（3条，每条≤12字）”。
第五步：飞书同步 → 调用feishu-spreadsheet API，将第四步输出的4个模块分别写入指定表格的A1:D7区域，写入前校验目标表格是否开启编辑权限，否则报错E204并暂停任务。
对非线性分支做显式条件标注
方法一：用if-then语法内嵌判断逻辑
在第四步摘要生成指令末尾追加：“if 情绪标签含‘愤怒’且出现频次≥3 → 在‘建议措施’末尾强制增加第4条：‘立即升级至客诉总监’；else → 不添加。”
方法二：预设失败兜底动作
在第五步飞书同步描述后加一句：“若API返回403错误 → 自动切换备用账号token_bak_202607，并重试一次；若仍失败 → 将摘要内容保存为PDF，路径为/complaints/202607/reports/daily_summary_20260703.pdf，不再重试。”
注意：条件分支必须绑定具体触发值（如“≥3”“403”），禁止使用“如果很多”“假如不行”等模糊表述，否则Worker无法解析执行。
给每个子任务配唯一ID与验收锚点
为第一步分配ID：T1_INPUT_CHECK，验收锚点是“返回文件列表或E101错误码”；
为第二步分配ID：T2_TRANSCRIBE，验收锚点是“/transcripts/目录下生成同名.srt文件且大小＞5KB”；
为第三步分配ID：T3_EMOTION_TAG，验收锚点是“输出JSON中每个call_id对应emotion数组长度≥1”；
为第四步分配ID：T4_SUMMARY_GEN，验收锚点是“输出严格包含4个编号段落，第2段为纯数字，第3段为5个中文词”；
为第五步分配ID：T5_FEISHU_SYNC，验收锚点是“飞书表格A1单元格值等于当日日期字符串”。【缺少任一锚点，Verifier将判定该子任务失败并触发回滚】
