需将模糊业务需求转化为可执行Agent任务链：①明确动词+宾语、输入来源与格式、输出交付物；②用Plan-and-Solve手动拆解子任务并分层；③为每步绑定工具及参数校验规则；④注入上下文变量抑制幻觉；⑤运行前插入断点验证中间态。
☞☞☞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☜☜☜
你需要把一句模糊的业务需求——比如“自动抓取竞品价格并邮件通知涨幅超10%的SKU”——变成可执行、可调试、可回溯的Agent任务链，而不是扔给模型后等它自由发挥跑偏。
第一步：识别真实约束条件，过滤掉“假需求”
打开MiniMax Coding Plan控制台，在「任务输入框」里先别急着写代码提示词，而是用三行结构写下原始需求：
① 我要做什么（动词+宾语）：自动抓取竞品价格
② 输入从哪来（明确来源与格式）：https://example.com/pricing 页面的HTML表格，含SKU、price、date三列
③ 输出要交付什么（不可模糊）：一封带表格附件的邮件，收件人采购组邮箱，标题含“【预警】XX日价格异动”
这一步漏掉任何一项，后续Agent就会在“该不该登录”“日期字段叫last_updated还是date_posted”“邮件模板要不要加公司LOGO”上反复追问或擅自决策。尤其注意【输入必须标注具体字段名和格式，不能只说“价格数据”】。
第二步：用Plan-and-Solve模式手动拆解子任务
不要依赖模型自动生成计划——先自己画草稿，再让Coding Plan验证可行性：
方法一：按执行顺序硬拆（适合线性流程）
→ Step 1：HTTP GET请求获取HTML页面
→ Step 2：用BeautifulSoup解析表格，提取SKU/price/date三列
→ Step 3：读取本地历史CSV，匹配SKU做价格比对
→ Step 4：筛选涨幅＞10%的行，生成新DataFrame
→ Step 5：调用SMTP发送带附件的邮件
方法二：按失败风险分层（适合容错场景）
Plan层（必须先完成）：确认目标URL可访问、本地CSV存在且列名一致、SMTP配置已测试通
Execute层（可并行但需标记依赖）：Step A抓网页→Step B读CSV→Step C比对→Step D发邮件
Monitor层（每步后插入）：检查Step A返回状态码是否200；检查Step B读取行数是否＞0；检查Step C输出是否非空
注意：Plan-and-Solve要求模型先输出完整JSON计划再执行，所以你在Coding Plan里输入时，必须明确写“请按Plan-and-Solve格式输出：先返回{“plan”: [ {“step”:1, “action”:“...”} ] }，再执行”。否则它默认走ReAct模式，边想边做，容易卡在中间。
第三步：为每个子任务绑定工具与参数校验规则
在Coding Plan的「工具配置」页，逐个绑定：
抓取网页 → 绑定requests.get()，强制设置timeout=10，headers里User-Agent必须填真实浏览器标识，否则部分网站返回403。
解析HTML → 绑定BeautifulSoup，指定parser为"lxml"，并添加校验：若find_all("table")返回空列表，立刻报错退出，不继续往下走。
读取CSV → 绑定pandas.read_csv()，参数engine="c"，encoding="utf-8-sig"，且【必须声明usecols=["SKU","price","date"]，避免因Excel导出列顺序错乱导致匹配失败】。
邮件发送 → 绑定smtplib.SMTP_SSL()，host填smtp.exmail.qq.com，port=465，且要求模型生成的代码中，to字段必须是list类型，哪怕只发一人也要写成["procurement@xxx.com"]。
第四步：注入上下文变量，切断“幻觉式补全”
在Coding Plan输入框顶部，用三重反引号包裹Context块：
```
CONTEXT:
- 当前日期：2026-08-11
- 历史CSV路径：/data/price_history.csv
- 邮件SMTP账号：alert@xxx.com / AppPassword: xxxxxxxx
- 竞品页面更新规律：每日09:00准时刷新
```
这一步不做，模型会自己编造路径、瞎猜密码位数、假设页面每小时更新——所有这些虚构信息都会导致生成代码在真实环境里直接报错。MiniMax M2.5及以上模型能精准识别```CONTEXT```区块并抑制无关联想。
第五步：运行前强制插入断点验证
在Coding Plan生成完整脚本后，不要直接执行。点击「插入断点」按钮，在以下位置手动加print()：
- requests.get()后：print(f"Status: {response.status_code}, Length: {len(response.text)}")
- pd.read_csv()后：print(f"Loaded {len(df)} rows, columns: {list(df.columns)}")
- 比对计算后：print(f"Found {len(alert_df)} SKUs with >10% increase")
这些print语句不是为了日志，而是让Agent在真实执行流中暴露中间态。如果某处print没输出，说明前面某步已异常退出，不用等到邮件发不出才排查。
