minimax agent需启用agent team模式并触发plan-and-execute流程，通过结构化拆解（shell指令/三段式/json schema）确保子任务独立、参数明确、时效可控，失败时动态跳过并重规划。
☞☞☞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处理一份包含数据抓取、多维度分析、可视化图表生成和三套方案建议的Q4选品策略报告，但直接输入原始需求后Agent反复追问细节、中途跳转话题、最终输出内容缺失关键数据源——这说明任务未被正确拆解，模型在执行前缺乏结构化步骤约束。
确认任务是否触发Agent Team自动调度
打开MiniMax Agent客户端，在对话框右侧明确点击【Agent Team】开关；若未开启，系统默认使用单Agent模式，无法启动多角色协同拆解流程。
输入原始需求后观察左下角状态栏：出现“Planner→Researcher→Analyst→Writer→Verifier”五段式流转标识，才表示已进入Team工作流；若仅显示“Processing…”，说明当前任务被判定为简单任务，强制启用Team需手动添加触发词。
在需求末尾追加指令：“请按Plan-and-Execute模式执行，先输出完整子任务清单，确认无误后再执行”，【此为强制启用规划阶段的关键触发信号】。
手动干预拆解：用分号语法定义原子任务链
方法一：Shell式批量指令（适合文件操作、路径管理类任务）
直接在输入框粘贴：
“ls ~/Data/NA_Sales_2023-2025.csv; python analyze_trend.py --window 90 --output trend_summary.json; cp trend_summary.json ~/Reports/Q4_Planning/”
方法二：自然语言+结构标记（适合跨工具协作任务）
写成三段式：
① 数据准备阶段：从Snowflake读取表sales_north_america_2023_q1_q4，筛选字段product_id, category, revenue, date，导出为parquet格式；
② 分析阶段：用Statsmodels拟合季度环比增长率，识别top5波动品类；
③ 输出阶段：生成PDF报告含趋势图+表格+风险提示栏。
方法三：JSON Schema预声明（适合API调用密集型任务）
输入严格格式的JSON描述，必须包含"steps"数组和每个step的"tool"、"input"、"depends_on"字段，例如：{"steps":[{"id":"s1","tool":"web_scraper","input":"https://statcan.gc.ca/en/subject/21"},{"id":"s2","tool":"llm_analyze","input":"{s1.output}","depends_on":["s1"]}]}
验证拆解质量的三个硬指标
检查Agent返回的Plan文本是否同时满足：① 每个子任务可独立执行（不出现“参考上一步结论”之类模糊依赖）；② 所有工具调用均有明确参数（如API key不写作“填入密钥”，而写“使用env.SNOWFLAKE_KEY”）；③ 时间复杂度标注清晰（如“步骤s3预计耗时≤8秒，超时自动降级为抽样分析”）。
若任一指标缺失，立即中断执行，用指令“重写Plan，补充[缺失项]的具体实现约束”要求重构。
特别注意：当Agent在Plan中混用“可能”“大概”“尝试”等不确定性词汇时，【必须删除该步骤并替换为确定性动词，否则执行阶段必然失败】。
动态重规划：当某子任务失败时的应急操作
第一步：定位失败节点——查看执行日志中报错行前缀，如“[s4:failed] HTTP 403 on api.vendors.com”；
第二步：判断是否可绕过——若s4是获取竞品价格，而s5仅依赖s3的销量数据，则输入指令：“跳过s4，用s3结果直接生成s5输出”；
第三步：触发重规划——输入“基于当前已完成步骤{s1,s2,s3,s5}，重新生成剩余路径，要求兼容离线数据源”。
