{ "answer": "MiniMax AI工具提供网页搜索、图像分析、大模型对话和语言翻译功能。适用于搜索网页、分析图像、生成文本等场景。" }
MiniMax 工具是一项面向实际任务的技能,主要用于此技能提供了对MiniMax 的AI 功能的存取, 包括网页搜索、图像分析、 LLM 对话、 以及文本翻译;Setup.;
该技能适合需要稳定复用相关能力的场景,可作为自动化工作流的一部分,也便于后续检查、调整和扩展。从功能定位来看,该技能强调把分散的操作要求整理成清晰、可复用的处理流程,使用户能够围绕既定目标快速准备输入、选择执行方式并获得结构化结果。实际使用前应先确认任务范围、数据来源、运行环境、必要权限和关键参数,再依据技能说明逐步执行;
若输入条件不完整,应先补齐信息或采用保守配置,避免因错误假设导致结果偏离需求。执行过程中需要关注工具调用是否成功、接口或依赖是否可用、输出格式是否符合预期,并对异常提示、缺失字段和边界情况进行处理;涉及批量任务时,还应保存进度,避免中断后重复操作。
该技能提供对 MiniMax AI 能力的访问,包括网页搜索、图像分析、大语言模型(LLM)对话以及文本翻译。
首先,设置您的 API 密钥:
export MINIMAX_API_KEY="your-api-key"
如需获取 API 密钥,请注册:https://platform.minimaxi.com/subscribe/coding-plan
(可选)您还可以自定义 API 端点:
export MINIMAX_API_HOST="https://api.minimaxi.com/anthropic"
# 网页搜索 python -m scripts web_search "您的搜索关键词" # 图像分析 python -m scripts understand_image "您看到了什么?" /path/to/image.jpg # 与 LLM 对话 python -m scripts chat "你好,最近怎么样?" # 流式对话(分块接收响应) python -m scripts stream_chat "请给我讲一个故事" # 文本翻译 python -m scripts translate "hello world" --to Chinese # 列出可用模型 python -m scripts models
| 命令 | 功能说明 |
|---|---|
web_search |
使用 MiniMax 搜索 API 执行网页搜索 |
understand_image |
使用 MiniMax 视觉模型分析图像 |
chat |
与 MiniMax 大语言模型进行对话 |
stream_chat |
启用流式响应的对话,实时分块返回结果 |
translate |
在不同语言之间翻译文本 |
models |
列出所有可用的 MiniMax 模型 |
# 网页搜索 python -m scripts web_search "您的搜索关键词" # 图像分析 python -m scripts understand_image "您看到了什么?" /path/to/image.jpg # 与 LLM 对话 python -m scripts chat "你好,最近怎么样?" # 流式对话(分块接收响应) python -m scripts stream_chat "请给我讲一个故事" # 文本翻译 python -m scripts translate "hello world" --to Chinese # 列出可用模型 python -m scripts models
from scripts import web_search
result = web_search("Python 最佳实践", count=10)
print(result)
from scripts import understand_image
# 从本地文件加载
result = understand_image("这张图片中有什么?", "/path/to/image.png")
# 从 URL 加载
result = understand_image("描述这张图片", "https://example.com/image.jpg")
from scripts import chat
result = chat(
message="你好,请做个自我介绍",
system="你是一个乐于助人的 AI 助手",
model="MiniMax-M2.7",
temperature=1.0,
max_tokens=4096,
stream=False,
history=[
{"role": "user", "content": "Hi"},
{"role": "assistant", "content": "Hello! How can I help you?"}
]
)
参数说明:
message(str):用户消息system(str,可选):系统提示词model(str,默认值:"MiniMax-M2.7"):模型名称temperature(float,默认值:1.0):温度参数,取值范围为 (0.0, 1.0]max_tokens(int,默认值:4096):生成内容的最大 token 数stream(bool,默认值:False):是否启用流式响应history(list,可选):多轮对话历史列表,每条消息格式为 {"role": "user"/"assistant", "content": "..."}from scripts import stream_chat
result = stream_chat(
message="请讲一个简短的故事",
system="你是一位讲故事的人",
model="MiniMax-M2.7",
temperature=1.0,
max_tokens=500
)
# 访问流式响应的分块内容
if result["success"]:
chunks = result["result"]["chunks"]
full_content = result["result"]["content"]
print(f"总分块数:{len(chunks)}")
print(f"完整内容:{full_content}")
from scripts import translate
result = translate(
text="Hello World",
target_lang="Chinese",
source_lang="auto",
model="MiniMax-M2.7",
temperature=1.0,
max_tokens=4096
)
参数说明:
text(str):待翻译的文本target_lang(str,默认值:"English"):目标语言,例如 "English"、"Chinese"、"Japanese"source_lang(str,默认值:"auto"):源语言,设为 "auto" 表示自动检测model(str,默认值:"MiniMax-M2.7"):模型名称temperature(float,默认值:1.0):温度参数,取值范围为 (0.0, 1.0]max_tokens(int,默认值:4096):生成内容的最大 token 数所有函数均返回统一的响应格式:
成功响应:
{
"success": true,
"result": {...}
}
错误响应:
{
"success": false,
"error": "错误信息"
}
相关专题
热门下载
相关下载
精品课程
共1课时 | 561人学习
共0课时 | 0人学习
共1课时 | 225人学习
最新文章