MiniMax Agent可以快速生成可直接运行的Python脚本：在Agent Studio中先选择“代码生成”模板，把输入来源、处理逻辑和输出形式这三项说明清楚，再勾选“启用代码执行沙箱”；随后通过结构化Prompt或示例数据引导脚本生成，最后结合依赖管理、路径修正与格式约束，反复测试、调试并持续优化。

如果你想用MiniMax Agent快速生成可运行的Python脚本，例如自动下载网页图片、批量重命名文件、处理Excel表格或解析数据，就不必从零开始搭建代码框架，也能减少反复调试API调用逻辑的时间成本。

创建Agent并配置基础能力

登录MiniMax控制台→进入「Agent Studio」→点击「新建Agent」→选择「代码生成」模板。

在「能力描述」栏中使用自然语言清晰写出任务目标，例如：“能读取本地CSV文件，按‘销售额’列降序排序，导出前10行到新CSV”。【必须包含输入来源、处理逻辑、输出形式三要素，缺少任意一项都可能导致生成的Python代码出现漏读文件、处理不完整或未保存结果的问题】

勾选「启用代码执行沙箱」——这一步直接决定生成的代码是否可以实际运行；如果不勾选，Agent通常只会输出代码文本，无法进一步验证脚本逻辑是否正确。

编写Prompt触发精准生成

方法一：用结构化指令引导

在对话框中输入：“请生成一个Python脚本：① 读取当前目录下名为data.xlsx的Excel文件；② 删除所有含空值的行；③ 将‘价格’列数值乘以1.13（加税）；④ 保存为data_taxed.xlsx。”

方法二：提供示例输入输出

粘贴一段真实CSV片段（如“name,age,scorenAlice,28,92nBob,,87”）→换行写“期望输出：删除Bob所在行，保存为clean.csv”。Agent会基于这些示例反推出对应的pandas处理流程，相比只用文字描述，生成脚本时通常更准确，也更不容易出错。

注意：不要只写“用Python写个脚本”，必须明确文件名、列名、计算规则等关键字段。描述过于模糊时，生成代码往往会使用占位符，如df = pd.read_csv("input.csv")，后续还需要你手动替换和调整。

调试与修正生成结果

第一步：点击「运行代码」查看沙箱返回日志。

第二步：如果报错“ModuleNotFoundError: No module named 'openpyxl'”，说明缺少Excel支持库→在Agent设置页的「依赖管理」中添加openpyxl==3.1.2→重新生成。

第三步：检查输出文件路径。生成的代码通常默认保存到/workspace/，但如果你要在本地运行，就需要把pd.to_csv("/workspace/result.csv")改成pd.to_csv("./result.csv")，否则可能无法在本地目录中找到文件。

第四步：针对非标准需求补充约束条件。例如要求“日期列转为YYYY-MM-DD格式”，可以在Prompt末尾加一句：“所有datetime类型列须用dt.strftime('%Y-%m-%d')格式化，禁止用astype(str)。”