想让 MiniMax Agent 回复更稳定、更准确，关键通常集中在三件事：提示词设计、上下文管理，以及模型参数配置。首先，建议把系统提示词改写为“任务清晰 + 输出格式受限”的结构；其次，及时截断无关对话历史，并在请求进入模型前先预处理用户输入，提炼出真正的核心问题；最后，适当收紧采样参数，将 temperature 下调至 0.3～0.5，top_p 设置为 0.75，同时关闭 presence_penalty 和 frequency_penalty。

当 MiniMax Agent 出现自动回复偏离主题、答非所问，或输出事实性错误时，应优先从提示词设计、上下文控制以及模型调用参数这三个方向进行针对性优化，而不是一味重试或直接更换模型。

检查并重写系统提示词

第一步：进入 Agent 配置页面，找到「System Prompt」字段。

第二步：删除当前提示词中含糊不清的指令，例如“请友好回答用户问题”，这类表述难以有效约束模型输出的准确性和边界。

第三步：将要求改为定义明确、边界清楚的任务描述，并同步固定输出格式约束。例如可直接设置为：“你是一个技术文档校对助手，只回答与 Markdown 语法、Git 命令或 Python 3.11 及以上版本特性相关的问题；若问题超出范围，统一回复‘该问题不在我的知识范围内’，不推测、不编造。”【必须避免使用带有自由发挥空间的措辞，如“尽量”“可以尝试”“酌情处理”】

限制上下文窗口中的干扰信息

方法一：在传入用户消息之前，主动截断历史对话中的无关轮次。通常只保留最近 2 轮有效交互即可，更早的内容即便包含相关关键词，也容易干扰模型判断并造成语义混淆。

方法二：对用户原始输入先做预处理——使用正则提取核心疑问句，过滤感叹、重复追问和情绪化表达。例如将“啊？？？这个API怎么又404了！！！是不是你们后端挂了？？？”压缩为“API返回404错误”。

注意：不要完全依赖模型自行判断哪部分才是重点，MiniMax 当前版本在长上下文场景下对关键信息的提取能力仍不够稳定。

调整temperature与top_p参数

① 将 temperature 从默认的 0.8 下调到 0.3～0.5 区间。温度值过高会放大模型输出的随机性，导致同一问题多次调用时结果波动明显。

② 同步设置 top_p=0.75。这个参数可以动态截断低概率词元，减少模型采样到生僻但语法上成立的错误组合。

③ 关闭 presence_penalty 与 frequency_penalty。这两个参数在 MiniMax Agent 当前版本中可能与系统提示词产生冲突，从而削弱模型的指令遵循能力。