MiniMax Agent的核心信息需要结合arXiv论文与GitHub SDK交叉提取：整体架构包含必须启用的Latency-aware scheduler模块；工具调用协议应依据论文伪代码并补充中文注释说明；训练流程分为三个阶段，其中Stage 2的关键超参数包括batch_size=64、γ=0.995，以及reward_scale=Stage 1的10倍。

你需要高效地从MiniMax最新技术博客、GitHub代码仓库和arXiv预印本中提炼Agent论文的核心内容，包括模型架构的设计动机、关键训练阶段划分，以及推理阶段的工具调用协议细节，从而避免手动复制粘贴带来的版本混乱、信息缺失或段落截断问题。

定位原始论文与配套材料

打开arXiv.org → 在搜索框输入“MiniMax Agent” → 点击最新提交日期对应的条目（标题通常带有“v2”或“Technical Report”字样）→ 向下滚动到“Related Work”下方的“Supplementary Materials”链接 → 【务必点击右侧的PDF图标，而不是HTML按钮，否则通常无法查看附录中的API schema图】。

建议按以下顺序操作：先新开一个浏览器标签页，进入MiniMax GitHub组织主页；随后打开“minimax-inc/agent-sdk”仓库，切换到“releases”标签页；然后找到与论文发布日期最接近的tag（例如“v0.4.2-rc1”）；最后点击该tag右侧的“Assets”展开列表，下载名为“agent-design-spec.pdf”的文件。

提取架构图与模块定义

方法一：使用Adobe Acrobat打开论文PDF → 通过“选择工具”框选Figure 3（通常为三层结构示意图）→ 右键 → “复制图像” → 粘贴到空白PPT页面中 → 调整尺寸后另存为PNG格式。

方法二：在论文PDF中按Ctrl+F搜索关键词“tool calling protocol” → 定位到Section 4.2末尾的伪代码区域 → 用鼠标拖选整段代码 → 复制 → 粘贴到VS Code中 → 安装“Better Comments”插件 → 将所有以“//”开头的英文注释替换为中文说明（例如将“// validate tool name against whitelist”改为“// 校验工具名称是否在白名单中，否则拒绝执行”）。

注意：Figure 3右下角的小字号标注“Latency-aware scheduler”并非可选组件，而是系统架构中的强制启用模块，【如果在整理文档时遗漏该模块说明，后续复现实验时很可能出现调度延迟超标的问题】。

整理训练阶段关键参数

第一步：在论文PDF中搜索“Stage 2: Tool-Augmented RL” → 找到包含“batch_size=64, γ=0.995”的参数表格 → 截图并标注为“Stage 2超参”。

第二步：切换到GitHub仓库中的“configs/”目录 → 打开“rl_stage2.yaml” → 复制其中learning_rate、num_updates_per_iter、reward_scale三行内容 → 在Excel中新建两列：“参数名”“论文值”，并填入对应信息。

第三步，回到论文PDF，直接搜索“reward scaling factor”，将位置定位到Footnote 7。此处会看到原文明确写道“reward_scale is set to 10× the value in Stage 1”。确认后不要停留，立即返回Excel，在“reward_scale”对应行右侧新增一列“推导依据”，并将这条脚注原文完整粘贴进去。