想让 MiniMax Agent 回复更稳定、准确率更高，核心通常集中在三点：提示词设计、上下文管理和模型参数配置。建议先把系统提示词优化为“任务清晰 + 输出格式受限”的结构；再及时截断无关对话历史，并在进入模型前对用户输入进行预处理，尽量提炼真实需求和核心问题；参数设置方面，推荐将 temperature 调低至 0.3～0.5，top_p 设置为 0.75，同时关闭 presence_penalty 和 frequency_penalty。

当 MiniMax Agent 自动回复出现偏离问题重点、答非所问、回答不准确或事实性错误时，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，而不是盲目重复提问或直接切换模型。

检查并重写系统提示词

第一步：进入 Agent 配置界面，找到「System Prompt」字段。

第二步：删除当前提示词中表达模糊的指令，例如“请友好回答用户问题”这类说法，通常无法有效约束模型的输出质量与回答边界。

第三步：将提示词改写为任务目标清楚、范围边界明确的定义，并同时固定输出格式要求。比如可以直接设定：“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。”【必须禁用自由发挥类措辞，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。通常保留最近 2 轮有效交互即可，更早的上下文即使包含相关关键词，也容易造成模型理解偏移和语义混淆。

方法二：对用户原始输入先做预处理——例如使用正则提取核心疑问句，去掉感叹、重复追问和情绪化表达。比如将“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一段才是重点，MiniMax 当前版本在长上下文场景下，对关键信息的提取与聚焦能力仍然不够稳定。

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。较高的温度值会放大模型输出的随机性，导致同一个问题多次调用时结果波动明显。

② 同步设置 top_p=0.75。该参数可以动态截断低概率词元，降低模型采样到生僻但形式合法、实际却不准确内容的概率。

③ 禁用 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和回答稳定性。