让Minimax M3性能更出色

Make Minimax M3 Great More

标题党一下~

注1：要是minimax（海外版）能让我成功退款，也许就没有这篇文章了。。。

注2：这两个skill应该对所有模型都是有帮助的~

故事背景

我长期使用Codex（主要是Codex App），主要用GPT 5.5 Extra High。然而Token的开销比较高，最近在寻找合适的替代方案。

听说minimax m3表现非常不错，集齐了 Frontier 三件套——前沿 Coding/Agentic 能力、百万 token 级超长上下文、原生多模态的目前只有 Claude Opus 4.7、Gemini 3.1 Pro 、 GPT-5.5，以及Minimax M3。

于是我买了5美刀的API试用了一下，初见效果确实不错。之后买了20美刀的Token Plan，打算替代GPT。最开始我使用的minimax code，但是使用了大概两天之后，发现一些问题：

• minimax code这个软件似乎存在一些bug。比如steer消息有时候会打断message，或者无缘无故的提示“Your message violates our content policy. Please revise and try again.”（但我仅仅是让它解释几篇机器人的论文）。此外，token的消耗不知道为什么，感觉越来越快了。

  

• 今天我意外的发现不同软件，比如codex app和minimax code，是存在system prompt的，不同的软件system prompt不一样、工具链不一样，会导致minimax m3模型表现也不一样。经过测试，我发现minimax m3接入codex app的话，似乎更稳定一些，执行一些任务更好一些。

  参考：Codex System Prompt

但在codex app上用了minimax m3几天后，还是存在一些问题：

1. 执行的能力不错，但是指令遵守的较差，有时候会忽略指令里面的一部分内容；
2. 存在token焦虑，喜欢偷懒；比如让它读论文，没有明确说的话，只会读abstract和introduction，完全不会读正文，而如果我要求它每一页都读，它又会省略掉补充材料，而且偶尔对话里面会出现“节省token”之类的词，很奇怪；
3. 不爱解析图片；这和第2点比较相似，有时候我要求论文截图，它只会根据文字来选择caption截图，不会真的去渲染这一页pdf自己看，然后再截图，它不会看自己的截图内容；
4. 不喜欢搜索，有时候我问他问题，尽管是解释某个课件，但是它不会像GPT一样会补充一些搜索的内容，而且搜索之后不喜欢给出自己搜到的网络链接，并且搜到的内容看的也不仔细。

考虑到似乎不同的system prompt会导致模型的表现不一样，我猜测上面这几个问题也许可以用skill来缓解一下。

设计两个针对minimax m3的skill

上面四个问题简单来说可以分成两步来解决：

1. 确保minimax m3理解了我的意图，关注到我的prompt每一句话；
2. 确保minimax m3完全按照我的prompt执行任务，并且是按照我希望的强度进行执行。

这两步各自对应了一个skill，我开源放在：minimax_task_preflight、minimax_thorough_execution

minimax_task_preflight这个 skill 只负责读取原始用户请求，识别真正影响后续 prompt 的歧义，在必要时做简短追问，然后把请求改写成更清晰的 prompt。它的目标是让 MiniMax M3 在执行前更准确地理解用户的请求。

minimax_thorough_execution这个 skill 的目标是压制 MiniMax 常见的失败模式，比如擅自改写任务、为了省 token 悄悄缩小任务范围、读论文只读 abstract 和 introduction、跳过 appendix 或 supplementary material、不认真做视觉核验、浅搜索，以及搜完不给原始链接。此外，由于我发现GPT 5.5很喜欢在我的工作目录建立一个缓存文件夹，我把这一点也放了进去，让minimax也把一些重要信息缓存在本地。

用这两个skill让Minimax M3性能更出色

简单介绍一下这两个skill如何使用。

示例一

比如我现在要通过minimax m3，修改一个画图的skill。

我先发送一个简单的prompt，然后调用minimax_task_preflight，让minimax m3对我进行追问，并且重写prompt。

简单看一下minimax修改的prompt有没有问题、符不符合自己的要求，没问题之后发送，并且调用minimax_thorough_execution。之后minimax就会非常严格的把这个指令做好。

后续对话、追问，也可以继续调用minimax_thorough_execution这个skill。

如果认为自己的prompt写的比较清楚，直接用minimax_thorough_execution就够了。

由于skill的修改是一个线性的过程，因此minimax画了一个很丑的流程图（一条线怎么才能画好看呢）。

示例二

让minimax m3帮我总结一份课件，辅助我的学习。如下所示，这次我就不使用minimax_task_preflight了。

这次任务执行了20分钟，下载了很多论文，而且把40页的课件转成图片看了一遍。

但是，这文件结构过于混乱了。一会儿再改改skill。。。

不过消耗的token我觉得还算好，花掉了5h limit的3%。如果我按照这个强度一直用的话，似乎5个小时用不完所有额度。


产出的文档基本满足了我的要求，而且也解释了我关心的一些名词。基本上我把课件看完了，minimax也看完了。

放一个目录，但是这个目录好丑啊，受不了。

后续我再给他问一些问题，解释的也还行。

我以为它不打算搜索了，但是看下面两张图，我的信息steer之前它其实计划搜索了。

总结