跳转到主要内容

Documentation Index

Fetch the complete documentation index at: https://platform.minimaxi.com/docs/llms.txt

Use this file to discover all available pages before exploring further.

​
指令需明确清楚

M2.7 模型对清晰明确的指令响应较好。明确说明您期望的输出格式、内容和风格，将有助于获得更精准的结果。
🪫 效果欠佳
创建一个可视化网站
🚀 效果更佳
创建一个企业级数据可视化网站。整合尽可能丰富的分析特性和交互功能，超越基础展示形式，打造功能完备的数字化解决方案。

​
补充指令意图以提升性能

给 M2.7 下指令时，多跟它说说”为什么”。模型理解了您的目的，就能更精准地给出您想要的答案。
🪫 效果欠佳
禁止使用文档符号
🚀 效果更佳
您的回复将由文本转语音模型朗读，因此以纯文本形式呈现，避免使用文档符号格式
M2.7 会举一反三。您跟它说清楚前因后果，它就能顺着您的思路推理，给出更贴切的回答。

​
注重举例和细节

您想让它做成什么样，就给它一个标准的”样板”示例；您怕它犯什么错，就明确指出来别让它做。
🪫 效果欠佳
写一段吸引人的产品介绍智能保温杯。
🚀 效果更佳
请参照这个例子来写产品介绍：

【好的例子：这款台灯采用全光谱LED技术，能模拟清晨的自然光，温柔唤醒您的一天。它具备6级亮度调节，满足您阅读、工作和休息的不同需求。】

请避免像下面这样空洞的描述：

【不好的例子：这个台灯很好用，灯光很舒服，设计也很棒。】

现在，请为'智能保温杯'写一段介绍。

​
长任务推理和状态跟踪

M2.7 模型有出色的状态追踪机制，通过每次聚焦有限目标而非全量并行处理，有效保障长时序下的思维连贯性与方向性。

​
单窗口上下文感知

M2.7 搭载上下文感知功能，实现任务高效执行与上下文优化管理。
在支持上下文压缩的工具（如 Claude Code）中使用时，建议控制系统提示词的 tokens 数量。M2.7 在临近上下文容量阈值时，可能出现任务提前终止。

​
多窗口工作流程

1

分阶段处理

第一个窗口设置框架（编写、测试、创建脚本），第二个窗口遍历待办事项
2

结构化测试

要求 M2.7 创建 tests.py 或 tests.json 跟踪测试，有助于长期迭代
3

初始化脚本

创建 init.sh 启动服务器、运行测试，避免新窗口重复操作
4

重启 vs 压缩

单任务用压缩，多任务或新任务建议重启全新窗口
5

充分利用上下文

提示 M2.7 在继续前高效完成各部分，充分利用 tokens
建议 System Prompt： 
这是一项非常冗长的任务，建议您充分利用完整的输出上下文来处理——整体输入和输出 tokens 控制在 200k tokens，充分利用上下文窗口长度将任务彻底完成，避免耗尽 tokens。