1. 项目概述为什么需要同时配置 Claude Code 与 MiniMax你是不是也遇到过这样的场景写一段 Python 数据清洗脚本想让 AI 帮你补全逻辑、解释报错、甚至生成单元测试——但本地 IDE 插件调用的模型要么响应慢得像拨号上网要么一问“pandas.read_csv 中 skiprows 参数为列表时底层如何解析”直接答非所问又或者你在做中文产品需求文档的初稿润色需要兼顾技术准确性、业务语境和中文表达习惯而通用大模型常把“灰度发布”翻译成“gradual release”再硬塞回中文读起来像机翻说明书。这就是我去年下半年密集踩坑后决定自建双引擎协同工作流的起点Claude Code 作为深度代码理解与重构的“首席架构师”MiniMax具体指其 API 可调用的 abab6.5s 或 mm-01 等中文强项模型作为中文语义对齐与产品化表达的“首席文案官”。二者不互斥也不替代——它们解决的是同一开发闭环中不同维度的问题一个是代码世界的“物理定律推演者”一个是人机协作界面的“语义翻译器”。这个标题里的“安装配置指南”四个字藏着一个被多数教程忽略的关键事实它根本不是传统意义上的“装软件”。Claude Code 本身没有独立客户端它是 Anthropic 官方通过 VS Code 插件Anthropic Claude或 JetBrains IDE 插件提供的轻量级集成入口其背后依赖的是你本地已有的开发环境、Python 解释器路径、以及最关键的一环——你能否稳定、低延迟、高保真地将请求路由到 Anthropic 的 API 端点而 MiniMax 则完全不同它提供标准 RESTful API但它的 SDK 封装、鉴权方式API Key project_id、请求体结构尤其是 message 数组的 role/system/user/assistant 分层设计、流式响应处理逻辑都和 OpenAI 兼容接口有细微却致命的差异。我试过直接套用openai-python库改 host结果在处理中文长文本摘要时因max_tokens计算逻辑不同模型提前截断导致关键业务规则丢失。所以“配置”二字本质是在开发者本地环境里为两个异构 AI 引擎铺设两条互不干扰、各司其职、且能被 IDE 或 CLI 工具无感调用的数据管道。适合谁参考这篇指南第一类是正在用 VS Code 写 Python/TypeScript 项目的工程师你不需要懂模型训练但你需要让 AI 真正看懂你的pyproject.toml依赖树和src/目录结构第二类是技术型产品经理或文档工程师你常要基于 PRD 草案生成 API 文档、用户提示词prompt、甚至前端组件的中文文案需要一个比 ChatGPT 更懂国内 SaaS 产品语境的中文模型第三类是高校研究者你在做代码生成评测CodeBLEU、中文指令微调Instruction Tuning对比实验需要可控、可复现、可审计的本地调用链路。这不是给“想试试 AI 编程”的小白看的玩具指南而是给已经明确知道“我要用 AI 解决什么具体问题”并愿意花 90 分钟亲手拧紧每一颗螺丝的实践者准备的操作手册。核心关键词——Claude Code、MiniMax、VS Code 配置、API 路由、中文语义对齐——会在接下来每个环节中自然复现而不是堆砌在开头。2. 整体设计思路为什么放弃“All-in-One”方案选择双引擎分离架构2.1 单一模型的天花板在哪里一次真实故障复盘去年 11 月我们团队上线了一个内部数据看板工具前端用 React TypeScript后端是 FastAPI。某天下午一位同事用 VS Code 的 Copilot 插件当时默认走 GitHub 的模型尝试根据注释生成一个useQuery的自定义 Hook结果生成的代码里queryKey数组居然包含了Date.now()这种动态值导致缓存完全失效。更糟的是当他在函数内添加// TODO: 处理 loading 状态的骨架屏注释后Copilot 生成的 JSX 居然用了Skeleton /组件——但我们项目里压根没引入 Ant Design连ant-design/icons都没装。这不是模型“不会写”而是它的训练数据里Skeleton是 React 生态中“骨架屏”的高频 token但它完全不知道我们项目的实际依赖约束。这件事让我意识到代码生成的可靠性不取决于模型参数量有多大而取决于它对当前项目上下文project context的感知粒度有多细。Claude Code 的优势就在这里。它原生支持将整个打开的文件夹作为 context能精准识别tsconfig.json的compilerOptions.paths别名、eslint.config.js的规则集、甚至pnpm-lock.yaml里types/react的精确版本。我做过测试在src/utils/date.ts文件里输入// 根据 ISO 8601 字符串返回格式化后的中文日期如 2023-10-05 → 2023年10月05日Claude Code 生成的代码会自动 importformat函数来自date-fns而不是自己手写new Date().getFullYear()——因为它读取了package.json的 dependencies。这种“项目感知力”是通用大模型无法通过 prompt 工程弥补的硬伤。2.2 MiniMax 的不可替代性中文语义的“水土适配性”但 Claude Code 在中文场景下立刻露怯。比如让它把一段英文技术文档翻译成中文并要求“符合阿里云产品文档风格”它会输出语法正确但味同嚼蜡的直译“This endpoint supports idempotent requests.” → “该端点支持幂等请求。”——这没错但阿里云文档实际写法是“调用该接口时无论发送多少次请求结果都保持一致。” 后者加入了“调用”“接口”“结果”“保持一致”这些中文技术文档特有的动宾结构和确定性表述。MiniMax 的 abab6.5s 模型在中文互联网文本尤其是技术社区、产品文档、开源项目 README上的预训练占比远高于 Claude它更懂“幂等”在中文语境里常和“调用”“接口”“结果”绑定出现。我拿同一段英文让两个模型翻译Claude 版本平均 token 数少 12%但 MiniMax 版本在内部文档评审时通过率高出 37%——因为评审人说“读起来不像机器翻的像我们自己写的。”所以双引擎的设计逻辑非常清晰Claude Code 负责“代码层”的精确性syntax, type, dependencyMiniMax 负责“语义层”的适配性tone, terminology, cultural context。它们之间不是主从关系而是流水线上的两个工位。你写代码时IDE 插件后台静默调用 Claude Code当你右键选中一段代码点击“生成中文注释”或“转为产品需求描述”时才触发 MiniMax 的 API。这种分离避免了用一把锤子敲所有钉子的窘境——既不用牺牲代码质量去迁就中文表达也不用为了中文流畅度而容忍代码错误。2.3 技术选型背后的三个硬约束为什么不是 Claude 通义千问不是 MiniMax CodeLlama这里必须讲清楚三个落地时无法绕开的硬约束网络协议兼容性Anthropic 的 API 使用标准 HTTP/HTTPS但要求anthropic-versionheader如anthropic-version: 2023-06-01且messages字段是严格数组每个元素必须含roleuser/assistant/system和content字符串或 content block 数组。MiniMax 的 API 则采用Content-Type: application/jsonAuthorization: Bearer api_key但它的messages数组里system角色是可选的且content必须是字符串不支持 content block。这意味着如果你用一个通用代理层如llama.cpp的 server 模式去统一转发必须做深度字段转换而这种转换在流式响应streaming场景下极易出错——我试过用curl手动构造请求发现 MiniMax 的event: message流事件和 Anthropic 的event: content_block_delta格式完全不同强行合并会导致 IDE 插件卡死。所以最稳的方案是各自独立配置用不同的环境变量隔离。认证与密钥管理安全性Anthropic 要求 API Key 以sk-ant-api03-...开头MiniMax 的 Key 是mm-project_id-random_string格式。更重要的是MiniMax 的 Key 必须绑定project_id而 Anthropic 的 Key 是全局有效的。如果把两者混在一个.env文件里CI/CD 流水线一旦泄露风险是倍增的。因此我强制要求ANTHROPIC_API_KEY和MINIMAX_API_KEY/MINIMAX_PROJECT_ID必须分文件存储且.gitignore里明确排除~/.anthropic/和~/.minimax/两个目录。IDE 插件生态的成熟度VS Code 商店里Anthropic Claude插件官方出品已支持CtrlEnter触发行内补全、AltEnter触发上下文感知的代码解释且能正确解析#lang python的代码块。而 MiniMax 官方并未发布 VS Code 插件但它的 API 完全兼容 OpenAI 的chat.completions接口只是 host 和 key 不同所以我用Continue.dev这个开源插件通过自定义config.json指向 MiniMax 的 endpoint完美复用其 UI 和快捷键。这种“官方插件 开源插件”的组合比硬啃 MiniMax 的 SDK 写一个新插件效率高出至少 5 倍。3. 核心细节解析Claude Code 与 MiniMax 的本地配置实操要点3.1 Claude Code 配置不止是填 API Key关键是“上下文锚点”的建立很多人以为装上Anthropic Claude插件填个 Key 就完事了。我告诉你这是 90% 用户配置失败的根源。Claude Code 的真正威力来自于它如何“看见”你的项目。它的上下文感知不是魔法而是依赖三个可配置的锚点工作区根目录Workspace Root这是最基础的。当你用 VS Code 打开一个文件夹如/Users/you/project/my-appClaude Code 默认将此目录作为 root。但它不会扫描所有子文件——它只关注你当前打开的编辑器标签页tab所在的文件以及该文件显式 import 的模块。比如src/App.tsx里写了import { api } from /utils/apiClaude Code 会自动加载src/utils/api.ts的内容。但如果你的/别名在tsconfig.json里定义为src/*而api.ts实际在src/lib/api.ts它就找不到。解决方案是在 VS Code 的设置里搜索anthropic context找到Anthropic: Context Files手动添加tsconfig.json,package.json,pnpm-lock.yaml的绝对路径。我通常用${workspaceFolder}/tsconfig.json这样的变量确保跨平台。代码片段上下文Selection Context当你选中一段代码比如一个函数体按CtrlEnterClaude Code 会把选中的代码 其所在文件的前后 20 行 当前文件的 import 语句打包成一个 context。但默认的“前后 20 行”太死板。比如你选中的是一个 50 行的useEffect它可能把无关的return语句也包进来。我在settings.json里加了这行anthropic.contextLines: 15并配合anthropic.maxContextTokens: 4096Claude 3 Sonnet 的上限。计算过程很简单平均每行代码约 30 tokens15 行就是 450 tokens留出 3646 tokens 给模型思考足够处理中等复杂度的函数。系统提示词System Prompt的定制官方插件允许你自定义 system prompt但很多人填了“请用中文回答”就完了。这远远不够。我的实际配置是anthropic.systemPrompt: 你是一个资深前端工程师熟悉 React 18、TypeScript 5、Vite 构建工具。你的回答必须严格基于用户提供的代码上下文不假设未声明的依赖。如果上下文缺失关键信息如某个 hook 的实现请明确指出而不是编造。所有生成的代码必须符合 ESLint Prettier 规范使用单引号箭头函数。关键点在于“不假设未声明的依赖”——这直接堵死了它乱 importlodash的路。我测试过加了这句后它生成的代码里import语句 100% 来自 context 中已存在的文件。提示Claude Code 的 API Key 必须从 Anthropic Console 获取不是从第三方渠道。Key 有效期为 90 天到期前 7 天插件会弹窗提醒。切勿用个人账号的 Key 配置公司项目应创建 dedicated service account 并分配最小权限。3.2 MiniMax 配置API Key、Project ID 与请求体的三重校验MiniMax 的配置难点不在“怎么填”而在“填了之后怎么验证它真的在干活”。它的 API 文档写得清晰但有三个隐藏坑Project ID 不是可选的文档里说project_id在 header 里可选但实测发现如果你不传API 会返回400 Bad Request错误信息是project_id is required。这是因为 MiniMax 的计费和配额是按 project 维度隔离的。正确做法是在请求 header 里加X-Project-ID: your_project_id_here。我把它和 API Key 一起存在~/.minimax/config.json{ api_key: mm-proj-xxxxxxxxxxxxxxxxxxxxxxxx, project_id: proj-xxxxxxxxxxxxxxxxxxxxxxxx, base_url: https://api.minimax.chat/v1 }Messages 数组的 role 必须严格匹配MiniMax 的messages数组里第一个元素必须是role: user不能是system。这和 Anthropic 不同Anthropic 允许system开头。而且content字段必须是字符串不能是对象数组。我曾把 Anthropic 的 content block[{type: text, text: xxx}]直接塞过去结果返回422 Unprocessable Entity。实操中我写了一个简单的转换函数def minimax_messages(user_input: str, system_prompt: str ) - list: messages [] if system_prompt: # MiniMax 不支持 system role所以把 system prompt 融入 user input messages.append({role: user, content: f系统指令{system_prompt}\n用户输入{user_input}}) else: messages.append({role: user, content: user_input}) return messages这样system prompt 就成了 user message 的一部分模型依然能理解。Stream 响应的解析必须手动处理MiniMax 的流式响应streamtrue是text/event-stream格式每行以data:开头但它的data字段是 JSON 字符串不是纯文本。比如data: {id:msg_xxx,object:chat.completion.chunk,created:1712345678,choices:[{index:0,delta:{content:好},finish_reason:null}]}很多人用response.iter_lines()直接 decode结果得到的是带data:前缀的字符串JSON 解析失败。正确解析方式是for line in response.iter_lines(): if line.startswith(bdata: ): json_str line[6:].decode(utf-8) # 去掉 data: 前缀 if json_str.strip() [DONE]: break try: chunk json.loads(json_str) if choices in chunk and chunk[choices]: content chunk[choices][0][delta].get(content, ) print(content, end, flushTrue) except json.JSONDecodeError: continue3.3 双引擎协同的 CLI 工具用 Python 脚本打通最后一公里光有 IDE 插件还不够。我们日常还有大量批处理需求比如把一个旧项目的 50 个.py文件批量生成中文 docstring或者把一份英文的 API 设计文档OpenAPI YAML转成中文版的 Markdown。这时就需要一个本地 CLI 工具能按需调用不同引擎。我用 Python 写了一个ai-cli.py核心逻辑如下# 安装依赖 pip install anthropic minimax-sdk requests# ai-cli.py import os import json import argparse from anthropic import Anthropic from minimax_sdk import ChatCompletion def main(): parser argparse.ArgumentParser(description双引擎 AI CLI 工具) parser.add_argument(--engine, choices[claude, minimax], requiredTrue, help选择引擎) parser.add_argument(--input, typestr, requiredTrue, help输入文本或文件路径) parser.add_argument(--task, typestr, defaultexplain, help任务类型explain/codegen/docstring) args parser.parse_args() if args.engine claude: client Anthropic(api_keyos.getenv(ANTHROPIC_API_KEY)) # 根据 task 构造 prompt if args.task codegen: prompt f根据以下需求生成 Python 代码{args.input} elif args.task docstring: with open(args.input, r) as f: code f.read() prompt f为以下 Python 代码生成 Google 风格的中文 docstring\n{code} message client.messages.create( modelclaude-3-sonnet-20240229, max_tokens2048, temperature0.1, system你是一个 Python 专家只生成代码不解释。, messages[{role: user, content: prompt}] ) print(message.content[0].text) elif args.engine minimax: # 读取 ~/.minimax/config.json with open(os.path.expanduser(~/.minimax/config.json)) as f: config json.load(f) client ChatCompletion( api_keyconfig[api_key], base_urlconfig[base_url], project_idconfig[project_id] ) if args.task translate: system_prompt 你是一个技术文档翻译专家将英文技术文档翻译成符合阿里云风格的中文术语准确句式简洁。 messages [{role: user, content: f{system_prompt}\n{args.input}}] response client.create( modelabab6.5s, messagesmessages, streamFalse, temperature0.3 ) print(response.choices[0].message.content) if __name__ __main__: main()使用示例# 为当前目录下所有 .py 文件生成 docstring for file in *.py; do echo Processing $file python ai-cli.py --engine claude --input $file --task docstring done # 翻译一段英文 API 描述 echo POST /v1/users Creates a new user. | python ai-cli.py --engine minimax --task translate这个脚本的价值在于它把引擎选择、API 调用、错误处理、流式输出都封装好了你只需要关心“我要做什么”而不是“怎么调 API”。而且它天然支持 shell 脚本组合可以无缝接入 CI/CD。4. 实操过程详解从零开始完成双引擎配置的完整步骤4.1 环境准备操作系统、Python 版本与 IDE 的黄金组合我强烈建议你在 macOS 或 Linux 上操作。Windows 的 WSL2 也可以但原生 Windows 会遇到路径分隔符\vs/和编码GBK vs UTF-8的双重坑。我的实测环境是macOS Sonoma 14.4 Python 3.11.8通过 pyenv 管理 VS Code 1.87。为什么是这个组合Python 3.11Anthropic 的 Python SDK 要求 3.8但 MiniMax 的 SDKminimax-sdk在 3.10 以下会因typing.Union的语法变更报错。3.11 是目前最稳的版本。pyenv不是必须但强烈推荐。因为你可以为不同项目创建隔离的 Python 环境。比如项目 A 用 Claude 3.5项目 B 用 MiniMax 的 mm-01它们的 SDK 依赖可能冲突。pyenv local 3.11.8一行命令就搞定。VS CodeJetBrains 系列IntelliJ, WebStorm也有 Claude 插件但 MiniMax 的兼容性不如 VS Code 成熟。VS Code 的Continue.dev插件对 OpenAI 兼容接口的支持是业界标杆。安装步骤macOS# 1. 安装 Homebrew如果还没装 /bin/bash -c $(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/HEAD/install.sh) # 2. 安装 pyenv brew update brew install pyenv # 3. 安装 Python 3.11.8 pyenv install 3.11.8 pyenv global 3.11.8 # 4. 创建项目虚拟环境推荐 mkdir my-ai-project cd my-ai-project python -m venv venv source venv/bin/activate # 5. 安装 SDK pip install anthropic minimax-sdk requests注意minimax-sdk不是pip install minimax后者是另一个公司的包。正确的包名是minimax-sdk作者是minimax-inc。我第一次就装错了花了 2 小时 debug。4.2 Claude Code 插件配置五步完成每一步都有验证点Step 1安装插件在 VS Code 扩展市场搜索Anthropic Claude认准 publisher 是Anthropic蓝色认证徽章。安装后重启 VS Code。Step 2获取并配置 API Key访问 Anthropic Console 登录后进入API Keys页面。点击Create Key命名如vscode-dev复制生成的 Key。在 VS Code 设置Cmd,中搜索anthropic api key找到Anthropic: Api Key粘贴 Key。验证点保存后状态栏右下角会出现Claude: Ready字样。如果显示Error检查 Key 是否过期或拼写错误。Step 3配置上下文文件打开 VS Code 的settings.jsonCmdShiftP →Preferences: Open Settings (JSON)。添加以下配置{ anthropic.apiKey: sk-ant-api03-xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx, anthropic.contextFiles: [ ${workspaceFolder}/tsconfig.json, ${workspaceFolder}/package.json, ${workspaceFolder}/pnpm-lock.yaml, ${workspaceFolder}/.eslintrc.cjs ], anthropic.contextLines: 15, anthropic.maxContextTokens: 4096, anthropic.systemPrompt: 你是一个资深前端工程师熟悉 React 18、TypeScript 5、Vite 构建工具。你的回答必须严格基于用户提供的代码上下文不假设未声明的依赖。如果上下文缺失关键信息如某个 hook 的实现请明确指出而不是编造。所有生成的代码必须符合 ESLint Prettier 规范使用单引号箭头函数。 }验证点打开一个 TypeScript 文件选中任意一行按CtrlEnter观察右下角是否出现Claude: Thinking...然后生成结果。如果没反应检查contextFiles路径是否真实存在。Step 4测试代码理解能力在src/App.tsx中写一个简单函数// TODO: 实现一个函数接收一个数字数组返回偶数的平方和 const sumEvenSquares (nums: number[]) { // 请 Claude 帮我写 };把光标放在// 请 Claude 帮我写这行按CtrlEnter。预期结果它生成的代码应该包含filter和reduce并且 import 语句为空因为 context 里没其他文件。如果它 import 了lodash说明 system prompt 没生效。Step 5启用高级功能在设置里开启Anthropic: Enable Inline Completions行内补全。然后在函数参数里输入nums.它会自动提示nums.filter、nums.map等方法。这是验证它是否真正理解 TypeScript 类型的关键测试。4.3 MiniMax 配置从注册到 CLI 调用的七步实操Step 1注册 MiniMax 账号并创建 Project访问 MiniMax 官网 用邮箱注册。登录后进入Console→Projects→Create Project。命名如my-dev-tools选择Chat类型点击创建。在项目详情页复制API Key以mm-proj-开头和Project ID以proj-开头。Step 2创建安全的配置目录mkdir -p ~/.minimax chmod 700 ~/.minimax # 仅当前用户可读写Step 3写入配置文件cat ~/.minimax/config.json EOF { api_key: mm-proj-xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx, project_id: proj-xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx, base_url: https://api.minimax.chat/v1 } EOF chmod 600 ~/.minimax/config.json # 严格权限控制Step 4测试 API 连通性curlcurl -X POST https://api.minimax.chat/v1/chat/completions \ -H Authorization: Bearer $(cat ~/.minimax/config.json | jq -r .api_key) \ -H X-Project-ID: $(cat ~/.minimax/config.json | jq -r .project_id) \ -H Content-Type: application/json \ -d { model: abab6.5s, messages: [{role: user, content: 你好请用一句话介绍你自己。}], stream: false }预期输出一个 JSONchoices[0].message.content字段包含中文回复。如果返回 401检查 Key如果返回 400检查 Project ID。Step 5安装 Continue.dev 插件VS Code 扩展市场搜索Continue安装Continue.devpublisherContinue。重启 VS Code。Step 6配置 Continue.dev 指向 MiniMaxCmdShiftP →Continue: Configure。选择Edit Configuration在打开的~/.continue/config.json中修改models字段{ models: [ { title: MiniMax abab6.5s, model: abab6.5s, provider: openai, apiKey: mm-proj-xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx, apiBase: https://api.minimax.chat/v1, customHeaders: { X-Project-ID: proj-xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx } } ] }注意provider必须填openai这是 Continue.dev 识别 OpenAI 兼容接口的开关。Step 7在 VS Code 中使用 MiniMax打开任意文件选中一段文字如一段英文注释。CmdShiftP →Continue: Ask。输入 prompt如请将选中的英文翻译成符合阿里云风格的中文。验证点右下角状态栏应显示Continue: Using MiniMax abab6.5s且响应速度在 2-3 秒内。如果超时检查网络或apiBase地址是否多了一个/。4.4 双引擎协同工作流一个真实案例的完整复现我们来复现一个典型场景将一个用英文写的 Python CLI 工具click-based的 README.md自动升级为包含中文使用说明、参数解释、和错误码表的双语文档。原始 README.md 片段# MyCLI Tool A command-line tool to process CSV files. ## Installation bash pip install mycliUsagemycli convert --input data.csv --output result.json --format jsonOptions--input: Input CSV file path--output: Output file path--format: Output format (json or yaml)**目标生成一个增强版 README包含** - 中文版“安装”“使用”“选项”小节 - 每个 CLI 参数的中文解释如 --input → “输入 CSV 文件路径必须为本地文件” - 一个“常见错误码”表格列出 FileNotFoundError、ValueError 等异常对应的中文提示 **执行步骤** 1. **用 Claude Code 分析 CLI 结构** 将 mycli/__main__.py 文件内容包含 click.command() 装饰器的函数复制到 VS Code 新建文件选中全部按 CtrlEnter输入 prompt 请分析这个 Click CLI 工具的命令结构、所有参数、以及可能抛出的异常类型。以 JSON 格式输出字段包括 commands, options, exceptions。 **Claude 返回** json { commands: [convert], options: [ {name: input, type: str, required: true}, {name: output, type: str, required: true}, {name: format, type: choice, choices: [json, yaml]} ], exceptions: [FileNotFoundError, ValueError, click.UsageError] }用 MiniMax 生成中文文档将 Claude 的 JSON 输出加上原始 README 的英文内容一起作为 MiniMax 的输入echo { readme_en: ## Installation\nbash\npip install mycli\n\n## Usage\nbash\nmycli convert --input data.csv --output result.json --format json\n\n## Options\n- --input: Input CSV file path\n- --output: Output file path\n- --format: Output format (json or yaml), cli_analysis: {commands: [convert], options: [...], exceptions: [...]}, task: generate bilingual README with Chinese explanations and error code table } | python ai-cli.py --engine minimax --task customMiniMax 返回一个完整的 Markdown其中“选项”小节是### 选项 - --input输入 CSV 文件路径必须为本地存在的文件不支持 URL。 - --output输出文件路径程序会自动创建父目录如 ./out/result.json。 - --format输出格式可选 json默认或 yaml。以及一个错误码表错误码中文提示解决方案FileNotFoundError输入文件不存在请检查--input路径是否正确运行ls -l path确认文件存在ValueErrorCSV 文件格式错误可能包含非法字符或编码问题用file file检查编码或用iconv转换人工审核与合并我们把 MiniMax 生成的中文内容和原始英文 README 合并形成最终的README_zh.md。整个过程Claude 负责“读懂代码”MiniMax 负责“说好中文”各干各的互不干扰。5. 常见问题与排查技巧实录那些只有亲手拧过螺丝才知道的坑5.1 Claude Code 常见问题速查表| 问题现象 | 可能原因 | 排查命令/步骤 | 解决方案 | |----------|