@razllivan/pi-minimax-m3-caching-fix
为MiniMax M3模型提供缓存优化与思维链清理的驱动适配器。
安装使用
复制下面这段提示词发给你的 AI（Claude / Cursor / TRAE / Codex / WorkBuddy 等），它会自动帮你完成安装：
帮我安装这个 AI Skill：@razllivan/pi-minimax-m3-caching-fix。 它的用途是：为MiniMax M3模型提供缓存优化与思维链清理的驱动适配器。 完整的 Skill 内容见：https://321skill.com/skills/razllivan-pi-minimax-m3-caching-fix/raw/index.md 请读取该页面内容，如果是 SKILL.md 格式直接安装，如果是 README 提炼核心 prompt 后安装。
提示词包含完整的 Skill 内容链接，AI 读取后即可完成安装。你也可以 查看完整内容 确认无误。
使用示例
“用MiniMax M3模型帮我写一篇关于AI Agent的短文。” 它会通过此Skill处理后的驱动调用模型，返回的文本将自动过滤掉模型内部思考的重复痕迹，使你直接获得简洁的最终文案，无需手动清理。
介绍
这个Skill旨在解决开发者在调用MiniMax M3模型（通过OpenAI兼容端点）时，遇到的思维链（thinking）内容重复和冗余问题。它通过包装内置的openai-completions驱动，在流式传输过程中被动缓存并清理重复的、内联的思维内容，从而获得更简洁、纯净的最终输出。
使用方式非常简单，它作为一个驱动适配器，在配置Pi AI或相关Agent框架时，指定使用此Skill即可。它会自动处理来自MiniMax M3模型的响应流，无需用户进行额外的后处理操作。
它非常适合那些正在使用或计划使用MiniMax M3模型进行开发、并且希望获得更干净对话输出的AI应用开发者、项目构建者或技术爱好者。
使用建议：确保你的调用端点与OpenAI API兼容，并且启用了对应的skipThinkingBlock兼容性标志，以达到最佳效果。注意，此Skill主要优化输出格式，不改变模型的核心推理能力。
核心特点
核心区别在于它专门针对MiniMax M3模型的流式响应，实现了“被动缓存”机制来实时清理重复和内联的思维链内容，而非简单的后处理；同时，它直接映射了上游的`skipThinkingBlock`兼容性标志，确保了与Pi AI框架的无缝集成。
注意事项
此Skill仅适用于通过OpenAI兼容端点调用的MiniMax M3模型，对于其他模型或非流式调用场景可能不适用。
常见问题
这个Skill能提升MiniMax M3模型的速度吗？
不能，它主要优化输出内容的纯净度，不直接提升推理速度。
需要修改我的API调用代码吗？
通常不需要，它作为驱动层适配器，在框架配置中替换原有驱动即可。
给 AI 助手的安装指引
如果你的 AI 编程助手（Claude Code、Cursor、TRAE 等）能看到这个页面，把下面这段发给它即可自动完成安装：
请访问 https://321skill.com/skills/razllivan-pi-minimax-m3-caching-fix/raw/index.md 读取 @razllivan/pi-minimax-m3-caching-fix 的原始 Skill 定义（Markdown 格式），按其中说明在我的环境里完成安装和配置。
AI 可直接读取的原始 Markdown 地址：/skills/razllivan-pi-minimax-m3-caching-fix/raw/index.md（查看排版版本）