Codex 已经重启，也能看到 MiniMax Skills，接下来该怎么让它真的做出 Word、PPT 和多媒体文件？我通常不从一条“大而全”的提示开始，而是把交付拆成三个小实验：先确认技能路由，再补齐各自依赖，最后亲手打开生成文件。

上午先试 Word：把“写内容”和“做文档”说清楚

minimax-docx 把任务分为三条路线：从零创建、编辑现有文档、套用模板格式。第一次使用前要在技能目录运行 bash scripts/setup.sh，每个新会话的首次操作还要跑 scripts/env_check.sh；环境显示未就绪时，不应继续生成。

我会给 Codex 一个可检查的请求：“使用 minimax-docx 创建一份两页项目周报，A4，包含摘要、进展表和下周计划；生成后运行验证并预览，不要只返回正文。”

复杂表格、页眉页脚、目录和图片会走直接 C#／OpenXML 路线，简单文本才适合 CLI。交付时我会检查文档能否打开、字体是否正常、表格是否越界，并确认技能要求的结构验证与预览已经执行。

下午换成 PPT：先定页面类型，再开始写 JS

pptx-generator 不只是把一串文字塞进幻灯片。它先区分读取、编辑模板和从零创建；从零创建时会选配色与字体、规划页面类型、逐页生成 PptxGenJS 文件，编译出 PPTX 后再做视觉检查。读取已有演示稿需要 markitdown[pptx]，从零创建要准备 pptxgenjs。

我的试跑会压到四页：“为非技术同事做四页 MiniMax Skills 入门演示，包含封面、能力地图、Codex 安装路径和选择建议；每页布局不同，编译后检查文字溢出。”

如果已有品牌模板，我会在请求里直接给出模板路径，并要求保留母版、页面尺寸和品牌字体。最终验收不看 JS 文件数量，而是打开 PPTX 检查排版、图片清晰度、换行和放映兼容性。

晚上再碰多媒体：先把命令行与密钥隔离好

多模态目录名是 minimax-multimodal-toolkit，但它的 frontmatter 名称写作 mmx-cli。先按文件里的前置步骤安装并鉴权：

npm install -g mmx-cli
mmx auth login --api-key sk-xxxxx

密钥会持久化到本机凭据文件。我不会把真实 Key 写进项目、截图或对话示例；CI 环境则使用受控的环境变量或密钥存储。代理任务最好加上 --non-interactive、--quiet 与 --output json，让缺参立即失败、输出也方便机器读取。

三个最小命令，分别验证图片、语音和视频

mmx image generate --prompt "深蓝背景上的极简机器人" --out-dir ./media --quiet
mmx speech synthesize --text "欢迎查看产品演示" --out ./media/intro.mp3 --quiet
mmx video generate --prompt "缓慢推进的未来城市" --async --quiet

图片与语音可以直接检查本地文件；视频是异步任务，先拿任务 ID，再查询状态并下载。我的验收会同时看文件能否播放、时长与格式是否符合需求、失败时是否留下可追踪的任务 ID，而不是把终端里的一条 URL 当作交付。

把三个实验串起来时，别让技能互相代替

一条稳妥的组合路线是：先用文档技能整理内容，再用 PPTX 技能做演示结构，最后按明确用途生成旁白、配图或短视频。每个阶段都保存中间产物，并把输入文件路径写清楚。这样媒体生成失败时不必重做整份文档，PPT 排版返工也不会误改已确认的脚本。

Codex 能读到技能只是起点。依赖检查通过、任务路由选对、真实产物经过预览与验证，才是“接入成功”的完整闭环。第一次跑通这三件小事后，再把它们合成一份带讲稿、演示稿和媒体资产的完整交付，会省下很多排错时间。