Cline把Meta的Muse提示词搬到自己框架里，修bug又快又便宜，值得看看他们怎么写的。
Meta发布Coding Agent Muse Code和模型Muse Spark 1.2，Cline团队因登录bug改用提示词实验。他们从Muse Code系统提示词中提取五条工作纪律，移植到Cline的harness中。同一模型Muse Spark 1.2修复同一bug，Token消耗从19.7M降至7.2M，耗时从49分钟减至24分钟，成本从7.69美元降到3.25美元。实验证明提示词对智能体性能影响显著。
Muse Code (beta) 和 Muse Spark 1.2 有趣的实验 Meta 同时发布了这对 Coding Agent 和 LLM，@cline 团队用它做了个有趣的实验，顺便提取了系统...
Muse Code (beta) 和 Muse Spark 1.2 有趣的实验 Meta 同时发布了这对 Coding Agent 和 LLM， @cline 团队用它做了个有趣的实验，顺便提取了系统提示词。 Cline 团队原本想直接试用 Muse Code 智能体，但发现它存在一个 bug——无法在 Docker 容器中登录，于是改做了一个更有意思的实验。 Meta 官方称 Muse Spark 1.2 与其 Muse Code Harness 是协同训练的，即模型和框架共享同一套指令格式，模型在训练时见过框架的轨迹数据。Cline 团队由此想到：如果把 Muse Code 系统提示词中的指令提取出来，移植到 Cline 自己的 harness 里，会发生什么？ 提取出的五条提示词原则 Cline 给出了这套"特殊提示词"的核心内容，本质上是一套严谨的工作纪律： · 信任源代码胜过信任用户提示 —— 开始任务前先读完每一个调用点和已有测试； · 边界情况和错误情况与主路径（happy path）同等重要； · 修复 bug 之前，必须先复现它； · 不要相信第一次全绿的测试套件 —— 对看起来敷衍、半成品的测试要核实； · 不要改完就停 —— 持续工作直到改动被验证真正完成。 这五条都指向同一个倾向：对抗"急于收工"的本能，把验证和尽调放到与写代码同等重要的位置。 实验结果 他们用改造后的 Cline harness 修复一个真实的仓库 bug，与原版 Cline harness 对比。同一模型（Muse Spark 1.2）、同一任务，只有提示词不同： 原版 Cline vs. 移植 Muse 提示词后 Token 消耗：19.7M vs. 7.2M -- 少 2.7 倍 耗时：49 分钟 vs. 24 分钟 -- 快 2 倍 成本：$7.69 vs. $3.25 -- 便宜 2.4 倍 Cline @cline We tried using Meta's new Muse Code agent, but it has a bug that doesn't let it sign in from a docker container. So we did a fun experiment: Meta claims Muse Spark 1.2 was co-trained with their Muse agent harness. So we extracted instructions from their system prompt and added them to the Cline harness. TL;DR of this special prompting: - Trust source code over the user prompt, so read every call site and existing tests before starting the task - Weigh edge and error cases as heavily as the happy path - Always reproduce the bug before fixing - Don't trust the first passing test suite, and verify suspicious looking half-baked tests - Never stop at just editing, keep working until the change is verified complete. We then asked this modified harness to fix a real bug from our repo, and compared the results to the original Cline agent harness. Results: - Used 2.7x fewer tokens (19.7M → 7.2M) - Finished 2x faster (49min → 24min) - Cost 2.4x less ($7.69 → $3.25) Same Muse Spark 1.2 model, same task, only the prompting changed. Incredible how much of a performance gain Meta was able to achieve training it on these special instructions! 🔗 View Quoted Tweet 💬 0 🔄 0 ❤️ 4 👀 302 📊 1 ⚡