Meta 发布 Muse Code 与 Muse Spark 1.2

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