/plan, /grill, /goal: Der eingebaute Skills-Workflow von Muse Code erklärt
Metas Ein-Satz-Pitch für die mitgelieferten Skills: rohe Idee rein, durchgegrilltes, geprüftes Feature raus. Was jeder Befehl wirklich tut — und wann du zu welchem greifst.
/plan — nichts ändert sich, bevor du zustimmst
/plan verwandelt eine Aufgabe in einen freigabepflichtigen Plan. Der Agent studiert das Repository, zerlegt die Arbeit, präsentiert sein Vorgehen — und stoppt dann. Keine Codeänderung, bevor du grünes Licht gibst. Für alles jenseits einer trivialen Korrektur ist das der richtige Eröffnungszug: Aus „hoffentlich hat mich der Agent verstanden“ wird ein Dokument, das du lesen kannst — und Missverständnisse fliegen auf, wenn sie Sekunden kosten statt eines Nachmittags, an dem du ein verkorkstes Refactoring zurückdrehst.
/grill — das Kreuzverhör vor der Ausführung
/grill testet den Plan auf Belastbarkeit, bis er hält. Der Name passt: Statt den erstbesten plausibel wirkenden Plan höflich abzunicken, nimmt der Agent sein eigenes Vorgehen ins Kreuzverhör — Randfälle, versteckte Abhängigkeiten, Fehlermodi — und überarbeitet so lange, bis der Plan das Grillen übersteht. Menschliche Entwickler machen das im Design-Review. Die meisten Coding-Agenten überspringen es komplett und bezahlen dafür mit Retries. Wenn ein Plan auseinanderfallen wird, dann bitte auf dem Papier.
/goal — die Ziellinie, die nicht vergessen wird
/goal arbeitet auf den erfolgreichen Abschluss des Ziels hin, das du vorgibst — und hält den Agenten so lange auf Kurs, bis das gemergt wird, was du ursprünglich wolltest. Lange Agenten-Sessions haben einen wohlbekannten Fehlermodus: Drift. Fünfzig Tool-Calls später poliert der Agent pflichtbewusst etwas, das neben deiner eigentlichen Aufgabe liegt — aber eben nicht sie selbst ist. Goal-Conditioning wurde genau dafür in Muse Spark 1.2 hineintrainiert, und /goal ist der Griff, an dem du es festhältst.
Die Nebendarsteller: /model und /effort
Zwei weitere Befehle steuern Kosten statt Workflow. /model wechselt das zugrundeliegende Modell mitten in der Session — etwa zu muse-spark-1.2 zum Standard-Preis der Model API, wenn du die Stufe ohne Trainingsdaten-Nutzung brauchst (die Details stehen in unserem Tier-Vergleich). /effort regelt die Reasoning-Tiefe hoch oder runter. Muse Spark denkt, bevor es antwortet, und diese Denk-Token werden als Output abgerechnet — den Aufwand an die Schwierigkeit der Aufgabe anzupassen ist deshalb die einfachste Kostenoptimierung überhaupt.
Ein Workflow, der sich verketten lässt
Die Skills greifen natürlich ineinander: das Feature mit /plan planen, den Plan mit /grill grillen, freigeben — und dann /goal die Ausführung tragen lassen, während Fan-out die unabhängigen Teile parallelisiert und das Event-Log jeden Schritt fürs Review festhält. Jede Stufe ist das Tor zur nächsten — genau so, wie ein autonomes System sich Vertrauen Stück für Stück verdienen sollte. Das Cookbook-Rezept zu den mitgelieferten Skills zeigt die komplette Pipeline an einem echten Feature; du findest es im Cookbook.