/plan, /grill, /goal: alur kerja skill bawaan Muse Code
Janji satu kalimat Meta untuk skill bawaan Muse Code: masukkan ide kasar, keluar fitur yang sudah dipanggang dan diuji rasa. Ini yang sebenarnya dilakukan tiap perintah, dan kapan kamu perlu memakainya.
/plan — tidak ada yang berubah sebelum kamu setuju
/plan mengubah tugas yang kamu minta menjadi rencana yang harus disetujui dulu. Agent mempelajari repository, memecah pekerjaannya, memaparkan pendekatan yang dia niatkan — lalu berhenti. Tidak ada perubahan kode sampai kamu memberi lampu hijau. Untuk apa pun di luar perbaikan remeh, ini langkah pembuka yang benar: dia mengubah “semoga agent-nya paham maksudku” menjadi dokumen yang bisa kamu baca, dan menangkap salah paham saat ongkosnya masih hitungan detik, bukan setengah hari membongkar refactor yang salah arah.
/grill — review adversarial sebelum eksekusi
/grill menguji rencana itu habis-habisan sampai benar-benar kokoh. Namanya pas: alih-alih sopan menerima rencana pertama yang kelihatan masuk akal, agent menginterogasi pendekatannya sendiri — edge case, dependensi tersembunyi, mode kegagalan — dan merevisi sampai rencananya lolos dipanggang. Engineer manusia melakukan ini di design review. Kebanyakan coding agent melewatkannya sama sekali dan membayarnya lewat retry. Kalau sebuah rencana memang bakal runtuh, kamu ingin dia runtuh di atas kertas.
/goal — garis finis yang tidak dilupakan
/goal bekerja menuju penyelesaian objektif yang kamu tentukan — dan menjaga agent tetap di jalurnya sampai yang di-merge adalah persis yang kamu minta sejak awal. Sesi agent yang panjang punya mode kegagalan yang terkenal: melenceng. Lima puluh tool call kemudian, agent-nya dengan rajin memoles sesuatu yang bersebelahan dengan — tapi bukan persis — hal yang kamu minta. Goal conditioning dilatihkan ke Muse Spark 1.2 justru untuk ini, dan /goal adalah pegangan yang kamu genggam.
Pemeran pendukung: /model dan /effort
Dua perintah lagi mengelola biaya, bukan alur kerja. /model mengganti model di tengah sesi — misalnya ke muse-spark-1.2 dengan harga Model API standar saat kamu butuh tier tanpa data training (detailnya ada di perbandingan tier kami). /effort menaik-turunkan kedalaman reasoning. Muse Spark berpikir dulu sebelum menjawab, dan token berpikir itu ditagih sebagai output, jadi menyesuaikan effort dengan tingkat kesulitan tugas adalah optimasi biaya paling gampang yang tersedia.
Alur kerja yang saling menyambung
Skill-skill ini terangkai secara alami: /plan fiturnya, /grill rencananya, setujui, lalu biarkan /goal mengawal eksekusi — dengan fan-out memparalelkan bagian-bagian yang independen dan event log merekam tiap langkah untuk di-review. Tiap tahap menjadi gerbang bagi tahap berikutnya — persis cara yang kamu inginkan agar sebuah sistem otonom mendapat kepercayaan secara bertahap. Resep cookbook bundled-skills memperlihatkan seluruh pipeline ini pada fitur sungguhan; temukan di cookbook.