/plan, /grill, /goal: zo werk je met de ingebouwde skills
Meta's pitch voor de meegeleverde skills van Muse Code in één zin: stop er een ruw idee in en er komt een doorgezaagde, gecontroleerde feature uit. Dit doet elk commando precies, en dit is wanneer je ernaar grijpt.
/plan — er verandert niets tot jij akkoord geeft
/plan zet een gevraagde taak om in een plan dat op jouw goedkeuring wacht. De agent bestudeert de repository, hakt het werk in stukken en presenteert zijn aanpak — en stopt dan. Geen codewijziging voordat jij je fiat geeft. Voor alles wat verder gaat dan een triviale fix is dit de juiste openingszet: het verandert “ik hoop dat de agent me begrepen heeft” in een document dat je kunt lezen, en het vangt misverstanden af wanneer ze seconden kosten in plaats van een middag lang een verkeerd gekozen refactor terugdraaien.
/grill — vijandig tegenlezen vóór de uitvoering
/grill zet het plan onder druk tot het overeind blijft. De naam is treffend gekozen: in plaats van beleefd het eerste plausibel ogende plan te accepteren, neemt de agent zijn eigen aanpak in het kruisverhoor — randgevallen, verborgen afhankelijkheden, faalscenario’s — en herziet net zo lang tot het plan de grill overleeft. Menselijke engineers doen dit in een design review. De meeste code-agents slaan het volledig over en betalen ervoor in retries. Als een plan gaat omvallen, dan liefst op papier.
/goal — de finishlijn, onthouden
/goal werkt naar de succesvolle afronding van het doel dat jij opgeeft — en houdt de agent bij de les tot wat je oorspronkelijk wilde ook echt is wat er gemerged wordt. Lange agentsessies kennen een berucht faalpatroon: afdwalen. Vijftig tool calls verder zit de agent plichtsgetrouw iets te polijsten dat ernaast ligt, maar net niet is wat jij vroeg. Goal conditioning is precies hiervoor in Muse Spark 1.2 getraind, en /goal is het handvat waarmee je het vasthoudt.
De bijrollen: /model en /effort
Twee andere commando’s regelen kosten in plaats van workflow. Met /model wissel je halverwege de sessie van onderliggend model — bijvoorbeeld naar muse-spark-1.2 tegen standaard Model API-tarieven wanneer je de tier zonder trainingsdata nodig hebt (de details staan in onze tiervergelijking). /effort draait de redeneerdiepte omhoog of omlaag. Muse Spark denkt na voordat het antwoordt en die denk-tokens worden als output afgerekend, dus de inspanning afstemmen op de moeilijkheid van de taak is verreweg de makkelijkste kostenbesparing die er is.
Een workflow die zich laat stapelen
De skills schakelen vanzelf in elkaar: /plan de feature, /grill het plan, keur het goed en laat dan /goal de uitvoering trekken — waarbij fan-out de onafhankelijke delen parallelliseert en het event log elke stap vastlegt voor review. Elke fase is de poortwachter voor de volgende, en dat is precies hoe je wilt dat een autonoom systeem stap voor stap je vertrouwen verdient. Het cookbook-recept voor de bundled skills laat de hele pipeline op een echte feature zien; je vindt het in het cookbook.