测试Meta新Muse Code智能体发现Docker登录漏洞

开发者尝试使用Meta推出的新型Muse Code编码智能体，发现它存在一个漏洞，无法从Docker容器完成登录。

Meta称Muse Spark 1.2是通过自家Muse智能体框架联合训练得到。开发者借此开展了一项实验，从Meta的系统提示中提取出五条规则，将其添加到自己开发的Cline框架中。

提取出的规则包括：优先信任源代码而非用户提示，开始任务前读取所有调用点与现有测试；同等重视边界、错误场景与正常运行场景；修复bug前必须先复现问题；不要轻信首次通过的测试集，验证看起来可疑、不完善的测试；不要停止在代码编辑步骤，持续工作直到修改完成并通过验证。

开发者用修改后的框架修复自身代码仓库中的一个真实bug，将结果与原始Cline框架对比。对比在同一Muse Spark 1.2模型、同一任务下开展，仅提示规则不同。

修改后的框架使用的token（语言模型计算单位）减少到原来的三分之一还不到，消耗量从1970万降至720万。完成任务的速度提升一倍，用时从49分钟缩短到24分钟。花费降低到原来的约五分之二，从7.69美元降到3.25美元。

仅调整特殊训练指令，就让模型性能获得了显著提升。