摘要本文基于视频中提出的「GLM Mythos」思想系统拆解如何通过「模型 系统提示词 终端工作流 GSD 思维 前端设计能力」组合把一款便宜但能力强的模型打造成接近旗舰体验的编码 Agent。文中给出可复用的系统 Prompt、工作流设计并提供基于xuedingmao.com的一套完整 Python 调用示例帮助你快速在本地重现一个可落地的 Mythos 风格开发助手。一、背景介绍从“堆模型参数”到“设计工作流”最近关于 “Claude Mythos / 神话版” 的讨论很多关键词基本都是更强的代码能力更好的长任务规划更稳定的多步骤 Agent 行为但视频的核心观点其实很反常识真正拉开“普通助手”和“变态强助手”差距的不只是模型 checkpoint而是系统 Prompt、工作流层、工具集成、以及防上下文腐烂context rot的设计。换句话说你可以不买天价企业版也能自己搭一个“神话级”工作流。视频中把这个组合叫做GLM Mythos它不是某个隐藏模型而是一套栈引擎层GLM 5.1强但便宜的基础模型载体层Kilo CLI / 终端工具提供“Agent 身体”约束层King Mode 系统 Prompt强制模型不偷懒品味层前端设计 Skill Prompt让界面可直接上线反混乱层GSD 工作流Get Shit Done保证任务真的完成而不是只生成代码片段在国内开发环境下你可以用任何 OpenAI 兼容的 API 实现同样的栈。下面我用薛定猫 AIxuedingmao.com来举例演示如何在本地完成一套接近视频中的“GLM Mythos”工作流。二、核心原理GLM Mythos 的设计要点1. 模型不是产品工作流才是产品视频中强调了一个非常重要的认知“高级模型质量”并不等于“参数更多、训练更贵”很多时候体验差异来自系统级 Promptsystem prompt任务分解逻辑decomposition记忆/状态管理memory工具/终端集成上下文防腐策略防止 context rot因此 Mythos 的目标是在不更换模型 checkpoint 的前提下通过工程手段把模型“放大”为更稳定、更可控的 Agent。2. King Mode让模型“有纪律”而不是“更聪明”King Mode 本质上是一套系统提示词system prompt核心作用明确角色面向代码重构 / 项目搭建 / 长任务执行的工程 Agent强制步骤化先计划、再执行、再验证、再总结禁止偷懒不允许“含糊回答”“你可以自己查文档”式输出明确失败条件当信息不足时必须要求补充而不是胡编关键点King Mode 不会让模型“更聪明”而是让它“更自律”。在 GLM 5.1 这类本身偏 Agent 风格的模型上效果会非常明显不乱闲聊自动进入“任务模式”更愿意重试、调试、查找错误3. GSDGet Shit Done从“生成代码”到“生成功能”GSD 思维强调验证目标是“功能是否完成”而不是“代码是否生成”对于一个任务至少需要验证能否正常运行编译 / 测试通过关键用户路径是否闭环登录、保存、状态持久等边界情况是否能自洽空列表、错误状态在实践中你可以用类似这样的小循环让模型先输出任务拆分清单针对每一步生成/修改代码引导模型设计验证脚本/测试用例把运行日志/错误输出回灌给模型直到功能真正可用而不是“看起来写完了”4. 前端设计 Skill Prompt避免“AI 缺德 UI”视频里特别提到普通 LLM 做界面时常常生成黑白配色 随便一个灰色按钮默认字体 / 间距一眼看上去“AI 味儿”的粗糙界面所谓前端设计 Skill Prompt就是在系统层告诉模型要考虑视觉层级Hierarchy要考虑排版Typography字号、行高、对齐方式要考虑节奏与留白Spacing Rhythm要给出可上线的样式而非占位符这其实是一种“嵌入式设计规范”对使用 Tailwind / Ant Design / Chakra UI 等库的项目尤为有效。三、实战演示用中转站 AI 快速搭一套“本地 Mythos Agent”下面用 Python 薛定猫 AI 的 OpenAI 兼容 API演示一个最小可用的 Mythos 风格编码 Agent。默认模型使用claude-sonnet-4-6你也可以替换为自己偏好的模型 ID。3.1 安装依赖pipinstallopenai python-dotenv3.2 环境变量配置在项目根目录创建.envXUEDINGMAO_API_KEY你的_API_Key XUEDINGMAO_BASE_URLhttps://xuedingmao.com/v13.3 定义 Mythos 系统 Prompt# mythos_prompts.pyKING_MODE_SYSTEM_PROMPT 你是一个“有纪律的资深工程 Agent”专注于 - 中大型代码改造 - 新功能从 0 到 1 搭建 - 长任务的规划与持续迭代 请严格遵守 1. 先思考后输出。所有任务必须先给出“分步计划”再执行。 2. 禁止含糊不要说“也许”“可能”“你可以自己查文档”一类话。 3. 对于代码相关任务输出结构必须包含 - PLAN: 任务拆分 - IMPLEMENT: 具体代码标明文件路径 - VERIFY: 如何验证功能完成命令 / 测试用例 / 手工步骤 4. 当信息不足时必须列出需要澄清的问题而不是胡乱假设。 5. 你更倾向于重构和改进而不是一次性“写完就走”。 你的目标不是“回答问题”而是“让功能真正可用”。 FRONTEND_DESIGN_SKILL_PROMPT 你具备资深前端设计能力。对于 UI 相关任务 - 必须考虑 - 信息层级层级清晰、主次分明 - 排版字体大小、行高、对齐方式 - 视觉节奏间距、行距、块之间的留白 - 输出组件/页面时 - 使用一致的设计系统例如 Tailwind 的 spacing/typography 规范 - 避免默认黑白 无脑灰色按钮 - 给出可直接上线的样式而非“TODO: beautify UI” 在给出代码前请简要说明你的视觉决策例如为什么使用某个布局 / 配色 / 字号。 GSD_WORKFLOW_PROMPT 你正在执行 GSDGet Shit Done工作流 - 目标完成一个“可用的功能”而不是“几段代码”。 - 对每次迭代你需要 1明确当前子目标 2说明你要修改/新增的文件 3给出变更内容 4给出我应该执行的验证步骤命令、预期结果 5等待我把实际运行结果 / 错误日志反馈给你再继续调整 请用“GSD-STEP”小节显式标注当前迭代步骤。 3.4 核心调用代码本地 Mythos Agent# mythos_agent.pyimportosfromdotenvimportload_dotenvfromopenaiimportOpenAIfrommythos_promptsimport(KING_MODE_SYSTEM_PROMPT,FRONTEND_DESIGN_SKILL_PROMPT,GSD_WORKFLOW_PROMPT,)load_dotenv()# 初始化 OpenAI 兼容客户端指向薛定猫 AIclientOpenAI(api_keyos.getenv(XUEDINGMAO_API_KEY),base_urlos.getenv(XUEDINGMAO_BASE_URL,https://xuedingmao.com/v1),)MODEL_NAMEclaude-sonnet-4-6# 默认模型可替换为其他已开通的模型 IDdefbuild_mythos_system_message(need_frontend:boolFalse,enable_gsd:boolTrue,)-str: 根据当前任务类型动态组合系统 Prompt - King Mode基础纪律约束 - Frontend Skill需要 UI 设计时启用 - GSD需要完整功能闭环时启用 parts[KING_MODE_SYSTEM_PROMPT]ifneed_frontend:parts.append(FRONTEND_DESIGN_SKILL_PROMPT)ifenable_gsd:parts.append(GSD_WORKFLOW_PROMPT)return\n\n.join(parts)defmythos_chat(user_task:str,need_frontend:boolFalse,enable_gsd:boolTrue,)-str: 调用薛定猫 AI 的 Chat Completion执行一次 Mythos 风格对话。 :param user_task: 用户的任务描述例如实现某个功能 :param need_frontend: 是否需要前端设计能力 :param enable_gsd: 是否使用 GSD 工作流结构 :return: 模型输出的文本 system_promptbuild_mythos_system_message(need_frontendneed_frontend,enable_gsdenable_gsd,)responseclient.chat.completions.create(modelMODEL_NAME,messages[{role:system,content:system_prompt},{role:user,content:user_task,},],temperature0.2,# 偏低温度增强可控性)returnresponse.choices[0].message.contentif__name____main__: 示例让 Mythos Agent 生成一个带基础 UI 的“电影收藏小工具” - 支持登录 - 可以保存/删除电影 - 状态可持久哪怕列表为空也有合理展示 user_task 我想用 React Tailwind 做一个简单的“电影收藏”单页应用 - 用户可以用邮箱密码伪登录前端本地模拟不接真实后端 - 可以搜索电影并添加到“收藏列表” - 收藏列表支持删除 - 页面要有 - 顶部导航应用名 登录状态 - 左侧搜索区域 - 右侧收藏列表 - 空列表时要有合理的空状态文案和视觉设计 请按你的 King Mode GSD 工作流来执行 - 先给出 PLAN - 再给出关键组件的实现代码标明文件名 - 再给出我在终端需要执行的验证步骤 outputmythos_chat(user_task,need_frontendTrue,# 需要前端设计能力enable_gsdTrue,# 使用 GSD 工作流)print(output)说明这段代码已经可以直接运行只需替换.env中的XUEDINGMAO_API_KEYMythos Agent 会按照我们设计的系统 Prompt先输出任务拆分PLAN再输出带 UI 设计说明的 ReactTailwind 代码再给出npm命令 / 验证步骤你可以把运行错误例如编译失败、TypeScript 报错再喂回去形成视频里所说的“长任务迭代”。四、注意事项与实践建议1. 这不是魔法垃圾需求照样出垃圾结果如果你的需求描述模糊“帮我做个管理后台漂亮一点就行”模型再强、工作流再精巧也只能无限脑补。实践建议在给 Mythos Agent 输入任务时把自己当产品经理至少写清楚核心用户路径登录 / 操作 / 结果关键约束技术栈、浏览器支持、性能要求验收标准能算作“完成”的条件2. 不要对所有小任务都开“全神装”模式视频中明确提醒重命名变量、调个按钮颜色不要套整套 Mythos 栈这类小任务直接调用轻量模型快速改就够了合理用法小变更直接对话 / 轻量系统 prompt中大型改造 / 新功能King Mode GSD 可选前端设计3. 合理选择模型与平台在工程实践中模型质量只是一个维度更现实的问题是模型更新速度如何能否一次接入多模型切换API 是否兼容主流 SDK / 客户端xuedingmao.com对开发者比较友好的点在于聚合500 主流大模型包括 GPT-5.4、Claude 4.6、Gemini 3 Pro 等新模型几乎是实时首发可以第一时间尝试最新能力对外暴露的是OpenAI 兼容接口只要替换base_urlapi_key几乎不用改现有代码对于需要同时调用多家模型的 Agent/评估/重排场景集成成本非常低。在搭建类似 Mythos 这种“强工作流 多模型组合”的系统时统一的 API 层可以显著降低后期维护成本。五、技术资源与延伸方向如果你想把本文的 Demo 往更实用方向扩展可以考虑增加文件读写工具结合本地文件系统允许 Agent 直接修改项目代码集成测试执行工具让 Agent 自动运行pytest/vitest/playwright等并解析结果引入简单的记忆机制把关键设计决策写入一个DECISIONS.md每轮对话前注入上下文避免“遗忘历史选择”多模型分工便宜模型负责代码搜索/重命名/格式化强模型负责架构设计/复杂调试/跨文件大改造这些都可以基于薛定猫 AI 的统一接口实现不需要针对每家厂商单独写一套 SDK 封装。小结通过 GLM Mythos 思路可以看到真正的“超模体验”是模型 Prompt 工具 工作流的系统工程而不是单纯买最贵的订阅。落到代码层面你完全可以选一个性价比高的模型如薛定猫 AI 上的 claude-sonnet-4-6 / 其他你熟悉的模型用 King Mode 强化“纪律性”用 GSD 工作流确保从“生成代码”走向“交付功能”用前端设计 Prompt让产出的 UI 更“能见人”做到这一点你的三美元 Agent体验上会非常接近现在宣传中的“神话版”。#AI #大模型 #Python #机器学习 #技术实战
【技术干货】用「GLM Mythos 工作流」把普通大模型打造成三美元超模编码助手
发布时间：2026/5/21 4:56:09
摘要本文基于视频中提出的「GLM Mythos」思想系统拆解如何通过「模型 系统提示词 终端工作流 GSD 思维 前端设计能力」组合把一款便宜但能力强的模型打造成接近旗舰体验的编码 Agent。文中给出可复用的系统 Prompt、工作流设计并提供基于xuedingmao.com的一套完整 Python 调用示例帮助你快速在本地重现一个可落地的 Mythos 风格开发助手。一、背景介绍从“堆模型参数”到“设计工作流”最近关于 “Claude Mythos / 神话版” 的讨论很多关键词基本都是更强的代码能力更好的长任务规划更稳定的多步骤 Agent 行为但视频的核心观点其实很反常识真正拉开“普通助手”和“变态强助手”差距的不只是模型 checkpoint而是系统 Prompt、工作流层、工具集成、以及防上下文腐烂context rot的设计。换句话说你可以不买天价企业版也能自己搭一个“神话级”工作流。视频中把这个组合叫做GLM Mythos它不是某个隐藏模型而是一套栈引擎层GLM 5.1强但便宜的基础模型载体层Kilo CLI / 终端工具提供“Agent 身体”约束层King Mode 系统 Prompt强制模型不偷懒品味层前端设计 Skill Prompt让界面可直接上线反混乱层GSD 工作流Get Shit Done保证任务真的完成而不是只生成代码片段在国内开发环境下你可以用任何 OpenAI 兼容的 API 实现同样的栈。下面我用薛定猫 AIxuedingmao.com来举例演示如何在本地完成一套接近视频中的“GLM Mythos”工作流。二、核心原理GLM Mythos 的设计要点1. 模型不是产品工作流才是产品视频中强调了一个非常重要的认知“高级模型质量”并不等于“参数更多、训练更贵”很多时候体验差异来自系统级 Promptsystem prompt任务分解逻辑decomposition记忆/状态管理memory工具/终端集成上下文防腐策略防止 context rot因此 Mythos 的目标是在不更换模型 checkpoint 的前提下通过工程手段把模型“放大”为更稳定、更可控的 Agent。2. King Mode让模型“有纪律”而不是“更聪明”King Mode 本质上是一套系统提示词system prompt核心作用明确角色面向代码重构 / 项目搭建 / 长任务执行的工程 Agent强制步骤化先计划、再执行、再验证、再总结禁止偷懒不允许“含糊回答”“你可以自己查文档”式输出明确失败条件当信息不足时必须要求补充而不是胡编关键点King Mode 不会让模型“更聪明”而是让它“更自律”。在 GLM 5.1 这类本身偏 Agent 风格的模型上效果会非常明显不乱闲聊自动进入“任务模式”更愿意重试、调试、查找错误3. GSDGet Shit Done从“生成代码”到“生成功能”GSD 思维强调验证目标是“功能是否完成”而不是“代码是否生成”对于一个任务至少需要验证能否正常运行编译 / 测试通过关键用户路径是否闭环登录、保存、状态持久等边界情况是否能自洽空列表、错误状态在实践中你可以用类似这样的小循环让模型先输出任务拆分清单针对每一步生成/修改代码引导模型设计验证脚本/测试用例把运行日志/错误输出回灌给模型直到功能真正可用而不是“看起来写完了”4. 前端设计 Skill Prompt避免“AI 缺德 UI”视频里特别提到普通 LLM 做界面时常常生成黑白配色 随便一个灰色按钮默认字体 / 间距一眼看上去“AI 味儿”的粗糙界面所谓前端设计 Skill Prompt就是在系统层告诉模型要考虑视觉层级Hierarchy要考虑排版Typography字号、行高、对齐方式要考虑节奏与留白Spacing Rhythm要给出可上线的样式而非占位符这其实是一种“嵌入式设计规范”对使用 Tailwind / Ant Design / Chakra UI 等库的项目尤为有效。三、实战演示用中转站 AI 快速搭一套“本地 Mythos Agent”下面用 Python 薛定猫 AI 的 OpenAI 兼容 API演示一个最小可用的 Mythos 风格编码 Agent。默认模型使用claude-sonnet-4-6你也可以替换为自己偏好的模型 ID。3.1 安装依赖pipinstallopenai python-dotenv3.2 环境变量配置在项目根目录创建.envXUEDINGMAO_API_KEY你的_API_Key XUEDINGMAO_BASE_URLhttps://xuedingmao.com/v13.3 定义 Mythos 系统 Prompt# mythos_prompts.pyKING_MODE_SYSTEM_PROMPT 你是一个“有纪律的资深工程 Agent”专注于 - 中大型代码改造 - 新功能从 0 到 1 搭建 - 长任务的规划与持续迭代 请严格遵守 1. 先思考后输出。所有任务必须先给出“分步计划”再执行。 2. 禁止含糊不要说“也许”“可能”“你可以自己查文档”一类话。 3. 对于代码相关任务输出结构必须包含 - PLAN: 任务拆分 - IMPLEMENT: 具体代码标明文件路径 - VERIFY: 如何验证功能完成命令 / 测试用例 / 手工步骤 4. 当信息不足时必须列出需要澄清的问题而不是胡乱假设。 5. 你更倾向于重构和改进而不是一次性“写完就走”。 你的目标不是“回答问题”而是“让功能真正可用”。 FRONTEND_DESIGN_SKILL_PROMPT 你具备资深前端设计能力。对于 UI 相关任务 - 必须考虑 - 信息层级层级清晰、主次分明 - 排版字体大小、行高、对齐方式 - 视觉节奏间距、行距、块之间的留白 - 输出组件/页面时 - 使用一致的设计系统例如 Tailwind 的 spacing/typography 规范 - 避免默认黑白 无脑灰色按钮 - 给出可直接上线的样式而非“TODO: beautify UI” 在给出代码前请简要说明你的视觉决策例如为什么使用某个布局 / 配色 / 字号。 GSD_WORKFLOW_PROMPT 你正在执行 GSDGet Shit Done工作流 - 目标完成一个“可用的功能”而不是“几段代码”。 - 对每次迭代你需要 1明确当前子目标 2说明你要修改/新增的文件 3给出变更内容 4给出我应该执行的验证步骤命令、预期结果 5等待我把实际运行结果 / 错误日志反馈给你再继续调整 请用“GSD-STEP”小节显式标注当前迭代步骤。 3.4 核心调用代码本地 Mythos Agent# mythos_agent.pyimportosfromdotenvimportload_dotenvfromopenaiimportOpenAIfrommythos_promptsimport(KING_MODE_SYSTEM_PROMPT,FRONTEND_DESIGN_SKILL_PROMPT,GSD_WORKFLOW_PROMPT,)load_dotenv()# 初始化 OpenAI 兼容客户端指向薛定猫 AIclientOpenAI(api_keyos.getenv(XUEDINGMAO_API_KEY),base_urlos.getenv(XUEDINGMAO_BASE_URL,https://xuedingmao.com/v1),)MODEL_NAMEclaude-sonnet-4-6# 默认模型可替换为其他已开通的模型 IDdefbuild_mythos_system_message(need_frontend:boolFalse,enable_gsd:boolTrue,)-str: 根据当前任务类型动态组合系统 Prompt - King Mode基础纪律约束 - Frontend Skill需要 UI 设计时启用 - GSD需要完整功能闭环时启用 parts[KING_MODE_SYSTEM_PROMPT]ifneed_frontend:parts.append(FRONTEND_DESIGN_SKILL_PROMPT)ifenable_gsd:parts.append(GSD_WORKFLOW_PROMPT)return\n\n.join(parts)defmythos_chat(user_task:str,need_frontend:boolFalse,enable_gsd:boolTrue,)-str: 调用薛定猫 AI 的 Chat Completion执行一次 Mythos 风格对话。 :param user_task: 用户的任务描述例如实现某个功能 :param need_frontend: 是否需要前端设计能力 :param enable_gsd: 是否使用 GSD 工作流结构 :return: 模型输出的文本 system_promptbuild_mythos_system_message(need_frontendneed_frontend,enable_gsdenable_gsd,)responseclient.chat.completions.create(modelMODEL_NAME,messages[{role:system,content:system_prompt},{role:user,content:user_task,},],temperature0.2,# 偏低温度增强可控性)returnresponse.choices[0].message.contentif__name____main__: 示例让 Mythos Agent 生成一个带基础 UI 的“电影收藏小工具” - 支持登录 - 可以保存/删除电影 - 状态可持久哪怕列表为空也有合理展示 user_task 我想用 React Tailwind 做一个简单的“电影收藏”单页应用 - 用户可以用邮箱密码伪登录前端本地模拟不接真实后端 - 可以搜索电影并添加到“收藏列表” - 收藏列表支持删除 - 页面要有 - 顶部导航应用名 登录状态 - 左侧搜索区域 - 右侧收藏列表 - 空列表时要有合理的空状态文案和视觉设计 请按你的 King Mode GSD 工作流来执行 - 先给出 PLAN - 再给出关键组件的实现代码标明文件名 - 再给出我在终端需要执行的验证步骤 outputmythos_chat(user_task,need_frontendTrue,# 需要前端设计能力enable_gsdTrue,# 使用 GSD 工作流)print(output)说明这段代码已经可以直接运行只需替换.env中的XUEDINGMAO_API_KEYMythos Agent 会按照我们设计的系统 Prompt先输出任务拆分PLAN再输出带 UI 设计说明的 ReactTailwind 代码再给出npm命令 / 验证步骤你可以把运行错误例如编译失败、TypeScript 报错再喂回去形成视频里所说的“长任务迭代”。四、注意事项与实践建议1. 这不是魔法垃圾需求照样出垃圾结果如果你的需求描述模糊“帮我做个管理后台漂亮一点就行”模型再强、工作流再精巧也只能无限脑补。实践建议在给 Mythos Agent 输入任务时把自己当产品经理至少写清楚核心用户路径登录 / 操作 / 结果关键约束技术栈、浏览器支持、性能要求验收标准能算作“完成”的条件2. 不要对所有小任务都开“全神装”模式视频中明确提醒重命名变量、调个按钮颜色不要套整套 Mythos 栈这类小任务直接调用轻量模型快速改就够了合理用法小变更直接对话 / 轻量系统 prompt中大型改造 / 新功能King Mode GSD 可选前端设计3. 合理选择模型与平台在工程实践中模型质量只是一个维度更现实的问题是模型更新速度如何能否一次接入多模型切换API 是否兼容主流 SDK / 客户端xuedingmao.com对开发者比较友好的点在于聚合500 主流大模型包括 GPT-5.4、Claude 4.6、Gemini 3 Pro 等新模型几乎是实时首发可以第一时间尝试最新能力对外暴露的是OpenAI 兼容接口只要替换base_urlapi_key几乎不用改现有代码对于需要同时调用多家模型的 Agent/评估/重排场景集成成本非常低。在搭建类似 Mythos 这种“强工作流 多模型组合”的系统时统一的 API 层可以显著降低后期维护成本。五、技术资源与延伸方向如果你想把本文的 Demo 往更实用方向扩展可以考虑增加文件读写工具结合本地文件系统允许 Agent 直接修改项目代码集成测试执行工具让 Agent 自动运行pytest/vitest/playwright等并解析结果引入简单的记忆机制把关键设计决策写入一个DECISIONS.md每轮对话前注入上下文避免“遗忘历史选择”多模型分工便宜模型负责代码搜索/重命名/格式化强模型负责架构设计/复杂调试/跨文件大改造这些都可以基于薛定猫 AI 的统一接口实现不需要针对每家厂商单独写一套 SDK 封装。小结通过 GLM Mythos 思路可以看到真正的“超模体验”是模型 Prompt 工具 工作流的系统工程而不是单纯买最贵的订阅。落到代码层面你完全可以选一个性价比高的模型如薛定猫 AI 上的 claude-sonnet-4-6 / 其他你熟悉的模型用 King Mode 强化“纪律性”用 GSD 工作流确保从“生成代码”走向“交付功能”用前端设计 Prompt让产出的 UI 更“能见人”做到这一点你的三美元 Agent体验上会非常接近现在宣传中的“神话版”。#AI #大模型 #Python #机器学习 #技术实战
![蘑菇博客MoguBlog：微服务架构的前后端分离博客系统完整指南 [特殊字符]](http://pic.xiahunao.cn/yaotu/蘑菇博客MoguBlog：微服务架构的前后端分离博客系统完整指南 [特殊字符])
