[建议/Feature] 同一模型(GLM-5.2)在 ZCode 与 Claude Code 下产出差距显著，疑似原生 Agent system prompt 缺失认知规范块

问题概述

同一个模型（GLM-5.2）在 ZCode 原生 Agent 与 Claude Code CLI 两个宿主下，执行同一份提示词的相同任务时，产出质量出现显著且可量化的差距。经过对照实验，这个差距与模型本身无关，而指向两个宿主注入的 system prompt 不同——ZCode 的 system prompt 缺少一块"认知与行为规范"，导致 GLM 在 ZCode 中更倾向于凭印象给出自洽但错误的结论，而不是先查证再下结论。

使用环境

• 操作系统：macOS（Apple Silicon）
• ZCode 版本：3.1.2 → 3.1.3 → 3.1.8（行为在多个版本一致复现）
• 对比宿主：Claude Code CLI，后端同样接入 glm-coding-plan，模型 GLM-5.2
• 模型：GLM-5.2（两个宿主完全相同）

复现步骤

用同一份提示词（见下方"附录 A"），分别在两个宿主中各开一个全新会话，要求复刻经典《超级玛丽》1-1 关卡网页游戏。提示词明确要求：联网搜索原版资料、做好 git 版本管理、不确定的数值先搜索确认。两个会话均不干预，让模型自主完成。

预期：相同模型 + 相同提示词，产出质量应接近。

实际：两个版本差距显著，且差距集中体现在"对原版事实的查证态度"上。

实际表现：可量化的差距

1. 版本管理纪律

提示词明确要求"每完成一个可验证阶段就 commit"。

宿主	commit 数	模式
Claude Code	18	按 Phase 分阶段提交（骨架→精灵→关卡→物理→敌人→砖块→蘑菇→HUD→音效→通关），完成后还有 8 个专项调整 commit
ZCode	3	骨架 → 渲染 → 把"移动/物理/碰撞/敌人/道具/HUD/音效/流程"7 个阶段打包成 1 个 commit

ZCode 版把多个阶段折叠成大 commit，过程不可回溯、不可分步验证。

2. 对"原版事实"的查证（核心差距）

两个版本都用了"字符像素图手绘"做精灵图（这点相同），但对待原版具体数值的态度完全不同。

物理参数——两者都在代码注释里写了来源，但可信度差异很大：

• Claude Code 版注释：「smbdis.asm 反汇编（doppelganger 的 1wErt3r/4048722）+ Sonic Retro 论坛逐帧分析」，并写出换算公式 7²/(2·0.7)=35px≈2.2 tile
• ZCode 版注释：「数值由反汇编派生数据等比换算 + 手感微调」——没指明是哪个反汇编、无可验证出处

关卡布局——查证与否直接体现在数据正确性上。以下对照公开的 1-1 拆解资料核实：

原版事实（公开拆解）	Claude Code 版	ZCode 版
第一个蘑菇在 col 20	col 20 ✓	col 23 ✗
阶梯金字塔：两段各 4 级	staircase(…,4) ✓	placeStairsUp(…,8) 做成 8 级 ✗
坑后的高位砖平台（row 5）	80-88 列完整铺设 ✓	完全缺失 ✗

Claude Code 版在 level.js 注释里列了 4 个出处（Mario Wiki、SMB1 反汇编 L_GroundArea6 字节流、Code Golf 坐标、NESMaps），甚至贴了反汇编字节 $07 $81 $47 $24。ZCode 版只写"NESMaps + MushROMs，部分凭记忆近似"——话是诚实的，但它把"记忆近似"直接当确定值用了，没有去核实。

3. 自我审视

• Claude Code 版 README 有专门一节"已知与原版的差距"，逐项列了哪些已调整、哪些没还原（走路动画原版 3 帧只做了 2 帧、BGM 不是完整主题等）
• ZCode 版 README 的进度清单 9 项里 8 项还标着 [ ] 未完成，但代码实际已能运行——模型不清楚自己做到哪了，也没向用户暴露不确定性

这不是模型能力问题：关键对照

为排除"GLM 模型本身做不到"这个解释，有一个决定性的对照事实：

此前长期使用 Claude Code CLI + 后端 glm-coding-plan + GLM-5.1，在同类开放式排查任务中几乎不出现上述问题。

也就是说，同系列模型在 Claude Code 宿主下表现正常，在 ZCode 宿主下表现异常。这直接排除了"模型能力不足"，指向差异来自宿主注入的 system prompt。

推测的根因（供参考）

为定位原因，阅读了 ZCode.app 内 Contents/Resources/glm/zcode.cjs 中主 Agent 的 system prompt 构造逻辑。ZCode 原生主 Agent 的 system prompt 极简，核心身份仅一句 "You are ZCode, an interactive coding agent"，加上安全条款与工具说明，几乎没有"如何思考、何时查证、如何承认局限"的行为规范。

对比之下，参考类工具（如 Claude Code）的 system prompt 在身份句之外，还包含一大块认知规范，例如：涉及自身产品细节时先查文档而非凭记忆作答；遇到不确定的具体数值必须先搜索确认；不确定时承认无知而非编造自洽结论。

ZCode 的 prompt 似乎在复用骨架时保留了安全条款和工具说明，却省略了这块认知规范。对 Claude 系模型这是训练时内化的隐含能力，省略影响不大；但对 GLM，这是必须显式给出的运行时约束。缺失后，模型倾向于用训练数据里最相似的工具经验去填补，于是出现"凭印象给值""不查证""不暴露不确定性"等行为。

期望表现 / 希望改进的地方

1. 在原生 Agent 的 system prompt 中补足认知规范：明确要求"涉及具体数值/事实时优先查证，不凭记忆作答""不确定时承认局限并去验证，而非编造自洽结论""不把其他工具的行为经验套用到 ZCode"。
2. 这正是"围绕 GLM-5.2 深度联调"在 prompt 层面最该落地的部分——模型能力已具备（同模型在 Claude Code 下表现可证明），差的是运行时的约束框架。
3. 若已在 roadmap 内，感谢；若无，建议作为提升 GLM 在 ZCode 中一致性的优先项。

附录 A：两个宿主使用的完全相同提示词

请帮我用网页技术复刻经典《超级玛丽》1-1 关卡，做一个能在本地浏览器直接打开运行的网页游戏。还原要求：1-1 关卡完整布局（地形/砖块/问号砖/水管/阶梯/旗杆）、角色与敌人精灵、物理手感（奔跑惯性/跳跃抛物线/按住跳更高）、碰撞交互（踩死敌人/顶问号砖出金币蘑菇/吃蘑菇变大/撞碎砖块）、HUD（金币/分数/生命/计时）、通关流程。技术栈 HTML5 Canvas + 原生 JS。资源获取：联网搜索公开复刻资源；搜不到的用代码绘制像素图或 Web Audio 合成。要有 BGM 与音效。键盘控制。版本管理：先 git init，每完成一个可验证阶段就 commit。对原版任何具体数值（跳跃高度/重力/敌人速度/砖块位置）如果不确定，先搜索确认，不要凭印象猜。

（完整版提示词更长，核心约束一致，可按需补充。）

Start by inspecting Contents/Resources/glm/zcode.cjs and the main Agent system prompt construction described in the report. Compare the existing prompt with the requested cognition and verification guidance, then reproduce the GLM-5.2 comparison using the same Super Mario 1-1 task. Done means the prompt includes the requested uncertainty, fact-checking, and tool-behavior guidance and the observed behavior improves without weakening existing safety or tool instructions.