openrouter(.)ai 排行榜第一名的Coding Agent --Cline--是如何工作的？ 我用一个例子来分析 Cline 在内部是如何生成 prompt 调用 DeepSeek R1 完成任务的。 总结 1️⃣ Cline 是一个 ReACT 思维链循环 Agent Cline 作为一个 Agent 模式的 Coding 助手，可以自主思考、生成代码、执行工具（完成代码编辑）、感知 VS Code 上下文。 如果允许 Cline 自动执行所有操作，则它会一直运行下去直到它认为完成了任务，期间不需要人工干预。 画面很美好，代价也很高 2️⃣ Cline 对 Token 的消耗量巨大 这么简单的一个任务，累计消耗 token 数 1 百万，约花费 0.5 元。Cline 消耗 token 的速度实在太快了。 如果服务端支持 prompt cache，则可以显著的降低 API 调用成本。 3️⃣ 基于 prompt 也能搭建 Agent 应用 Cline 的 prompt 里包含了所有 tool 的定义、例子，使用 xml 标签来管理，并没有使用 JSON 格式来定义。使用 xml 标签的好处是通用，不强依赖 LLM 的 function call / json response 能力；同时容错性高，解析 xml 的输出更容易从错误中恢复。 上述测试过程中，即使强如 DeepSeek R1，也没有准确的遵循 system prompt，生成的 response 包含了多个 tool 调用。 Cline 对此也能即使中断模型输出。虽然 Cline 声称是基于 Claude 3.5 Sonnet 的能力开发，但使用 DeepSeek R1 / V3、Gemini 都能跑起来，甚至在本地部署的 DeepSeek R1 Distill Qwen 14B 的 Q8 量化版本都用用。 Cline 对整个 Agent 工作流程的设计，也对 Agent 应用开发有启发意义，值得借鉴参考。