前言

起因：Roo Code、Aider 对于模型评测排行结果差异较大，引发好奇 
猜想：造成不同结果的变量可能有：评测题，内置提示词，其他因素 

Cursor Agent、Roo code、Cline，为了让模型听话（使用工具、按照指定格式输出等），都有巨长的内置 system prompt。 
虽然这些 prompt 都是和编程相关的，但是否会对模型输出效果产生影响？是更好还是更差？ 
试试就知道了 

测试详情

测试模型：均为 oaipro/claude-3-7-sonnet-20250219 

启用 thinking
max_tokens: 32000
温度 0.1


A 组：Cherry Studio——无预置提示词——思考长度 长（80%？） 
B 组：Roo Code————code模式预置——思考长度 20480 
测试题：经典天气题，分两次对话 
▶ 
prompt...