Cookbook

Ricette che girano alla prima copia.

Ogni ricetta risolve un problema circoscritto, mostra codice funzionante e indica il passo successivo. Parti dai fondamenti dell’API per padroneggiare le primitive, poi aggiungi i loop di agente e i casi d’uso completi. Notebook Colab + file Python autonomi.

Vedi su GitHub →Sito ufficiale del cookbook

Ricette Muse Code

PATTERN DI AGENTI

I pattern chiave che tirano fuori il massimo da Muse Code, presi direttamente dai materiali di lancio.

>
Fan-out degli agenti
Dividi un lavoro grande tra più subagenti, ciascuno nel proprio worktree, così nulla entra in conflitto a metà strada e la tua copia di lavoro resta pulita.
>
Skill integrate
Metti dentro un’idea grezza e ne esce una funzionalità messa alla prova e validata — i playbook integrati /plan, /grill e /goal fanno il lavoro.
>
Tracciamento dell’obiettivo
Fissa il tuo obiettivo e Muse Code tiene l’agente sul pezzo: quello che volevi all’inizio è ciò che finisce nel merge.

Fondamenti dell’API

10 ricette

Verifica che ogni primitiva dell’API funzioni e ottieni un punto di partenza su cui costruire.

01Avvio rapido: chat completionsFai la tua prima chiamata a Muse Spark puntando l’OpenAI SDK a una nuova base URL.02Risposte in streamingVisualizza i token man mano che vengono generati e leggi il chunk finale di usage.03Chiamate a strumenti e funzioniRileva le chiamate a strumenti e monta il loop esegui-e-restituisci.04Output strutturatoOttieni JSON garantito dallo schema, con parsing corretto al primo tentativo.05Prompt cachingRiusa un prefisso di prompt stabile e tieni traccia dei token in cache.06Token di reasoning e di pensieroControlla lo sforzo di reasoning e riutilizzalo tra un turno e l’altro.07Input visivoInvia immagini via URL o in base64 e ricevi un’analisi strutturata.08Contesto lungoFai stare contesto su scala repository nella finestra da 1M di token.09Gestione degli errori e retryApplica backoff con jitter e salta i retry sugli errori lato client.10Search groundingAncora le risposte a risultati di ricerca web in tempo reale, con citazioni inline.

Pattern di agenti

5 ricette

Costruisci i loop che trasformano un modello in un agente: pianificazione, lavoro in parallelo e autocorrezione.

01Loop di agente di baseMetti in piedi il loop di agente centrale percepisci-decidi-agisci.02Reasoning intercalatoIntercala reasoning e chiamate a strumenti in un unico turno.03Gestione del contesto multi-turnoGestisci un contesto che cresce lungo un’esecuzione prolungata dell’agente.04Modifiche sul posto validateModifiche cerca-e-sostituisci validate con un agente di coding.05Copilota contro la fatica da avvisiEstrai pattern documentati da un flusso di avvisi rumoroso, poi indaga, dialoga e autovaluta con output JSON rigoroso.

Casi d’uso

13 ricette

Pattern end-to-end: percezione multimodale, orchestrazione e applicazioni complete.

01Analisi di graficiLeggi grafici ed estrai dati strutturati dalle immagini.02Correzione da screenshot di erroreDiagnostica un bug da uno screenshot di errore e correggilo.03Occhiali smart con OpenClawGuarda e chiedi a mani libere sugli occhiali Ray-Ban Meta.04Generazione di slideGenera una presentazione a partire da un prompt o da un contenuto di origine.05Web design verificato nel browserCostruisci un sito web con un agente di coding che controlla il proprio lavoro in un browser reale.06Sviluppo iterativo di giochiCostruisci un gioco per browser end-to-end con un agente di coding, verificato in un browser reale.07Esecuzione in sandboxEsegui il codice generato dal modello dentro una sandbox.08Studio di prodotto multi-agenteOrchestra un team di quattro profili (PM, backend, frontend, technical writer) che si coordina tramite una board Kanban condivisa.09Sviluppo di un gioco in un colpo soloCostruisci un gioco 3D per browser completo in un solo passaggio — un AGENTS.md più un prompt strutturato, senza loop di iterazione.10Grounding della percezioneIdentifica gli alimenti nella foto di un frigo e aggancia punti interattivi con punteggio di salute alle coordinate in pixel.11Agente per repository GitHubBot autonomo di GitHub Actions — triage, review delle PR, rilevamento di contenuti riempitivi generati dall’AI e PR di correzione dei bug — su OpenCode + Muse Spark.12Uso del computerGuida un desktop Linux dagli screenshot — l’agente trova un’app, la apre e ci gioca in una sandbox Cua.13Uso del computer su macOSGuida un Mac reale dagli screenshot con metacua, un agente di uso del computer nativo in Swift + Python.

Ogni ricetta ha bisogno di una sola cosa: una key.

Crea un account Model API su dev.meta.ai, genera una API key ed esportala come MODEL_API_KEY. L’API è compatibile drop-in con l’OpenAI SDK — guarda lo snippet di avvio rapido nella documentazione.

Leggi la documentazione