28 道食譜、三大單元：Model API cookbook 實戰指南
Meta 的 cookbook 承諾每個範例複製下來第一次就能跑。這個承諾兌現得了，靠的是結構——每個單元只假設前一個單元已經驗證過的東西。
設計哲學
每一道食譜都是自成一體、複製貼上就能起步的範例：驗證一項能力，並留下可以繼續往上蓋的基礎。前置設定刻意壓到最低：一個 Model API 帳號、一把匯出成 MODEL_API_KEY 的金鑰，再把 OpenAI SDK 指向 https://api.meta.ai/v1。這套 API 與 OpenAI SDK、Anthropic SDK 以及 OpenCode 這類 agent CLI 都能直接相容——所以這些食譜跑在你手邊本來就有的工具上。格式：Colab 筆記本，外加獨立的 Python 檔。
第一單元：API 基礎（10 道食譜）
基本元件，一次一個：你的第一次 chat completion、串流、工具呼叫、結構化輸出、prompt 快取、推理 token 控制、視覺輸入、長情境、帶退避的錯誤處理，以及附行內引用的搜尋接地（search grounding）。這裡的紀律是每道食譜只驗證一個積木——之後複雜的 agent 出問題時，你會知道該懷疑哪個元件，因為你已經看過每一個單獨運作的樣子。
其中兩道很容易被低估。Prompt 快取就是 agent 式開發的經濟學——每輪重複送出的儲存庫情境按快取費率計費，只是新鮮輸入的零頭（方案精算那篇解釋了為什麼這一項主宰真實帳單）。而結構化輸出——由 schema 保證、第一次就能解析成功的 JSON——則是「一條 agent 管線」和「一坨正規表達式」之間的分水嶺。
第二單元：Agent 模式（5 道食譜）
模型在這裡變成 agent：核心的感知—決策—行動迴圈、單輪之內交錯的推理與工具使用、長時間執行的情境管理、會自我驗證的原地編輯（自帶檢查的搜尋替換——每個認真的 coding agent 都在用的模式），以及一個對抗警報疲勞的 copilot，從吵雜的訊息流中萃取有依據的模式，並以嚴格 JSON 做自我評估。五道食譜，合起來就是一份 Muse Code 這類工具內部構造的可運作藍圖。
第三單元：應用案例（13 道食譜）
收割的單元，而且範圍本身就是重點：感知端有圖表分析和「截圖直達修 bug」；瀏覽器實測驗證的網頁設計與遊戲開發，agent 會在真實瀏覽器裡檢查自己的成果；沙箱化的程式碼執行；一個四角色的產品工作室（PM、後端、前端、技術寫手）透過共用看板協作；一發入魂、由單一結構化 prompt 生成的 3D 遊戲；自主運作的 GitHub Actions 機器人；以及 Linux 和 macOS 兩個平台上的 computer use。每一道都是縮小版的生產環境模式，不是玩具。
從哪裡開始
如果你在評估這套 API：基礎篇 01（快速上手）、接著 03（工具呼叫）、再到 agent 模式 01——一個下午，你就會摸清這個平台的形狀。如果你是 Muse Code 使用者，直接跳到三道 Muse Code 食譜——agent fan-out、內建技能、目標追蹤——它們把產品的核心模式變成可執行的程式碼。完整索引列出全部 28 道並附原始碼連結。