Muse Code 新手上路：從安裝到第一次 merge 的完整路線
Meta 的終端機 coding agent 把安裝流程刻意做到極簡：一行指令、一次瀏覽器登入，你就在自己的儲存庫裡開起一場多 agent session。這篇帶你走完整條路，包括幾個值得放慢腳步的地方。
一行指令，一個執行檔
Muse Code 目前以 beta 版供應 macOS 和 Linux，安裝就是一行：
curl -fsSL https://dev.meta.ai/install.sh | bash指令碼會把 muse 執行檔放進你的 PATH；跑 muse --version 確認它落地了。把遠端指令碼直接 pipe 進 bash，不管對哪家供應商都是一種便利性的取捨，所以謹慎的團隊應該先把指令碼下載下來（curl -fsSL https://dev.meta.ai/install.sh -o install.sh）、讀過一遍，再執行。也注意有什麼東西是刻意缺席的：沒有 IDE 外掛，也沒有桌面應用程式。和某些競品 agent 不同，Muse Code 從設計上就只走終端機。
人用瀏覽器驗證，機器用金鑰
第一次執行 muse 時，它會開啟瀏覽器，讓你用 Meta 開發者帳號在 dev.meta.ai 登入。之後憑證會快取在本機，不必每個 session 都重新驗證。所有東西——存取權和帳單都一樣——都走同一個 Meta Model API 帳號，也就是直接供應 Muse Spark 模型的那一個。
至於 CI 管線、指令碼和無頭環境的機器，就跳過瀏覽器：到 Model API 儀表板建立金鑰（API keys → Create API key），並匯出成 MODEL_API_KEY。金鑰格式長得像 LLM|{numeric_id}|{secret}——放進環境變數或密鑰管理服務裡，絕對不要寫進程式碼。
挑一個能驗證整個迴圈的第一個任務
cd 進任何一個 git 儲存庫，執行 muse。Agent 會讀取本機情境並開啟任務迴圈；你用白話描述想要的結果就好。忍住一上來就搞大重構的衝動。想最快摸清 Muse Code 的脾性，就給它一個小而可驗證的任務——像是「幫 parseDate 函式補上缺少的測試，並確認它通過」。
幾分鐘之內，你就會看到定義這個產品的那套分工：一個 worker agent 起草變更，一個 reviewer agent 在背景挑毛病，然後測試真的跑起來。這套 worker 加 reviewer 的模式對每一項任務都預設開啟——這正是 Meta 把產品描述成「預設即多代理」而不是「多代理可選配」的原因。
第一天就該學會的兩支成本槓桿
Muse Spark 是推理模型：它先思考再回答，而那些思考 token 按輸出計費。/effort 指令可以調高或調低推理力道，讓例行的改名不必付出深思熟慮的價錢，棘手的並行 bug 則可以盡情燒腦。第二，那些固定不變的規則——你的語氣、格式、慣例——該放進系統訊息裡一次講完，而不是每個 prompt 重複一遍。兩招齊下，第一天的帳單就會無聊得很——而無聊正是你想要的。
下一步去哪裡
等這個迴圈用順了，三個內建技能可以幫你架構更大的工作：/plan 把任務變成一份需要核准才放行的計畫，/grill 對那份計畫壓力測試到它站得住腳，/goal 則讓 agent 一路朝你設定的目標推進。深入的介紹在內建技能那篇文章，完整參考則在文件裡。