部落格

最新消息與深度解析。

關於 Muse Code、Muse Spark 與 Meta Model API 的公告、研究筆記與實用指南。

一跑就是好幾個小時的 agent，需要一份什麼都毀不掉的記憶。Muse Code 的 runtime 圍繞著單一一條只附加寫入的日誌打造——產品幾乎所有的信任特性，都是從它長出來的。

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。

Cookbook 的 GitHub agent 範例用 OpenCode 加 Muse Spark，把 issue 分類、PR 審查、自動修 bug 全部接進 GitHub Actions。但最值得學的不是自動化本身，而是那些防呆護欄。

Meta 把自家的 coding 模型鋪到開發者已經在的每個地方——OpenAI SDK、Anthropic SDK、對手的 agent CLI，甚至 OpenRouter。相容性優先，就是它的發行策略。

上線 demo 裡最低調卻最激進的一個，講的不是速度也不是平行化，而是一支影片檔變成了一個網站。

Benchmark 量的是 agent 的短跑成績，Meta 的 kernel 最佳化研究量的卻是馬拉松——而後者才是更有意思的數字。

「為 Muse Spark 打造」不是行銷話術，而是一套訓練策略的描述。Meta 版本說明裡的三項技術，解釋了為什麼模型和 agent 湊在一起，比各自搭配陌生對象都要強。