快速上手

幾分鐘內就能讓 Muse Code 跑起來。

Muse Code 已在 macOS、Linux 與 Windows 上正式推出。它能在大型儲存庫中承接複雜的軟體工程任務 —— 規劃變更、撰寫程式碼、驗證結果 —— 全部在你的終端機裡完成。

1. 安裝

一行指令就能裝好 CLI：

$curl -fsSL https://dev.meta.ai/install.sh | bash

指令碼會把 muse 執行檔放進 PATH —— 用 muse --version 驗證。想先檢視指令碼內容？用 -o install.sh 下載、審閱後再執行。

Windows

Windows 有專屬的原生安裝程式：在 PowerShell 中執行 irm https://dev.meta.ai/install.ps1 | iex，再用 muse --version 確認。在 Windows 上，代理會用 PowerShell 而非 Bash 執行指令；沙箱第一次啟動時可能會跳出 UAC 提示；語音輸入與工作階段間通訊則無法使用。如果需要這些功能，或想用 Bash 工具鏈，請改用 WSL2：以系統管理員身分開啟 PowerShell 執行 wsl --install，再到 Linux shell 裡執行 macOS/Linux 的安裝指令。這時儲存庫請放在 Linux 檔案系統中（例如 ~/code），不要放在 /mnt/c 底下，因為跨越這道邊界存取檔案會慢上許多。

2. 驗證身分

第一次執行會開啟瀏覽器，在 dev.meta.ai 以 Meta 開發者帳號完成驗證。憑證會快取在本機 —— 之後的工作階段不必重新驗證。用量會計入你的月費方案；若採用隨用隨付，則透過 Meta Model API 計費。

非互動式執行。 在 CI、指令碼與 headless 機器上，請改用 API key 取代瀏覽器流程：到 Model API 儀表板建立（API keys → Create API key），再匯出為環境變數 META_API_KEY，或用 muse auth set 儲存起來。金鑰開頭是 LLM_。Muse Code 會先檢查 META_API_KEY，接著是已儲存的金鑰，最後才是瀏覽器工作階段；/login 會重新開啟登入選項，muse logout 則會清除已儲存的憑證。

3. 執行你的第一個任務

完成驗證後，到任何專案目錄都能直接開工：

$ cd my-repo$ muse

用白話描述你想要的結果。好的第一個任務要小而可驗證 —— 「幫 parseDate 補上缺少的測試並確認通過」—— 你會看到 worker 草擬修改、reviewer 提出批評，測試實際跑起來。

有兩個成本開關值得從第一天就認識：Muse Spark 是推理模型 —— 回答前會先思考，思考的 token 以輸出計費 —— 用 /effort 可以針對每個任務調高或調低思考量。另外，語氣、格式等固定規則可以放進 system message，不必每次提示都重複一遍。

更新與解除安裝

Muse Code 會自行更新：安裝程式會設定一個啟動器，讓二進位檔隨時保持最新；從 CLI 1.4.11 開始，自動更新時仍在執行的工作階段會連同歷史紀錄一起恢復。用 muse --version 查看目前版本，再對照更新紀錄；重新執行安裝指令也能取得最新版本。Meta 沒有提供解除安裝的指令。在 macOS 和 Linux 上，安裝程式會把啟動器放在 ~/.local/bin（muse 以及帶版本號的 muse-bin-* 檔案），並把這個目錄加進 shell 設定檔，因此刪除這些檔案就等於解除安裝；設定則存放在 ~/.config/muse/。在 Windows 上，可以用 Get-Command muse 找出二進位檔的位置。訂閱請另外到 Accounts Center 取消 —— 刪除 CLI 並不會停止扣款。

非同步背景代理

Muse Code 以一個簡單的代理迴圈，搭配一組強化主代理能力的非同步背景代理來運作。這些專責代理在整個工作階段持續存活，而不是每個任務才臨時產生，避免了重複蒐集資訊。它們會自主推進後續步驟，並自行決定何時回報主代理 —— 這種常駐特性降低了延遲，也減少困難多步驟任務所需的人為介入。

代理扇出與 git worktree

當一項工作拆成多個任務時，它們會自動扇出給各自獨立的代理：父代理為每個任務產生一個具寫入權限的子代理，每個子代理擁有自己的 git worktree —— 平行執行的子代理絕不會在同一批檔案上互相衝突，你的工作副本也始終保持乾淨。

工作流程（Workflows）

Workflows 隨著 Muse Code 結束 Beta 一併推出，負責統籌一組專責代理，合力完成規模更大的工作：每個階段把中間成果交給下一個階段，最後你只會拿到一份結果。只要請 Muse Code「用工作流程來做」就能啟動；把 effort 設為 ultra 也可能自動觸發。/workflows 會即時顯示每一次執行，可以在那裡停止、重新啟動或取消；儲存下來的工作流程也能重複使用。

工作階段間通訊

在同一台機器上執行的工作階段，可以透過本機 Unix socket 互相傳送訊息。某個工作階段的變更會影響另一個工作階段正在建構的東西時，它會把警告傳過去；某個工作階段解決了另一個工作階段卡住的問題時，它會直接送出答案 —— 不必在終端機之間重打一遍。代理透過兩個內建工具找到其他工作階段並傳送訊息。

事件日誌與回溯

Muse Code 使用本機事件日誌，每一次模型呼叫、工具執行、核准與編輯都會附加進去。這個單一事實來源讓執行期可以精確重播、安全重啟：當機後，代理會從停下的地方精準續跑，長時間任務不會被故障打亂。每一次子代理的產生、引導與取消都可觀測 —— muse replay 能逐步重播工作階段，完整軌跡也可匯出供交接或稽核使用。連按兩次 Esc 可把對話回溯到較早的時間點；Muse Code 只會提供事件日誌標記為安全的回溯點。

內建技能與指令

Muse Code 內建多個預設技能 —— 丟進一個粗略的想法，就能拿到一個被反覆拷問、驗證到位的功能：

/plan在動任何程式碼之前，先把任務轉成需要核准的計畫
/grill對計畫持續進行壓力測試，直到它站得住腳
/goal朝指定目標持續推進 —— 你最初想要的，才是最後合併進去的
/workflows即時列出工作流程的執行 —— 可停止、重新啟動或取消其中任何一個
/model切換底層模型 —— 例如換成 muse-wonder-1.0；選單中也能一併設定推理等級
/effort調高或調低推理量 —— 思考 token 以輸出計費，深度推理留給難題
Esc Esc把對話回溯到事件日誌中的某個安全點
muse replay逐步重播工作階段的事件日誌；完整軌跡可匯出供交接或稽核使用

權限與核准模式

Muse Code 啟動時預設開啟核准機制與作業系統沙箱（macOS 用 Seatbelt、Linux 用 bubblewrap、Windows 用 Windows 沙箱）。寫入範圍僅限工作區和一個暫存目錄，.git、.muse 與 .agents 一律維持唯讀。新的工作階段會以 Auto-review 設定檔開始：內建的判斷器會處理例行的核准請求，其餘交給你決定；其他設定檔還有 Ask me、Read-only 與 Unrestricted。預設設定檔可在 ~/.config/muse/settings.json 中用 permissions.default_profile 指定。值得記住的旗標如下：

--approval-mode on-request預設值。安全的 shell 步驟直接執行；rm -rf 這類危險步驟會停下來等你審查
--approval-mode untrusted更嚴格：只要沒有符合的允許規則，任何 shell 步驟都會停下來等審查
--approval-mode never不會為了核准而停下；執行內容完全靠沙箱隔離
--disable-approval略過核准提示，但沙箱依然開啟
--yolo不核准、不開沙箱、直接信任工作區。Meta 表示只應在用完即丟的隔離容器中使用
--sandbox-networkproxy-only（預設，每個連線目標都要核准）、restricted 或 unrestricted

指令被擋下時，你可以只允許這一次、在這個工作區一律允許，或是拒絕。MCP 工具與 hooks 在沙箱外執行，所以只連接你信任的伺服器。

Muse Spark 1.3

Muse Spark 1.3 於 2026 年 9 月 2 日發布，是 Muse Code 背後的模型。它保留了讓 1.2 脫穎而出的訓練配方 —— 與 Muse Code 執行框架共同訓練、大量的長程任務，以及自我改進迴圈 —— 並聚焦於實際情境中的好用程度。價格與 1.2 相同。三個突出之處：

更長的對話串
在單一對話串中跨多個工作流程，維持更長程的工作，並把上下文從一個階段帶到下一個階段。
主動發問，不靠猜測
協作更主動：會提出釐清問題、卡關時會主動說出來，對自身能力極限的判斷也更準確，而不是回報其實沒達成的結果。
執行更精簡
在 Meta 工程師的比較中，完成同樣的程式開發工作，它比 1.2 少用約 20% 的工具呼叫、少用 25% 的 token —— 每個 token 價格不變，帳單自然更低。

基準測試（最高推理設定，依 Meta 公布）：DeepSWE 1.1 · 75.4% — Terminal-Bench 2.1 · 88.8% — SWEAtlas CodeBase QnA · 59.4%。發布時最高設定仍在進行安全測試；多數開發者實際拿到的設定分數會更低。方法說明見 research.meta.ai。

Muse Wonder

Muse Wonder 與 Muse Wonder Full 於 2026 年 10 月 12 日發布，是 Meta 第一批前沿模型：規模比 Muse Spark 更大，鎖定程式開發以及法律、金融等領域中耗時又困難的工作。Meta 主打兩項能力：Active Memory 會在不同對話之間延續相關上下文；Active Focus 讓代理持續朝目標推進，並在重要操作前先向你確認。用 /model muse-wonder-1.0 即可切換到 Wonder；API 價格為每 100 萬輸入 / 快取 / 輸出 token $4 / $0.20 / $20，沒有 Contributor 方案。Muse Wonder Full 只隨 Power 與 Maximum 方案提供。

Muse Spark Open

Muse Spark Open 於 2026 年 10 月 15 日發布，是開放權重的 Muse 模型：總參數 816B，每個 token 啟用 42B，上下文長度 100 萬 token，可輸入文字、圖片、影片與音訊。授權採用 Meta 自訂的 Muse Model License，權重已在 Hugging Face 公開，路徑為 meta-models/Muse-Spark-Open-816B-A42B。這不是筆電跑得動的模型：以 NVFP4 格式執行約需 700 GB 加速器記憶體。Meta 展示過 Muse Code 在兩台 Mac Studio 上以它運作，但沒有提供本機部署的文件。想找一張消費級 GPU 就裝得下的模型，請參考 Muse Glimmer。

案例研究：kernel 最佳化

Meta 測試了 Muse Spark 1.2 在 1,000 次以上工具呼叫（最長 24 小時）中反覆最佳化 GPU kernel 的能力。在 Muse Code 的代理環境裡，模型撰寫、編譯、剖析並逐步提升 kernel 效能，以 NVIDIA Hopper GPU 的 KDA 與 MLA kernel 為基準。在禁止包裝第三方 kernel 函式庫的前提下，它直接以 Triton 實作演算法 —— 而且持續找出遠優於基準線的改進。

Meta Model API

Muse Code 背後的模型也能直接取用 —— `muse-spark-1.3` 與 `muse-wonder-1.0` 都已在 Model API 上線，Muse Spark 1.3 也可在 Muse Code、Meta Model API、OpenRouter 與 Cursor 中使用。API 與 OpenAI SDK、Anthropic SDK，以及 OpenCode、Claude Code 等代理 CLI 隨插即用：把用戶端指向新的 base URL，其餘程式碼原封不動。上下文視窗為 1,048,576 個 token。

# export MODEL_API_KEY="LLM_..."client = OpenAI( base_url="https://api.meta.ai/v1", api_key=os.environ["MODEL_API_KEY"], ) response = client.chat.completions.create( model="muse-spark-1.3", messages=[{"role": "user", "content": "Hello, world!"}], )

Headless 與 CI

muse exec "<prompt>" 會把單一任務執行完畢後結束 —— 在指令碼與 CI 中就用這種寫法。加上 --json 會在 stdout 輸出 JSONL 事件，--prompt-file 從檔案讀取提示詞，--max-model-steps 限制工作量，--session-id 則接續先前的工作階段。驗證請使用存放在 CI 機密儲存區中的 META_API_KEY。結束代碼 0 只代表這一輪跑完了，不代表成果正確，所以能否合併請交給你自己的測試把關。在 Linux runner 上，沙箱需要 bubblewrap 以及非 musl 的建置版本。

# CI: key from your secret store, JSONL events on stdout$ META_API_KEY="$MUSE_KEY" muse exec --json "fix the failing test in tests/date.test.ts"

在其他代理中使用 Muse 模型

Meta 提供了 OpenCode、Codex 與 Claude Code 串接 Model API 的設定說明。OpenCode 和 Codex 請用相容 OpenAI 的 base URL https://api.meta.ai/v1，Claude Code 則用 Anthropic 格式的 base URL https://api.meta.ai（不加 /v1）；再搭配你的 MODEL_API_KEY 與模型 ID，例如 muse-spark-1.3 或 muse-wonder-1.0。在 Claude Code 中要設定 ANTHROPIC_AUTH_TOKEN，而不是 ANTHROPIC_API_KEY，並把每個模型別名都指向 Muse 模型，以免退回使用 Claude。在 Codex 中請使用 wire_api = "responses"，推理內容才能在多輪之間延續。這部分是在 Model API 上按 token 計費，不包含在 Muse Code 方案內。

# Claude Code on Meta's Model APIexport ANTHROPIC_BASE_URL="https://api.meta.ai"export ANTHROPIC_AUTH_TOKEN="$MODEL_API_KEY"export ANTHROPIC_MODEL="muse-wonder-1.0"export ANTHROPIC_DEFAULT_OPUS_MODEL="muse-wonder-1.0"export ANTHROPIC_DEFAULT_SONNET_MODEL="muse-spark-1.3"export ANTHROPIC_DEFAULT_HAIKU_MODEL="muse-spark-1.3"export CLAUDE_CODE_SUBAGENT_MODEL="muse-spark-1.3"

Muse Code SDK

自 Muse Code 結束 Beta 起，SDK 便以開發者預覽版推出，讓團隊在 Muse Session Protocol (MSP) 上打造自己的代理。MSP 是透過標準輸入輸出運作的開放協定，不需要伺服器、也不經過網路，所有資料都留在你的機器上。TypeScript 函式庫涵蓋工作階段、工具與權限控管；MSP 提供機器可讀的 schema，可據以產生其他程式語言的用戶端。原始碼：github.com/meta-models/muse-code-sdk。

Cookbook

複製下來第一次就能跑的範例 —— 每一份都解決一個聚焦的問題、附上能動的程式碼，並指出下一步。共三大區塊，外加 Muse Code 核心模式的專屬範例。瀏覽全部 28 份範例 →

API 基礎 · 10 份範例
逐一驗證每個基本功能：chat completions、串流、工具呼叫、結構化輸出、prompt caching、推理 token、視覺輸入、長上下文、錯誤處理，以及附行內引用的 search grounding。
代理模式 · 5 份範例
把模型變成代理的那些迴圈：感知-決策-行動迴圈、推理與工具呼叫交錯進行、多輪上下文管理，以及附驗證的原地編輯。
應用實例 · 13 份範例
端對端：以瀏覽器驗證的網頁設計與遊戲開發、透過共享看板協調的四角色多代理產品工作室、跑在 OpenCode 上的自主 GitHub Actions 機器人、Linux 與 macOS 的電腦操作等。
Muse Code 範例
代理扇出 —— 把一件大工作拆給隔離 worktree 裡的子代理；內建技能 —— 丟進粗略想法、拿出驗證到位的功能；目標追蹤 —— 讓代理緊盯任務，直到合併你想要的成果。