28 个 recipe、三个章节：Model API cookbook 实用指南
Meta 的 cookbook 承诺：每个 recipe 复制过去第一次就能跑。这个承诺能兑现，靠的是它的结构——每一节所依赖的，恰好是上一节已经验证过的东西。
设计哲学
每个 recipe 都是一个自包含、可复制粘贴的起点：验证一项能力，并给你留下可以继续搭建的东西。环境配置刻意做到极简：一个 Model API 账号，一个导出为 MODEL_API_KEY 的密钥，再把 OpenAI SDK 指向 https://api.meta.ai/v1。这个 API 与 OpenAI SDK、Anthropic SDK 以及 OpenCode 之类的 agent CLI 即插即用——所以这些 recipe 直接跑在你已有的工具上。格式：Colab notebook 加独立的 Python 文件。
第一节：API 基础（10 个 recipe）
一次一个地过基础原语：你的第一个 chat completion、streaming、tool calling、结构化输出、prompt caching、推理 token 控制、视觉输入、长上下文、带退避的错误处理，以及带内联引用的搜索 grounding。这里的纪律是每个 recipe 只验证一个构建块——之后复杂 agent 里出了问题，你能知道该怀疑哪个原语，因为你见过每一个原语单独正常工作的样子。
有两个很容易被低估。Prompt caching 是 agentic coding 的经济学基础——每一轮重复发送的仓库上下文按缓存价计费，只是新输入价格的零头（档位账解释了为什么它主导真实账单）。而结构化输出——由 schema 保证、第一次就能解析成功的 JSON——是“agent 流水线”和“一堆正则”之间的分界线。
第二节：agent 模式（5 个 recipe）
模型在这里变成 agent：核心的感知-决策-行动循环、单轮内交错进行的推理与工具调用、长时运行中的上下文管理、带校验的原地编辑（会自我检查的 search-and-replace——每个严肃的 coding agent 都在用的模式），以及一个对抗告警疲劳的 copilot，用严格 JSON 自评从嘈杂的信息流中提取有依据的模式。五个 recipe，合在一起就是 Muse Code 这类工具内部构造的一份可运行蓝图。
第三节：use case（13 个 recipe）
这是收获的一节，而覆盖面本身就是重点：感知侧有图表分析和“截图到修 bug”；有经浏览器验证的网页设计和游戏开发，agent 在真实浏览器里检查自己的成果；沙箱化的代码执行；一个四角色的产品工作室（PM、后端、前端、技术文档）通过共享看板协作；一个由单条结构化 prompt 一次生成的 3D 游戏；一个自主运行的 GitHub Actions bot；还有 Linux 和 macOS 双平台的 computer use。每一个都是小型的生产模式，不是玩具。
从哪里开始
如果你在评估这个 API：先看基础篇 01（quickstart），再看 03（tool calling），然后是 agent 模式 01——一个下午，你就能理解这个平台的形状。如果你是 Muse Code 用户，直接去看三个 Muse Code recipe——agent fan-out、内置 skills、目标追踪——它们把产品的核心模式变成了可运行的代码。完整索引列出了全部 28 个 recipe 及其源码链接。