Muse Code 是什么
Muse Code 是 Meta 推出的终端 AI 编程智能体，目前处于 Beta 阶段，由 Muse Spark 1.2 模型驱动。它面向真实软件工程与大型代码仓库，可根据开发目标自主规划修改方案、编写和调整代码、调用工具并验证结果，同时支持多个持久化后台子 Agent 协同工作，适合复杂调试、功能开发、代码重构以及长时间自主编程任务。
Muse Code 的主要功能
- 大型代码库开发：能够理解和处理大型代码仓库，根据需求规划修改范围、完成代码编写，并对最终结果进行验证，不局限于简单的代码补全或单文件修改。
- 异步后台 Agent：主 Agent 可以与多个专门的后台 Agent 协作。这些子 Agent 会在整个 Session 中持续存在，自主执行下一步任务，并在需要时将结果反馈给主 Agent，减少复杂任务中的重复信息收集和人工干预。
- 长程任务执行：结合 Muse Spark 1.2 的规划、Goal Conditioning 和上下文压缩能力，可持续执行完整代码仓库生成、大型端到端开发项目和自动化研究等长周期任务。
- 可恢复运行机制：模型调用、工具执行、审批以及代码编辑都会写入本地 Event Log。即使 Muse Code 意外退出，也能够依据事件记录恢复此前任务状态，适合耗时较长的软件工程工作流。
- 内置 Coding Skills：默认提供
/plan、/grill和/goal等 Skills。其中/plan用于生成需要确认的执行计划，/grill用于持续检查和挑战计划，/goal则围绕指定目标持续推进任务直至完成。 - 多模态开发能力：Muse Code 不局限于纯文本代码任务。Meta 展示了直接向终端输入 MP4 房屋视频，由 Muse Code 理解视频内容并进一步构建房屋营销与预订网页的案例。
Muse Code 的适用场景或人群
- 软件开发者：适合功能开发、Bug 修复、代码重构、测试验证以及复杂工程任务自动化。
- 大型项目团队：可用于分析具有大量文件和模块依赖关系的代码仓库，让 Agent 持续处理跨文件的软件工程任务。
- AI / Agent 开发者：适合研究 Coding Agent、Multi-Agent、工具调用、长程执行和 Agent Runtime 等技术方向。
- 研究与工程人员：可用于需要大量迭代的工程研究与性能优化任务。Meta 曾使用 Muse Code 环境让 Muse Spark 1.2 连续执行超过 1000 次工具调用，对 GPU Kernel 进行编写、编译、性能分析和优化。
如何使用Muse Code
- 确认环境： 准备一台 macOS 或 Linux 设备，公测版暂不支持 Windows 原生环境。
- 一条命令安装： 在终端执行官方安装脚本
curl -fsSL https://dev.meta.ai/install.sh | bash，安装入口见 https://dev.meta.ai - 浏览器授权： 首次启动后在浏览器中完成账号登录与授权，回到终端即可开始使用。
- 进入项目目录： 在目标代码仓库根目录下启动 Muse Code，让它先完成仓库理解。
- 用 skill 驱动任务： 先用
/plan生成带审批的执行计划，必要时用/grill对计划施压修正，确认后交给/goal持续推进。 - 按需切换模型档位： 日常使用停留在 contributor 档，遇到高强度任务或有数据合规要求时切换到标准档模型 ID。
常见问题
Q：Muse Code 和 Muse Spark 1.2 是什么关系？
A：Muse Spark 1.2 是模型，Muse Code 是运行这个模型的终端 Agent 环境。二者于同一天发布，且是联合训练（co-training）的：训练过程中纳入了经过拒绝采样的 harness 轨迹，并针对目标、上下文压缩、子 Agent 等机制做了配方优化，因此模型与这套壳配合使用时表现最好。
Q：支持哪些操作系统？
A：公测版提供 macOS 与 Linux 的安装脚本，暂未提供 Windows 原生版本。
Q：Muse Code 免费吗？
A：客户端安装免费，成本来自模型调用。contributor 档按 token 做滚动窗口限流、面向日常使用，标准档走 Meta Model API 按量计费。是否需要付费取决于使用强度。
Q：崩溃或断电了，任务会丢吗？
A：Muse Code 采用本地事件日志作为唯一事实来源，所有模型调用、工具运行、审批与编辑都会追加记录，运行时具备重放精确与重启安全特性，崩溃后可以从中断点准确恢复。
Q：它和 Claude Code、Codex CLI 这类工具是同一类产品吗？
A：形态上同属终端编程 Agent 这一品类，差异主要在实现路径：Muse Code 强调常驻后台子 Agent、事件日志驱动的可恢复运行时，以及模型与壳的联合训练。
AIHub 点评
Muse Code 的定位与 Claude Code、Codex CLI 等 Coding Agent 类产品比较接近，但 Meta 这次更值得关注的是模型与 Agent Runtime 的协同设计。Muse Spark 1.2 在训练阶段就针对 Muse Code 的 Goals、上下文压缩、子 Agent 和工具体系进行优化，而 Muse Code 又提供持久后台 Agent、Event Log 与 Skills，形成了相对完整的自主编程环境。
如果只是简单生成几段代码，Muse Code 的优势并不一定能够充分体现；它更适合大型代码库、复杂软件工程以及需要持续执行很多步骤的长程开发任务。随着 Meta 后续继续升级 Muse Spark 系列模型和 Muse Code Harness，这套“模型 + Coding Agent + Skills + API”的开发者生态值得持续关注。