它不是一个新聊天框也不只负责补几行代码。Muse Code 是 Meta 新发布的终端编程 Agent用来理解大型代码库、制定计划、修改代码、调用工具并验证结果。图 1Muse Code 官方发布视觉标题排版为作者制作。图源Meta AI Research先把作用说清楚你交给 Muse Code 一项跨文件、跨工具、需要反复验证的工程任务它不会只返回一段“看起来能用”的代码而是尝试把任务拆开、修改项目、运行命令、读取反馈再继续修正直到达到事先定义的目标。2026 年 8 月 5 日Meta 正式发布 Muse Code beta。它运行在终端中底层由 Muse Spark 1.2 驱动官方定位是处理大型代码库里的复杂软件工程任务包括规划改动、编写代码和验证结果。如果把两者分开理解Muse Spark 1.2 是负责推理和生成的模型Muse Code 则是让模型真正进入代码库、调用工具并持续工作的执行系统。这也是它和普通代码问答最根本的区别。Muse Code 具体能替你做什么理解现有项目。它会读取代码库结构、依赖和相关实现先找到真正需要修改的位置。对大型项目来说这一步往往比生成代码本身更耗时。制定并检查计划。它可以先把需求拆成步骤暴露可能影响的模块并在需要时等待审批。用户不是把整个仓库交出去后只能等结果而是可以在关键决策前介入。跨文件执行改动。它能修改代码、运行终端工具、读取编译或测试反馈再根据结果继续修复。任务链不在“代码已生成”处结束而是继续走到项目能够被验证。协调多个子 Agent。代码库侦察、实现和验证可以由不同的后台 Agent 同时推进主 Agent 负责整合结果和决定下一步。中断后继续工作。每次模型调用、工具运行、人工审批和代码修改都会写入本地事件日志。进程崩溃或会话中断后系统可以根据日志恢复现场而不是重新猜测之前做过什么。图 2Muse Code 从理解代码库到验证结果的完整任务链。作者制图换句话说Muse Code 的目标不是“替你多写一些代码”而是把理解、计划、执行、反馈、验证和恢复串成一次连续工作。它最特别的三个能力第一常驻异步子 Agent。常见的子 Agent 往往为一个小任务临时创建完成后就结束下一个 Agent 又要重新认识代码库。Muse Code 的后台 Agent 会在整个会话中持续存在继续调查下一步并自行判断何时把结果报告给主 Agent。这样做的核心价值是减少重复侦察让复杂任务可以真正接力。第二本地追加式事件日志。模型调用、工具运行、审批和改动按顺序记录成为运行过程的“单一事实来源”。Meta 将其描述为可精确回放、可安全重启。它解决的不是代码质量问题而是长任务最容易出现的“中断失忆”。第三把计划和验收变成明确命令。/plan生成需要审批的执行计划/grill对计划进行压力测试追问遗漏和风险/goal持续朝指定的成功条件推进。这三个命令共同强调了一件事Agent 不应该从需求直接跳到改代码中间必须有计划、质疑和完成标准。图 3Muse Code 的运行结构主 Agent、常驻子 Agent、事件日志和验收闭环。作者制图它能处理哪些实际任务按照 Meta 的定位Muse Code 适合处理大型代码库中的多文件重构、复杂调试、端到端功能开发和性能优化。这些任务的共同点是步骤多、反馈链长而且必须在真实工具环境里反复验证。官方还展示了一个更直观的案例用户把一段房屋穿行视频作为 MP4 文件交给终端Muse Code 识别其中的空间和风格并生成一个视觉完整、带日期预订入口的度假屋网站。图 4Meta 官方演示输入房屋视频输出带预订入口的网站。图源Meta AI Research这个例子说明Muse Code 的输入不一定只是文字需求。视频、截图、现有界面、项目文件和运行结果都可以成为 Agent 理解任务的材料。它试图做的是把这些原始材料转成可执行步骤而不只是回答“应该怎么做”。为什么官方反复强调 24 小时和 1000 多次调用Meta 让 Muse Code 在 NVIDIA Hopper GPU 上持续优化 KDA 和 MLA Kernel。Agent 会反复编写、编译、性能分析再根据结果继续修改。整个实验经历了 1000 多次工具调用最长运行 24 小时。这组数据展示的不是“一次能生成多少代码”而是 Muse Code 能否在很长的行动链中保留目标和运行状态第 50 次修改是否仍服务于最初的要求第 500 次工具调用后能否根据证据继续优化发生中断后又能否从原位置恢复。边界必须说明这是 Meta 自己公布的厂商实验任务还是高度专业的 GPU Kernel 优化并非独立第三方测评。它不能证明 Muse Code 已经能无人值守地交付任意生产项目但足以说明 Meta 正在把竞争重点从“单次回答”转向“长时间执行”。谁适合关注 Muse Code使用场景为什么适合或不适合大型现有项目需要先理解代码库再跨文件修改和验证是 Muse Code 的核心场景。复杂调试与重构需要多轮工具反馈、测试和回退常驻子 Agent 与事件日志更有价值。Vibe Coding 项目当项目已从单页 Demo 进入多功能开发它能补上计划、验证和持续执行。只想快速做静态页面普通网页生成工具更直接未必需要复杂的终端 Agent。完全不熟悉开发环境Muse Code 运行在终端并不是无需环境和权限管理的零代码产品。对普通用户来说最值得理解的不是安装命令而是一个新概念AI 编程 Agent 正从“帮我写”走向“替我推进”。前者交付代码片段后者必须维护目标、状态、权限和验收证据。怎么体验Meta 官方目前给出的安装方式面向 macOS 和 Linuxcurl-fsSLhttps://dev.meta.ai/install.sh|bashMuse Code 仍处于 beta具体账号、地区可用性与数据条款应以官方页面为准。对于公司代码库、密钥、生产权限或敏感数据不应因为 Agent 可以长期运行就默认扩大它的访问范围。最后Muse Code 的作用可以浓缩成一句话它不是让 AI 在一次回答里写更多代码而是让 AI 在真实代码库里持续计划、执行、验证并在中断后接着完成任务。这也是它真正值得关注的原因。模型负责变聪明Muse Code 负责把这种能力组织成可以工作的系统。至于它能否稳定承担生产级开发还要等待更多独立实测但“会回答”与“能把任务推进下去”之间的差别已经越来越清楚了。参考与体验Meta AI Research 官方发布https://research.meta.ai/blog/introducing-muse-code-and-muse-spark-1-2Meta AI 官方动态https://x.com/AIatMeta/status/2085084709277565213说明文中的产品能力、发布时间与案例数据来自 Meta 官方公开资料“1000 多次工具调用、最长 24 小时”为厂商实验结果不代表独立实测。流程图与结构图由作者依据公开信息重新绘制。