Meta 用持久子 Agent 重做编码工具：Muse Code 竞争的不是单次补丁
作者：林岚｜OC 开发者生态编辑
林岚
据 Meta AI 发布，Muse Code 测试版是一款由 Muse Spark 1.2 驱动的终端编码 Agent，能为大型代码库规划改动、编写代码和验证结果，并让多个持久后台 Agent 在同一会话中持续收集信息和处理任务。
一句话结论：Muse Code 真正要竞争的不是补全一段代码，而是长任务运行时：哪些子 Agent 能长期保留上下文、崩溃后能否精确恢复，以及模型和脚手架能否共同训练成一个稳定系统。
许多多 Agent 工具只在需要时临时生成子任务，完成后丢弃上下文。Muse Code 的后台 Agent 在整个会话中保持活动，自己判断下一步何时执行、何时向主 Agent 汇报。这样可以减少每个子任务重新扫描代码库和重复解释背景的成本。
运行时采用追加式本地事件日志。每次模型调用、工具执行、批准和编辑都会被记录，Meta 称系统可以精确重放并在崩溃后恢复。这项设计不直接提高模型智力，却决定了一个运行数小时的任务会不会因为进程退出而从头再来。
工具还内置 /plan、/grill 和 /goal 等技能，分别用于生成需批准的计划、反复质疑方案和持续追踪目标。Meta 展示了超过 1000 次工具调用、最长 24 小时的 GPU 内核优化案例，但结果来自公司自己的任务和环境，不能直接推断日常业务代码也能稳定运行一天。
Muse Spark 1.2 与 Muse Code 共同训练。训练数据包含脚手架轨迹、上下文压缩、目标和子 Agent 配方；Meta 还让上一代模型生成更难的编程环境并评判候选结果。这里的“自我改进”发生在训练数据生产，不是用户机器上的 Agent 随时重写自身模型权重。
Meta 把价格作为差异点：按量方案延续每百万输入 token 1.25 美元、输出 4.25 美元的水平，另有更便宜但需要选择加入数据改进的贡献者档位，并开始接受零数据保留申请。低价是否成立，最终要看持久 Agent 和长任务实际消耗多少 token，而不是单价。
关键事实
- Muse Code 处于测试版，可在 macOS 和 Linux 终端安装
- 多个后台 Agent 在会话中持续存在，减少重复收集代码库信息
- 追加式事件日志记录调用、审批和编辑，支持崩溃恢复与精确重放
- Muse Spark 1.2 与运行时共同训练，厂商案例仍需独立生产测试
OC 判断
编码 Agent 下一阶段的差距会更多出现在运行时，而不是聊天界面。持久状态、隔离工作树、审批和可恢复性都比一次基准分数更接近生产力。Muse Code 的设计方向合理，但测试版最需要证明的是长任务失败后能否安全回滚。
为什么重要
- 对开发者：应检查事件日志、文件隔离和恢复机制，而不只看模型名称。
- 对企业：贡献者低价档涉及数据使用，敏感仓库需要零保留条款和独立审计。
- 对团队：并行 Agent 会提高吞吐量，也会增加冲突、测试资源和审查负担。
评论
围绕这篇文章补充信息、提出问题或分享观察。