muse wonder是专为长周期复杂任务设计的底层智能底座，具备active memory与active focus能力；muse code是以其为引擎构建的可落地编程智能体系统，支持任务拆解、工具调用、出错恢复与人工审核闭环。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
你想在真实编程任务中让AI自动规划、调用工具、出错恢复并持续执行，而不是只生成零散代码片段——Muse Wonder和Muse Code不是两个可互换的模型或工具，它们分工明确：一个提供底层智能能力，另一个构建可落地的编程智能体系统。
Muse Wonder的核心能力与适用场景
它不是通用聊天助手，而是专为长周期、高复杂度代理任务设计的模型。官方明确将其定位为“对齐度最高”的个人超级智能底座，重点支撑保险理赔处理、租约条款解析、财务状况梳理、健康信息解读等需要跨步骤推理与背景保持的任务。
必须理解Active Memory不是简单缓存历史记录——它只保留与当前任务强相关的信息，并在新输入到来时主动修正旧结论。比如你上次说“预算上限5万元”，这次补充“场地费已付2万”，模型应自动推导剩余可用预算为3万，而非仅复述原始数字。
Active Focus则决定它能否真正干活：遇到API调用失败，它不会卡死或返回错误堆栈，而是切换重试策略、调整参数、或主动问你“是否允许改用本地数据库模拟？”。
它通过Meta Model API开放，开发者可直接集成进自有系统；也内嵌于Muse Code中，作为其默认推理引擎。但【Muse Wonder Full不提供API接口，仅限Muse Code订阅用户调用】。
Muse Code：把Muse Wonder变成能写能跑能修的编程智能体
这不是一个代码补全插件，而是一个具备完整工作流闭环的智能体框架。它把Muse Wonder的能力封装成可配置、可审计、可中断的编程代理。
第一步：在Muse Code Web界面或VS Code插件中创建新项目→第二步：输入自然语言需求，例如“为我的静态博客添加带邮件验证的评论功能”→第三步：系统自动拆解为子任务：建表结构→写后端API→配SMTP服务→加前端表单→写测试用例→部署验证。
每一步执行前，它会显示拟调用的工具（如curl、sqlite3、pytest）、预期输入输出，并等待你点击“确认执行”。这避免了未经审核的自动操作导致数据污染或服务中断。
若某步失败（比如SMTP配置错误），它不会终止整个流程，而是启动Active Focus机制：尝试改用SendGrid沙盒环境、回退到本地日志记录模式、或生成调试建议供你手动介入。
如何获取并开始使用
方法一：开发者调用Muse Wonder API
注册Meta Developer账号→进入Meta Model API控制台→开通Muse Wonder服务→获取API Key→用标准HTTP POST发送含system prompt、user message和max_tokens的请求。注意：输入支持100万token上下文，但图像/视频需先转base64编码并声明mimetype。
方法二：个人用户启用Muse Code免费层
访问code.meta.com→用Facebook或Instagram账号登录→点击“Start Coding”→选择“Try Muse Wonder (Free Tier)”→输入第一个编程需求。免费层限制每月20次完整任务执行，且不开放Wonder Full能力。
方法三：企业级开发接入Muse Code Pro
联系Meta销售团队开通Muse Code订阅→选择Power Usage（$50/月）或Maximum Usage（$200/月）档位→获得Wonder Full专属调用权限、私有缓存空间、以及SWE-Marathon基准兼容的CI/CD钩子。
