muse wonder需通过git仓库url或本地路径接入代码库，支持muse code导入或api调用；指令须明确约束以触发深度分析；具备自动重试、人工锚点干预及沙箱验证能力；最终可导出含ci配置的pr分支。
☞☞☞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☜☜☜
你需要让Muse Wonder分析一个包含数十个模块、上万行代码的遗留系统，并自动定位性能瓶颈、修复已知安全漏洞、生成配套测试用例——这不是单次问答能解决的事，它必须持续理解上下文、调用工具、验证结果、回退重试。
准备代码库接入环境
确保目标代码库已托管在 GitHub、GitLab 或本地 Git 仓库中，且你拥有读取权限。Muse Wonder 不支持直接上传 ZIP 或拖拽文件夹，【必须提供可克隆的仓库 URL 或本地路径】。
若使用 Muse Code（推荐），打开应用后点击左下角「+ New Project」→ 选择「Import from Git」→ 粘贴仓库地址 → 等待索引完成（首次可能耗时 2–8 分钟，取决于仓库大小和网络）。
若通过 Meta Model API 调用，需先将仓库 clone 到本地服务器，再用 git archive --format=tar HEAD | gzip > repo.tar.gz 打包；注意：API 不接受原始 Git 目录，只接收压缩包或指定 commit hash 的远程仓库引用。
触发深度分析与任务拆解
在 Muse Code 编辑器中右键任意文件 → 选择「Analyze with Muse Wonder」→ 输入自然语言指令，例如：“找出所有使用过时 crypto/md5 的地方，替换为 sha256，并确保调用链不中断”。
这一步操作起来很简单，但关键在于指令是否包含明确约束。如果只说“优化安全性”，模型会默认执行轻量扫描，跳过跨文件依赖追踪；而加上“调用链不中断”，会触发 Active Focus 的子智能体调度机制，自动启动静态分析 + 运行时模拟 + 单元测试回放三路并行验证。
模型卡明确标注：上下文窗口达 1,048,576 token，足够一次性载入中大型代码仓库的主干结构，但不会无差别加载全部注释和日志文件——它会根据指令关键词动态采样相关模块。
处理执行中的中断与错误恢复
方法一：等待自动重试
当某次补丁导致编译失败，Muse Wonder 不会返回报错截图或堆栈就停住。它会在后台启动 Terminal-Bench 兼容模式，尝试切换构建工具链（如从 Make 切到 Bazel）、调整 target SDK 版本、或临时注释疑似冲突段落，最多执行 3 轮自修复。
方法二：人工介入锚点
在终端输出出现 “Paused at step: Apply patch to auth/handler.go” 时，你可在该行上方插入注释 // muse:skip-line-127，模型下次恢复时将跳过第 127 行并重算后续影响域。
注意：跳过行为仅对当前会话有效，不会写入仓库。若需持久化修改策略，必须在 Muse Code 设置中开启「Persistent Directive Mode」，否则每次重启任务都会重置规则。
验证结果与导出交付物
第一步：查看变更摘要面板
左侧边栏自动展开「Impact Report」，列出被修改的 7 个文件、新增的 3 个测试用例、移除的 2 处硬编码密钥、以及 1 处未覆盖的边界条件（标记为 ⚠️ Unverified Path）。
第二步：运行嵌入式沙箱验证
点击「Run in Sandbox」按钮，Muse Wonder 会在隔离容器中拉起最小依赖环境，执行 build → test → fuzz 三阶段流水线。耗时约 90 秒，输出通过率 98.7%，失败项指向 mock 数据构造缺陷，非代码逻辑问题。
第三步：导出可合并分支
点击「Export as PR」→ 选择目标远程仓库 → 填写 PR 标题与描述模板（自动填充 CVE 编号、SWE-Marathon 测试 ID、MemoryBench 关联哈希）→ 点击创建。此时分支已推送到远端，且附带 CI 配置文件，无需手动配置 GitHub Actions。
