muse wonder full需手动验证三项硬性条件：①which muse-code返回路径；②api健康检查返回ok；③配置文件含muse-wonder-full且输出ready；任一失败即降级为标准版。
☞☞☞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☜☜☜
确认Muse Wonder Full可用环境
你想在真实Python项目中让Muse Wonder Full自动补全单元测试、重构模块依赖、生成CI流水线配置，但模型本身不会主动检测你的开发环境是否就绪——必须手动验证三项硬性条件。
打开终端，进入项目根目录，依次执行：which muse-code → 若返回空，说明未安装Muse Code桌面客户端；curl -s https://api.muse.meta.com/v1/health | jq -r '.status' → 返回ok才代表API网关正常；grep -q "muse-wonder-full" ~/.muse/config.json && echo "ready" → 仅当输出ready时，订阅档位已激活Full权限。
【未通过任一检查即无法调用Wonder Full的编程能力，强行提交请求会降级为标准版Muse Wonder响应】
为遗留项目注入自动化测试
你手头有个三年前启动、至今没写过一行测试的Django项目，现在要快速覆盖核心视图逻辑，不能靠人工逐行分析——Muse Wonder Full能基于路由定义+视图函数签名+模板渲染路径，反向推导出可测边界。
方法一：用骨架摘要触发精准生成
在文本编辑器中打开src/views.py，只保留以下内容并复制：
class OrderListView(View):<br> def get(self, request):<br> """返回用户订单列表，登录态校验失败时重定向至/login，无订单时返回空列表"""
删掉所有
def post、render调用、try/except块等实现细节。
方法二：绑定已有测试文件上下文
打开tests/conftest.py，复制其中pytest.fixture定义段落（如@pytest.fixture def user_client():部分），连同tests/unit/__init__.py里import语句一起粘贴到请求中——这能让模型识别出你团队惯用的client模拟方式，避免生成self.client.get()这种Django TestCase风格而破坏现有断言习惯。
方法三：强制指定异常路径覆盖率
在指令末尾明确写：“生成4个测试用例：①未登录用户访问→断言302重定向；②登录用户但数据库为空→断言200且context['orders']为[]；③登录用户含3条有效订单→断言200且len(context['orders']) == 3；④数据库查询抛OperationalError→断言500页面渲染”。不写清楚数字和状态码，模型可能只生成2个基础用例。
重构跨模块耦合代码
当一个src/analytics/report_generator.py文件同时导入src/utils/cache.py、src/models/billing.py和third_party/payment_gateway.py，且函数内部存在7层嵌套条件判断时，人工拆解风险极高。Muse Wonder Full可基于调用链深度与参数流向，提出安全拆分方案。
第一步：提取函数控制流图
用VS Code插件“Code Graph”生成该文件的函数调用关系图，截图保存为report_gen_flow.png；
第二步：标注强耦合节点
在图上用红色方框圈出所有直接调用payment_gateway.charge()且传入billing.Invoice实例的位置；
第三步：上传图+源码片段到Muse Code
将report_gen_flow.png拖入Muse Code对话框，再粘贴report_generator.py中从def generate_report开始到第一个return结束的完整代码块（含注释）；
第四步：发出结构化指令
“请识别出所有与支付网关交互的代码段，将其抽取为独立函数，新函数命名需包含‘payment’前缀；原函数中对应位置替换为调用语句，并添加类型提示；保持原有异常处理层级不变，不要合并try块。”
这一步操作起来很简单，直接把文件拖进去就行。但若跳过控制流图标注，模型可能把缓存读取逻辑也错误归类为支付相关。
生成适配团队规范的CI配置
你的GitLab CI流水线要求：Python 3.11镜像、pytest-cov覆盖率阈值85%、安全扫描禁用SAST但启用dependency-check、部署阶段需人工审批。Muse Wonder Full能解析.gitlab-ci.yml现有结构，补全缺失环节。
打开项目根目录下的.gitlab-ci.yml，复制全部内容；
检查是否存在stages:字段，若不存在则手动添加stages: [test, security, deploy]；
在Muse Code中粘贴该YAML内容，附加指令：“在test阶段添加job：名称为‘run-tests’，使用python:3.11-slim镜像，执行pip install -e . && pytest --cov=src --cov-fail-under=85；在security阶段添加job：名称为‘check-deps’，使用jfrog/jfrog-cli:latest镜像，执行jfrog rt gradle-resolve --scan --fail=false；deploy阶段保留现有内容，仅添加approval: manual标签。”
注意：若原始.gitlab-ci.yml中已定义image:全局配置，生成的job里不可重复声明镜像，否则GitLab Runner会报错。
