需调整模型标识、上下文长度、记忆调用方式及API请求结构：替换model为muse-wonder或muse-wonder-full专属端点；设max_context_tokens为1000000或分块大小升至98304；停用memory_id，改用active_memory对象置于messages[0]；tool_choice改为对象格式，description升级为description_v2。
☞☞☞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☜☜☜
将现有项目从Muse Spark平滑迁移到Muse Wonder，需调整模型标识、上下文长度、记忆调用方式及API请求结构，否则会出现token截断、记忆失效或400错误。
替换模型ID与端点URL
在API请求头或配置文件中，将model=muse-spark-1.3改为model=muse-wonder；若使用Full版本，则必须切换至muse-wonder-full专属端点https://api.meta.com/v1/models/muse-wonder-full/chat/completions，普通Wonder端点不接受Full模型调用请求。
注意：Muse Wonder Full 【仅限Muse Code订阅用户访问，未订阅时调用会返回403 Forbidden】，且该模型不可通过通用Meta Model API调用。
调整上下文窗口与分块逻辑
方法一：启用100万token全量上下文
在请求体中显式设置"max_context_tokens": 1000000，并确保客户端支持超长文本流式接收——旧版Spark默认上限为128K，若沿用原分块策略，会导致后半段上下文被静默丢弃。
方法二：保留分块但重设chunk_size
若业务仍依赖固定分块（如每次传入32K token），需将分块大小从Spark惯用的32768提升至98304（96K），避免因单次请求逼近新模型内部缓冲阈值而触发意外截断。
重写记忆调用方式
第一步：停用旧版memory_id字段
Muse Spark通过独立memory_id参数绑定会话记忆，而Muse Wonder已废弃该字段，强行携带会导致请求被拒绝。
第二步：改用active_memory对象嵌入请求体
将原记忆数据重构为JSON对象，作为messages数组首条系统消息的content字段值，格式为：{"type":"memory","data":{"user_name":"张伟","project_id":"PRJ-2026-087","last_meeting":"2026-10-12T14:30Z"}}。
第三步：确认memory对象位于messages[0]位置
模型强制要求主动记忆必须置于消息序列最前端，若插入到第二条或之后，【记忆内容将完全不可见，后续推理不会引用】。
更新工具调用字段名
把tool_choice字段值从字符串"auto"或"none"，改为对象格式：{"type":"function","function":{"name":"web_search"}}；同时将原tools数组中的每个工具定义里"description"字段升级为"description_v2"，否则工具发现率下降约63%。
这一步操作起来很简单，直接全局替换字段名即可，但漏改任一字段都会导致工具调用失败。
