Meta近日正式推出其首款编程智能体Muse Code，并与最新的Muse Spark 1.2模型协同工作。 这一发布标志着AI编程工具从简单的代码补全，向能够理解、执行并持续优化复杂开发任务的多智能体系统迈出了重要一步。目前，Muse Code已以测试版形式向软件开发场景开放。
与传统的编程助手不同，Muse Code的核心能力在于其“智能体”定位。它不仅能根据需求生成代码，更能主动理解整个开发任务，并制定和执行多步骤计划。这包括自动查找相关文件、编写和修改代码、运行程序以检查结果，并在出现问题时定位错误并自行修正。
其关键创新在于多智能体协作架构。系统可以同时运行多个子智能体，分别处理代码编写、测试执行、问题排查等不同环节，最后由主智能体汇总结果。这种分工协作模式，旨在显著提升处理大型、复杂编程项目的效率。
Muse Code的另一项实用特性是操作日志保留功能。当程序崩溃或任务意外中断时，系统能依据日志从断点处继续处理，无需从头开始，这对于需要多轮迭代的长期开发项目尤为重要。
Meta表示，Muse Spark 1.2模型与Muse Code采用了协同训练方式，使得语言模型与工具执行能力结合得更为紧密。此前，Muse Spark 1.1版本已在编程、工具调用及多智能体任务上积累了经验，为此次升级奠定了基础。
在收费模式上，Muse Code采用按使用量付费。其标准定价为输入每百万个Token 1.25美元，输出每百万个Token 4.25美元，但具体成本会因任务长度和调用次数而异。
Muse Code的发布，使其直接进入由OpenAI Codex、Anthropic Claude等产品主导的AI编程市场。当前的竞争焦点已从解决单一编程问题的正确率，转向了工具在真实大型项目中的综合能力，包括对项目全局的理解、持续执行任务、正确调用开发工具以及完成可靠的验证。
尽管前景广阔，但Meta也明确指出其局限性。智能体目前仍不能完全替代开发者，它们可能错误理解需求、修改不应改动的文件，甚至引入安全风险。尤其在企业级项目中，对代码仓库权限、密钥管理、测试环境和上线审批的严格控制依然不可或缺。
