Meta 於 2026 年 8 月 6 日宣布推出 Muse Code——一款專為軟體開發設計的終端機編程代理（terminal coding agent），目前以 Beta 版本形式提供。Muse Code 由 Meta 最新發布的 Muse Spark 1.2 模型驅動，定位為能處理「跨大型程式庫的複雜軟體工程任務」的 AI 工程師助手。
什麼發生了：從生成式模型到主動式工程 Agent
Muse Code 並非傳統的程式碼補全工具，而是一個主動式的代理（agent），能夠自主完成以下開發流程：
- 規劃變更：分析大型程式庫的結構與依賴關係，理解任務需求後制定實作計畫。
- 撰寫程式碼：直接在終端環境中生成新增或修改的程式碼。
- 驗證結果：自動運行測試、檢查編譯錯誤，確認變更的正確性。
Meta CEO Mark Zuckerberg 在發表時展示了 Muse Code 的實際成果——一款名為 Embervault 的小型遊戲，完全由 Muse Code 自主編寫完成。Meta 已將該遊戲開源，任何人都可以實際遊玩與檢視程式碼品質。
Muse Spark 1.2：Meta 最新的專用編程模型
Muse Code 的底層是 Muse Spark 1.2，這是 Meta Muse 系列模型的最新版本，專為程式碼理解與生成而優化：
- 相較於通用型大語言模型（如 Llama 系列），Muse Spark 1.2 在程式碼相關的基準測試上表現更佳。
- 專注於終端機環境的代理行為，而非網頁介面的聊天對話。
- 支援跨檔案上下文的理解與操作，而非單一檔案的補全。
Meta 將 Muse Spark 1.2 透過 Meta Model API 提供給開發者生態系統，並持續將其整合進 Meta 內部的開發工具鏈。
為什麼重要：專用編程 Agent 的時代來臨
Muse Code 的發布具有幾個層面的意義：
從「程式碼助手」到「工程代理」的躍遷
過去兩年，AI 程式碼工具的主流形式是「對話式助手」（如 GitHub Copilot Chat、Cursor），需要開發者與 AI 反覆互動才能完成較複雜的任務。Muse Code 代表的則是自主規劃與執行的代理模式——開發者只需交付任務描述，代理即自主完成從規劃到驗證的完整流程。
「模型 + Agent」策略的 Meta 版本
Meta 此前已推出 Llama 系列通用模型，但 Muse 系列（Muse Image、Muse Video、Muse Spark）走的是特定領域專用模型路線。Muse Code 將專用模型與自主代理架構結合，可能比通用模型 + 外掛工具的組合更有效率、錯誤率更低。
開源自製遊戲的示範性
Meta 選擇將 Embervault 開源，不僅是技術展示，更是信心宣示——由 AI 代理獨立編寫的遊戲成品，其程式碼品質已達到可公開檢視與審查的水準。
對開發者社群的意涵
- 工作流程的重新定義：若 Muse Code 在 beta 階段表現穩定，開發者的日常可能從「寫程式」轉向「審核與指揮 AI 代理寫的程式」。
- 對現有工具的衝擊：GitHub Copilot、Amazon CodeWhisperer 等競爭對手將面臨來自終端機原生代理的壓力。
- 開放生態的支持：Muse Spark 1.2 的 API 化讓第三方工具與 IDE 也能整合其能力，而非僅限於 Meta 自家平台。
本文信息來源：Meta、The Verge。