Meta 为 Muse Code 提出的运行时设计,核心不是又一组 coding benchmark,而是一份长任务恢复合同:模型调用、工具执行、审批和编辑进入本地事件日志;这份单一事实源被官方描述为 replay-exact 和 restart-safe。
这篇文章最初写于 2026 年 8 月,当时 Muse Code 仍是 beta,默认配套模型是 Muse Spark 1.2。产品状态已经变化:Meta 9 月发布 Muse Spark 1.3,10 月把 Muse Wonder 与 Muse Wonder Full 接入 Muse Code;截至 2026 年 11 月 9 日,Meta 开发者产品页还显示 Muse Code 已退出 beta。公开材料仍保留原来的事件日志和安全重启主张,但没有公开一份新的故障注入报告来定义恢复边界。
因此,审计对象应当拆成两个时间点:当前模型与产品入口已经更新,事件日志能否覆盖外部副作用,仍然是原来的未决问题。
当前产品拓扑与原始运行时主张
Meta 在 2026 年 8 月 5 日发布 Muse Code 与 Muse Spark 1.2。原始发布页明确写出三项设计:
- 主 Agent 配合一组异步后台 Agent,worker 在单次 session 内持续活跃。
- 本地事件日志追加模型调用、工具运行、审批和编辑,并作为 single source of truth。
- Meta 据此把运行时描述为 replay-exact、restart-safe,声称崩溃后可从停止位置继续。
后续模型层已经演化。9 月 2 日的 Muse Spark 1.3 加入 Muse Code,成为更新选择之一;10 月 12 日发布的 Muse Wonder 也进入 Muse Code,Wonder Full 面向订阅用户。当前 Meta 开发者产品页把 Muse Code 描述为终端多 Agent 编程工具,并列出 Wonder、Wonder Full、Spark 1.3、Spark Open 与旧版 Spark 1.2。
这些更新证明模型和商业入口已经变化。它们没有自动扩大事件日志的恢复语义。后台 Agent 在 session 内持续存在,也仍然不等于 worker 内存能跨进程、主机故障或版本升级完整存活。
公开评测覆盖任务质量,没有覆盖崩溃恢复
Meta 的三页评测方法报告覆盖 Terminal-Bench 2.1、DeepSWE 1.1、GDPVal-AA v2、MCP Atlas 和内部编码任务。报告描述了任务数量、尝试次数、sandbox、verifier 和不同模型所用 harness。
它没有给出 replay、crash、restart、后台 Agent 恢复、context compaction、approval、日志损坏、幂等或外部副作用测试。Spark 1.3 和 Wonder 的发布材料增加了能力与安全评测信息,当前公开来源仍没有给出 Muse Code 事件日志的故障注入矩阵。
当前能成立的结论仍然是:Meta 公开声明 Muse Code 可精确重放并安全重启;公开评测证明任务完成方法,尚未证明这份运行时可靠性合同覆盖哪些故障。
精确重放至少包含四份合同
| 层级 | 必须持久化的内容 | 最小验收 |
|---|---|---|
| 对话重放 | Prompt、Response、Approval | 还原同一份可见对话 |
| 控制流重放 | 命令顺序、分支决策、工具结果 | 无需重新决策即可回到同一流程位置 |
| 工作区重放 | 文件版本、Diff、环境、间接写入 | 恢复同一仓库状态与哈希 |
| 外部副作用重放 | 操作意图、远端提交状态、业务结果 | 重启后既不重复也不丢失远端动作 |
事件内容和顺序完整时,本地日志有机会支持前两层。工作区重放还需要捕获 Shell、Hook、并发进程和版本变化。外部副作用则需要远端系统配合。
微软的 Event Sourcing Pattern把追加式事件存储定义为可重建状态的权威来源,同时也明确指出并发、Schema 演进、查询和迁移成本。Append-only 解决历史记录问题,不会自动解决所有外部提交。
本地日志无法独自关闭的崩溃窗口
假设 Agent 通过远端 API 创建 Pull Request:
- 运行时持久化创建 PR 的意图。
- Git 服务成功创建 PR。
- 进程在成功结果写入本地日志前崩溃。
- 恢复流程只看见意图,没有看见完成事件。
- Agent 重试并创建第二个 PR。
本地日志选择重试是合理的,远端系统已经产生了第一次结果。AWS 的幂等 API 指南用稳定的调用方 request ID 处理这种歧义:服务端把去重标识与业务变更绑定,相同请求重试时返回原结果。
当远端 API 没有幂等合同,运行时只能使用对账、at-most-once、停止自动重试或补偿动作。所谓 exactly-once 缺口,指的就是内部事件可重放,外部写入仍可能处于 at-least-once、at-most-once 或 unknown 状态。
事件 Envelope 应该允许复算
Meta 仍未公开 Muse Code event schema。生产级恢复至少要表达下面这些语义:
event_id: 单调递增或具备因果顺序的标识
session_id: 稳定会话身份
agent_id: 主Agent或后台worker
event_type: model_call | tool_intent | tool_result | approval | edit
input_hash: 精确输入或Prompt哈希
environment: 模型、工具、CLI与仓库版本
idempotency_key: 外部写入的稳定去重键
result_hash: 本地产物或远端业务结果
approval_scope: 审批人、参数、状态哈希与有效期
parent_event_id: 因果前序事件
committed_at: 耐久提交时间
字段名只是分析示意,不代表 Muse Code 的真实实现。它们用于说明:记录每次工具运行仍是一句不完整合同,恢复还依赖原子落盘、事件顺序、因果关系、版本迁移和未知结果对账。
后台 Agent 常驻与状态耐久是两件事
后台 Agent 在 session 内保持上下文,可以减少重复研究和启动延迟。多 worker 同时引入新的状态边界:
- 两个 worker 基于不同文件版本编辑同一路径;
- 一个审批绑定旧仓库状态,另一 worker 已经改变前提;
- Context compaction 漏掉未关闭约束;
- 主循环恢复后,后台 worker 的内存状态无法与日志精确对应;
- 模型、CLI 或 event schema 更新后,旧事件不能直接重放。
因此需要分别声明 session 内 worker 存活、进程故障恢复、工作区冲突检测、审批绑定、compaction 版本和升级兼容。此前的 Agent Sandbox 五层状态模型正是为这种拆分服务:进程内存、本地文件、checkpoint、外部存储与外部副作用由不同系统拥有。
一套可执行的故障注入矩阵
| 故障点 | 恢复要求 | 验收证据 |
|---|---|---|
| 模型调用落日志前 | 重启后最多新增一次有效调用 | 事件序列与调用次数 |
| 模型响应后、下一命令前 | 复用旧响应,避免新推理分叉 | 响应哈希与模型版本 |
| 本地编辑进行中 | 回到编辑前或完整编辑后状态 | Git Diff 与文件哈希 |
| 远端成功后、结果提交前 | 对账或安全重试,远端效果只出现一次 | 幂等键与远端对象 ID |
| Context compaction 中 | 恢复旧摘要或新摘要,拒绝 torn summary | 摘要哈希与父事件范围 |
| 两个 worker 同时编辑 | 检测冲突或串行提交 | 因果顺序与冲突记录 |
| CLI、模型或 Schema 升级 | 兼容旧历史,或明确要求迁移 | 版本化重放结果 |
| 日志尾部截断 | 发现损坏并回到最后有效点 | 校验和与恢复点 |
结果应报告恢复成功率、重复副作用率、RPO、恢复时间、日志增长和未覆盖故障类。这样 restart-safe 才能从产品形容词变成带版本的可证伪声明。
事件日志同时是高价值敏感资产
模型调用、工具参数、审批和编辑集中到一份日志,可能同时包含源码、路径、命令输出、内部 URL、个人信息、Token 和连接串。OWASP 的 Logging Cheat Sheet建议排除或专门保护访问 Token、密码、加密密钥、连接串、源码和商业敏感数据。
这与编程 Agent 仓库数据流审计属于同一类问题:提升可恢复性的本地状态,也可能成为秘密的持久副本。生产部署需要公开日志位置、权限、加密、脱敏、篡改检测、保留、导出、删除和遥测边界。
当前结论
Muse Code 已经从 beta 和 Spark 1.2 继续演化到新的模型组合与产品阶段,原始架构判断依然有效:长任务可靠性主要由 harness 与 runtime 承担,而不是期待模型永远保持上下文。
事件日志、后台 Agent、审批、验证、Goal 和 Context Compaction 构成了更严肃的 Agent Runtime。下一步需要公开这些能力背后的合同:重放对象、覆盖故障、外部副作用去重、审批绑定、跨版本迁移和日志保护。
在故障注入结果出现前,replay-exact 适合被理解为一项有明确验证路径的官方主张。模型迭代可以提高任务完成率,无法替代运行时证据。一次 24 小时任务能否可信交付,最终仍取决于系统如何处理第 23 小时发生的崩溃和状态未知。
常见问题
Muse Code 现在还使用 Muse Spark 1.2 吗?
Spark 1.2 仍列在 Meta 产品页,但已经不是唯一或最新选择。Spark 1.3 于 2026 年 9 月进入 Muse Code,Muse Wonder 与 Wonder Full 于 10 月加入。
Muse Code 已经退出 beta 吗?
截至 2026 年 11 月 9 日,Meta 开发者产品页的 Latest updates 显示 Muse Code 已退出 beta。原始 8 月发布页仍保留 beta 标签,阅读时需要区分时间点。
追加式事件日志能保证工具只执行一次吗?
不能。外部写入需要远端支持幂等键,或由运行时执行对账、at-most-once、停止重试和补偿。本地日志无法单方面控制远端提交。
如何验证 Agent 的安全重启?
在模型调用、本地编辑、远端写入、Context Compaction、多 Agent 并发和版本升级前后注入故障,核对事件顺序、文件哈希、远端对象数量、恢复时间和重复副作用率。
参考资料
- Meta AI Research:Introducing Muse Code and Muse Spark 1.2,2026 年 8 月 5 日。
- Meta AI Research:Introducing Muse Spark 1.3,2026 年 9 月 2 日。
- Meta AI Research:Muse Wonder,2026 年 10 月 12 日。
- Meta AI:AI Developer Products,核验于 2026 年 11 月 9 日。
- Meta AI Research:Muse Spark 1.2 and Muse Code Evaluation Methodology,核验于 2026 年 11 月 9 日。
- Microsoft Azure Architecture Center:Event Sourcing pattern,核验于 2026 年 11 月 9 日。
- AWS Builders' Library:Making retries safe with idempotent APIs。
- OWASP:Logging Cheat Sheet,核验于 2026 年 11 月 9 日。