最近 Meta 发布一个编码工具，考虑到如今 Harness 如日中天，突然觉得此前 Meta 意欲收购 Manus 也没那么离谱了。尽管工具本身关注度不高，不过因其号称在健壮性方面很强（可能参考过 Manus 的思路），所以打算看看。

Muse Code 不支持第三方模型，但提供了20美金试用，愿意分享数据的话，可以用很久。
程序本身也没什么设防，即使没文档，接入第三方也不算艰难。
研究过程比较零碎，直接抛结论，具体实现在文末的 PoC。

首先，muse 启动参数有几个重要项：

  • META_API_KEY 作为环境变量输入时，比浏览器授权优先级更高。不经 TUI 设置可以跳过 KEY 验证，直接进入界面；
  • --base-url 可以设置 Meta API ，可能是用作镜像，也可以 mock 一个私服作为中转；
  • --model 和 --provider 是设置默认模型，与 base-url 返回的结果对应。

对应的启动方式形如：META_API_KEY="dummy-key" muse --provider meta --base-url http://127.0.0.1:9911 --model glm-5.2 --yolo

base-url是本地搭建的中间层，用来提供模型目录和转发对话。

具体而言，muse 会从 {base-url}/muse-code/models 获取模型列表，官方模型只有 spark 系列，我们可以返回自定义结果。示例：

{
  "schema_version": 1,
  "data": [
    {
      "provider_id": "meta",
      "profile_id": "default",
      "id": "glm-5.2",
      "model_id": "glm-5.2",
      "display_label": "Z.AI/GLM-5.2",
      "visibility": "visible",
      "release_date": "2025-01-01",
      "display_order": 1,
      "is_current": true,
      "is_default": true,
      "context_limit": 65536,
      "output_limit": 8192,
      "description": "Third-Party Model via muse proxy"
    }
  ]
}

具体的对话走 OpenAI Responses 格式接口（{base-url}/v1/responses）。

上下文窗口控制和压缩：

  • 默认达到 80% 触发摘要压缩，90% 进行强制硬压缩；
  • settings.json 、CLI 和远程模型信息均可控制窗口，本地设置优先于远程；
  • 可以额外控制是否清除工具输出，默认是清除。

之前的示例已经展示远程模型列表如何传入窗口，以下是 settings.json 示例，优先级更高：

{
  "schema_version": 1,
  "run": {
    "reminder_roster": {
      "interval_steps": 999999,
      "skip_if_running": true,
      "max_in_flight_per_agent": 1
    },
    "context_compaction": {
      "soft_threshold": 0.8,
      "hard_threshold": 0.9,
      "provider_context_limit_tokens": 32768,
      "tool_result_clearing_enabled": true
    }
  }
}

btw：对应的 CLI 参数（一般无需使用）是 --context-compaction-soft-threshold / --context-compaction-strategy / --max-tool-output-bytes 。

可以看到，在配置文件中还有一个reminder_roster。
在实际调度中，每次回应后会有几秒的延迟，显示 Finishing up，期间程序会发起多次额外对话：

  • scope reminder（与对话调用并发）
  • approval judge
  • goal reminder
  • verification watcher
    简单来说，就是 muse 在发起额外检查，确保操作没有越界、真的完成任务。它还引入了一个二号观察员，用来监督检查是否真的起效（可以说是有迫害妄想症）。

如果想要关闭或者调整，可以配置reminder_roster，按需设定:

  • interval_steps ：执行多少步开始检查，默认可能是1，大数等同于跳过；
  • skip_if_running：如果已有 reminder 在运行，跳过本次调度；
  • max_in_flight_per_agent：每个agent 最多几个并发 reminder。

至此，我们已经有了大致信息，可以完成一个简单的中间层，通过 CC-Switch、New API 等工具，我们也可以接入 /chat/completions 端点。

具体的中间层可以查看这份：PoC