必须绕过Meta Model API调用Muse Wonder Full，需先确认muse-code CLI版本≥2.4.0且含full-agent: enabled；再执行muse-code agent --model wonder-full --context-dir ./memories/启动带Active Memory的会话；最后通过交互输入、devflow.yaml或--bench指定任务，并用--trace-out导出执行轨迹。
☞☞☞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☜☜☜
要在终端中调用Muse Wonder Full执行复杂开发流程，必须绕过Meta Model API——因为该模型【不开放任何公开API接口】，仅限Muse Code订阅用户在专属环境中运行。
确认本地环境是否满足前提条件
检查当前终端是否已安装并登录Muse Code CLI工具：运行 muse-code --version。若返回 2.4.0 或更高版本，且输出中包含 full-agent: enabled 字样，说明你已获得Wonder Full访问权限；否则需先完成Muse Code Power或Maximum Usage档位订阅，并执行 muse-code login 绑定账户。
未订阅即尝试调用会直接报错 403 Forbidden: model muse-wonder-full not authorized for this key，且该错误不可通过重试或参数调整绕过。
启动带Active Memory上下文的长程Agent会话
在项目根目录下执行：muse-code agent --model wonder-full --context-dir ./memories/。
这一步会加载 ./memories/ 中所有以 .musectx 结尾的上下文快照文件，包括上次中断时保存的SWE-Marathon任务状态、分支名、未提交的diff摘要和测试失败堆栈。若目录为空，Agent将从零开始，无法继承历史决策链。
注意：【首次运行必须指定 --context-dir，否则Active Memory不会激活】，后续步骤中的跨轮聚焦与阻塞穿越能力全部失效。
向Agent提交多步骤开发任务
方法一：交互式逐条输入
进入CLI后直接键入自然语言指令，例如：“修复 tests/auth/test_jwt.py 第47行空指针异常，补全签名验证逻辑，生成对应单元测试，再用 pytest -xvs 验证，失败则回退到上一个git commit”。Agent将自动拆解为6～11个原子操作，每步执行前触发Active Focus检查点。
方法二：批量注入结构化任务流
准备一个 devflow.yaml 文件，内容需包含 steps 数组与 constraints 字段，然后执行：muse-code agent --task devflow.yaml --budget 180s。预算值必须≥120秒，低于此值会导致SWE-Marathon类任务在第三步强制终止。
方法三：复用已有FocusBench评测用例
运行：muse-code agent --bench focus-legal-contract-review-3。该命令会拉取Meta官方发布的法律合同审查基准任务包，含预置的Active Memory锚点（如“甲方义务条款第2.1款”“违约金计算公式”），确保推理路径可审计。
捕获并导出完整执行轨迹
第一步：在启动agent命令末尾追加 --trace-out ./run-trace.jsonl，所有Action、Observation、Confirmation及Memory写入事件将以JSONL格式实时落盘。
第二步：当终端显示 [DONE] Final state persisted to ./memories/session_20261015_0724.musectx 时，立即执行：cat ./run-trace.jsonl | jq -r '.action + " → " + (.observation // "no output")' > steps.md。
第三步：打开 steps.md 查看每一步的原始动作与实际反馈，其中包含所有被拒绝的替代方案（标记为 REJECTED）、人工澄清请求（标记为 NEED_CLARIFY）以及最终采纳的代码补丁哈希值。
