Muse 架构解析:Agent Loop、专属 VM、记忆与后台任务如何协作
从 Meta Muse 的部署边界和一次任务出发,解释 Hatch 如何在专属 VM 内推进 Agent Loop、调用 VM 外模型,以及上下文、长期记忆、子任务和权限系统怎样协作。附架构图与证据边界。
先建立一张心智地图
Muse 把任务材料交给模型,让模型选择下一步;Hatch 推进执行,再把实际结果交回模型。记忆、持久状态和后台任务让这个过程跨越多次对话。
本文讨论的是 Meta 的个人 Agent Muse(muse.ai)。Muse Spark 是模型;个人 Muse 还包含运行框架、专属计算环境、工具、状态和权限系统。公开 Model API 的示例可以帮助理解工具循环,但不能直接当成个人 Muse 的内部协议。
读这套架构时,抓住三个问题就够了:
- 谁在推进任务? 模型输出决策,Hatch 组织执行与下一轮输入。
- 哪些信息能延续? 文件、记忆和运行状态可以持久保存,本轮 Context 只选取其中一部分。
- 动作何时真正发生? 工具请求要经过实际执行,涉及受控操作时还要通过权限判断。
资料范围:研究记录截至 2026-09-23,本文整理于 2026-09-24 并复查主要官方页面。部署边界依据 Meta 的发布时架构说明;内部文件、工具与运行记录来自经授权询问 Muse 主对话后得到的回传。整理过程没有直接登录其 VM,也没有取得完整执行日志。
架构总览:VM 本身也是 Meta 服务端
点击图可放大。图中按职责组织组件,箭头表示工作关系,不代表精确 RPC 时序或完整基础设施拓扑。
按 Meta 安全架构说明,Hatch 位于专属 VM 的 systemd-nspawn runtime cell 内,模型推理通过代理访问 VM 外服务。专属 VM 属于 Meta 托管服务端;VM 外还有遥测通路,平台提供持续备份。具体接入网关、用户路由、推送和 VM 调度拓扑并未在该说明中展开。
这里有两个嵌套边界:VM 边界和 runtime cell 边界。只在容器里查看进程,看到的是容器可见范围;某个服务没有出现在进程列表中,不能据此判断它位于另一台机器。
为了理解任务如何工作,可以按职责阅读这张图:
| 对象 | 学习时关注什么 |
|---|---|
| 客户端 | 用户提交目标、补充约束、查看结果和回应审批 |
| 模型 | 根据当前可见材料形成答复,或提出工具调用 |
| Hatch / harness | 准备模型输入,分派调用,收集结果,推进下一轮 |
| 工具与工作文件 | 把调用参数变成执行结果,保存产物和可再次读取的材料 |
| 状态与权限服务 | 记录任务状态,并判定受控动作能否继续 |
这个职责拆分也与 Meta 的 Agent frameworks 文档一致。表格是教学归纳,不能据此推导 Hatch 的全部内部模块。
跟着一次任务看 Agent Loop
假设用户说:“比较三款开发工具的部署方式,写一份报告。”下面是一个教学示例,并非某次真实执行的日志。
第一步:把目标变成本轮输入
运行时需要准备本轮 Context:用户要求、相关历史、已经获得的资料、需要遵守的约束,以及当前可用的工具定义。
模型这次能依据哪些材料作出判断,取决于这份输入。某个文件保存在工作目录里,并不意味着模型已经读过它。
第二步:模型提出下一步
模型可能判断还缺部署资料,于是提出一个读取网页的工具调用。也可能发现资料已经足够,直接形成答复。
工具调用首先是一份请求:要调用什么、传入什么参数。它本身不等于网页已经读到,也不等于报告已经生成。
第三步:执行得到可观察结果
运行时把请求交给工具或受控执行入口。工具可能返回页面内容、文件路径、运行状态,也可能返回权限拒绝、超时或其他错误。
模型随后需要根据实际返回值继续判断:补查一个来源、换一个办法、询问用户,或继续生成报告。
第四步:把结果加入下一轮
目标与约束
↓
Hatch 准备 Context(VM 内)
↓
模型推理(VM 外)
├─ 直接形成答复 → 交付或等待用户
└─ 提出工具调用
↓
分派与执行 → 结果/错误
└────────→ 下一轮 Context
Meta 的 Tool calling 文档展示了“模型给出调用、执行方返回结果、模型继续处理”的接口模式。这里借用的是这个逻辑关系,未假定个人 Muse 使用相同 SDK 或内部字段。
一个任务可能需要多次往返,也可能包含并行子任务。循环表示信息反馈关系,不表示所有任务必须排成一条串行队列。
记忆、历史、Context:三者各保存什么
这部分最容易被“长上下文”和“长期记忆”两个词混在一起。理解时先区分:
- 历史记录:以前发生过哪些交互与执行。
- 持久记忆:从经验中整理出的、以后值得使用的信息。
- 当前 Context:这一次模型请求实际带上的材料。
Meta 的产品设计说明确认,用户可以查看和编辑 Memory 文件。本次 Muse 回传的文档与工具说明,进一步呈现了几种不同的信息处理方式:
| 处理 | 输入如何变化 | 用途与信息损失 |
|---|---|---|
| 历史压缩(Compaction) | 长历史 → 摘要及保留的近期条目 | 延续当前任务;摘要会省略细节 |
| 记忆整理 | 对话与经验 → 长期事实、日志等材料 | 支持未来任务;整理产物不等于聊天原文副本 |
| Skill 按需读取 | 简介 → 具体操作说明 | 用到时加入方法和约束;读取说明不会自动授予权限 |
| 工具定义延迟加载 | namespace 概览 → 完整 schema | 让模型知道怎么调用;schema 不等于工具执行代码 |
用一个例子串起来:用户曾说“报告优先引用官方资料”。原始表达可以存在历史里,偏好可以被整理进记忆;下一次写报告时,只有相关材料进入 Context,这条偏好才成为该轮推理的依据。
持久保存、能够检索、已经读入,是三个不同状态。 “记忆中有这件事”和“这轮模型看到了这件事”需要分别确认。
我们实际看到的证据
经 Muse 回传,样本中存在 7 条 compaction_checkpoint,包括触发类型和压缩前后 token 数。这支持“存在历史压缩检查点”的结论;记录没有提供模型字段,不能确定使用了专用压缩模型或某个固定阈值算法。
另一个容易误读的入口差异是:回传说明中的 memory_search 搜记忆,chat.read_messages 读取指定聊天;客户端另有聊天搜索。不能把某个 Agent 工具的范围,扩大为整个产品没有聊天搜索能力。
这些是 2026-09-23 的环境观察,尚未取得公开稳定接口承诺。本文也不指定记忆一定使用某个向量库、远端索引或检索算法。
后台任务:执行完成之后,还要判断怎么处理结果
关闭 App 后还能继续工作,依赖任务在服务端执行、进展能够被记录,以及结果有回到主任务的路径。产品设计说明描述了按计划或事件开展工作,并在完成后判断结果是否值得通知用户。
为了排查一项后台任务,可以分别问四个问题:
| 阶段 | 需要回答的问题 |
|---|---|
| 触发 | 是否到了计划时间,或发生了触发事件? |
| 执行 | 是否真的产生运行记录,状态是什么? |
| 结果交回 | 主 Agent 是否收到可继续处理的结果? |
| 用户收悉 | 是否决定通知,消息是否实际送达? |
这是一种排查方法,并非声称每种后台任务都经过相同的四个物理服务。
本次回传中,有 3 条 cron 运行记录标为 succeeded,还有一条记忆整理 run 标为成功。另外,5 条子任务完成 handoff 可以关联到 worker 标识。它们说明存在实际运行和结果交回的样本,但这些记录并非同一条完整链路,不能拼接成一次已验证的“定时触发到用户收到通知”。
记忆整理 run 在某个 handoff 去重表中没有匹配行,也不能据此断言所有消息通路都没有记录。没有关联键,就保留证据缺口。
子 Agent 从什么背景开始
本次 Muse 回传的 subagent.spawn schema 表明,通用子任务会继承父 transcript 作为起点,随后分别推进工作,再由运行时交回结果。精确快照范围和裁剪规则仍不清楚,不能解释成父子此后持续共享同一份可变上下文。
这对理解协作很有帮助:起点可以继承,后续进展需要传递。 子任务知道委派时的背景,不代表主 Agent 自动知道它后来做过的每一步。
权限链路:模型提出动作后,还发生什么
官方将 PostgreSQL、凭证服务 hatch-authd、Sentinel、受控 connector worker 与浏览器 broker 放在 runtime cell 外。Sentinel 判定动作许可,必要时直接与客户端审批卡往返;推理与遥测代理也提供受限出口。官方安全说明
把它放回前面的报告示例:生成报告和“把报告发给某人”是两个不同动作。模型即使已经形成发送请求,执行仍可能处于等待审批、被拒绝或失败的状态。后续记录必须保留这个区别。
从工程视角看,有三份信息各自承担权威:
- 模型输出表达准备采取的动作。
- 权限状态决定受控动作是否获准。
- 执行结果说明动作实际发生了什么。
将这三者混成一段自然语言,容易把“打算做”“获准做”和“已经做完”混为一谈。这是本文从架构中提炼的设计启示。
“自我改进”怎样影响下一次任务
本次回传能支持的路径是:
任务经验
↓
整理记忆/修订技能材料
↓
后续 Context 读入
↓
后续行动改变
例如,把一次成功的操作步骤写入 Skill,下一次遇到相似任务时,就有了可读取的方法。这种变化首先发生在材料层。
成功的整理 run 只能说明其运行状态;是否修改了某个文件,还要查看对应产物。此次没有获得“用户 VM 内的某次自我改进任务在线修改基础模型权重”的证据。
哪些结论还不能画成确定的架构
| 观察或说法 | 本文采用的结论 |
|---|---|
| 容器内看不到某服务 | 容器可见性有限;不能直接判定服务在 VM 外 |
| 出现压缩记录或相关二进制字符串 | 存在机制线索;不能确认实际模型、阈值和路由 |
| 记忆搜索能找到语义相关内容 | 有检索行为;不能据此确定索引位置或算法 |
| 清理记录平均相隔约 90 分钟 | 是该记录的间隔;缺少跨多个 boot 的对应证据,不能当成 VM 重启周期 |
| 后台运行标为成功 | 该运行报告成功;不自动证明记忆已改变或用户已收到消息 |
| 平台会备份 VM | 不能由此推出任意运行都能无损恢复或任务 exactly-once |
此外,接入、推送与 VM 调度控制面的具体拓扑,完整重试/去重/恢复语义,以及记忆索引和压缩策略,仍属于本文的未知项。
对 Agent 开发者的启示
学习 Muse 时,值得带走的是四个可以用于审视自己系统的问题:
- 循环可否追踪? 能否找到这一轮模型输入、提出的调用、实际结果,以及下一轮为何继续?
- 信息表示是否分清? 原始记录、摘要、长期记忆和本轮输入各有用途,不能都叫“上下文”而失去边界。
- 异步状态是否分清? 运行成功、结果被消费、用户收到通知,应能分别观察。
- 授权是否有独立状态? 不能让模型自己的一句话同时充当申请、批准和完成凭证。
用这四个问题回看总图,就能把 Muse 理解成一套持续执行任务的系统:模型负责当前判断,运行时连接行动与反馈,信息管理连接不同时间点,权限系统约束实际动作。
资料与阅读范围
- How We Built Safety Into Muse:部署与权限边界,描述发布时架构。
- How We Designed Muse:主对话、后台工作、通知判断与可编辑记忆。
- Meta Model API — Agent frameworks:模型与框架的职责。
- Meta Model API — Tool calling:工具请求与结果返回的一般模式。
- 2026-09-23 的研究材料:使用者提供的《Muse 实现原理:完整汇总》,以及经授权向 Muse 主对话询问获得的文档、工具 schema 和只读元数据回传。本文仅摘要其机制与证据范围,未附私人聊天、账号信息或原始运行标识;读者无法仅凭公开链接独立复现这些环境观察。
常见问题
Muse 的 Agent Loop 是在 VM 里运行的吗?
文件里保存的记忆,模型每轮都能看到吗?
后台任务显示 succeeded,是否代表用户已经收到结果?
📚 继续阅读
📚 相关指南
Grok Bot 架构解析:共享云电脑、任务循环与安全边界
从一次具体任务出发,说明 Grok Bot 如何在每位用户的持久云电脑上工作,多个 Bot 为何共享这台电脑,以及插件、Shell / CLI、computer use、Routine 和 Auto Review 各自管什么。附架构图与证据边界。
AI 编程 Agent 安全指南 2026:仓库权限、Shell 执行与提示注入怎么防
AI 编程 Agent 越来越能干,但权限越大风险越大。本文从仓库权限、Shell 执行、提示注入、凭证泄露四个维度,结合 Claude Code、Codex、Copilot、Gemini CLI、Cursor 的安全机制,给开发者和团队一份可落地的安全实践清单。
Google AX、Agyn、Dapr Agents 对比:从 Agent 运行时视角怎么选
Google AX 代表了分布式 agent runtime 的新范式。本文只对比最接近 AX 的两个开源项目 Agyn 和 Dapr Agents,从执行单元、状态恢复、隔离边界、部署方式和适用场景判断怎么选。
📖 相关对比文章
Claude Code vs Cline 2026:最强 CLI Agent 对决最灵活 VS Code 插件
Claude Code vs Cline 深度对比:终端 CLI 与 VS Code 插件的核心差异、价格、国内可用性与 Agent 能力,帮你找到最适合自己工作流的 AI 编程工具。
Claude Code vs Codex 2026 最新对比:谁更适合 AI 编程 Agent?
截至 2026-06-03 的 Claude Code vs Codex 最新对比:价格、模型、平台、MCP、隐私、并行任务、国内可用性与选型建议。
Cline vs Roo Code:开源 VS Code Agent 谁更强?
两款最热门的 VS Code 开源 AI Agent 深度横评:功能、模型支持、定价模式、国内可用性全面对比。
🎁 领取优惠 & 免费试用
汇总各工具与 Coding Plan 的免费额度、首月折扣与注册入口,随时更新。
查看优惠福利 →