Meta在2026年7月9日发布Muse Spark 1.1，这是一款面向Agent任务的多模态推理模型，强化工具调用、电脑操作、代码和视觉理解，并开放Meta Model API预览。模型可主动管理约100万Token上下文，作为主Agent分解任务，也能作为子Agent执行被分配的工作。它和近期Meta AI连接Gmail、日历的能力结合后，个人助手正在从回答问题走向跨应用执行。
百万上下文不等于把所有资料一次塞进去
长上下文适合大型代码库、长期项目和多份文档，但无关信息越多，检索和推理越容易偏离。应先建立目录，让模型知道文件名称、时间和用途，再按任务逐步加载。阶段结束后生成结构化状态，包括目标、已完成事项、未决问题、关键证据和禁止动作，而不是保存全部聊天噪声。
多Agent如何分工
主Agent负责理解目标、制定计划、分配任务和合并结果；子Agent应拥有清晰边界，例如一个查资料、一个分析数据、一个检查风险。不要让多个子Agent同时修改同一文件或同一客户记录。每项任务都要规定输入、预期输出、可用工具和完成条件，失败时回报主Agent，而不是自行扩大权限。
电脑操作的正确使用方式
Muse Spark 1.1会判断何时写脚本批量执行，何时直接点击界面。用户应优先让它在测试账号、临时目录和可撤销环境工作。涉及付款、发送公开内容、删除文件、修改权限和提交表单时必须暂停确认。最好先要求模型展示计划和预计影响，再允许执行。
MCP与自定义Skills
官方强调模型可适应新工具、MCP服务器和自定义技能。接入前先列出每个工具的读写权限，不要把数据库管理员密钥直接交给模型。只读搜索与写入操作分开，写操作使用短期令牌，并限制资源范围。Skill文档要写明适用场景、参数、错误处理和停止条件，避免模糊指令触发错误动作。
一个个人研究任务示例
用户可以让主Agent制定“比较三款电脑”的研究计划，子Agent分别收集官方规格、价格和用户常见问题，另一个Agent检查来源日期与矛盾。主Agent最后按预算、性能和售后形成表格，并明确哪些信息仍需人工确认。整个过程只读网页，不自动下单，也不登录个人金融账户。
评估不能只看演示
选择20个自己经常做的任务，记录一次完成率、人工接管次数、错误操作、耗时和成本。百万上下文与并行Agent可能提高复杂任务速度，也可能增加调用量。若简单任务被拆成很多步骤，说明编排过度；若主Agent无法发现子Agent冲突，则需要增加验证角色和共享状态规则。
安全底线
电子邮件、日历和文件包含大量隐私。连接前关闭不必要范围，重要目录只读，定期检查授权并删除不用的连接。Agent的记忆应允许查看、修改和清除。真正好用的个人智能体不是权限最大，而是在最小权限下稳定完成任务，并在不确定时主动请求用户决定。
