这是一个用 Python 纯 HTTP 实现 muse.ai 注册与邀请码兑换流程的研究型项目,不依赖浏览器,也不使用自动化浏览器驱动。它的重点不是提供一个“一键注册”的黑盒工具,而是把通过抓包逐字段比对得出的协议细节整理成可运行的代码和文档,方便研究者理解整个流程中各个接口的顺序、参数和常见坑点。
项目在 GitHub 上获得了 1061 个 Star 和 463 个 Fork,主要语言为 Python。需要先说明的是,README 中建议使用 JP 节点,并提到 JP 不需要绑卡。同时,项目明确声明仅供个人、非商业的学习与研究使用,不采用 MIT 等开源许可证,不得用于商业用途或再分发。
项目定位与解决的问题
muse.ai 的注册和邀请码兑换涉及多个 HTTP 接口的串联,包括 OTP 验证、注册完成、会话引导、服务条款接受以及邀请码兑换等步骤。单纯看接口列表很容易遗漏关键字段或调用顺序,导致请求返回 403、兑换误报失败等问题。
这个项目把协议流程拆成可执行的 Python 实现,并在 README 中记录了若干“容易踩的坑”,例如 confirm-otp 必须携带 supports_muse_link_transparency: true、register-completion 中姓名字段的语义、restart 的请求体不是空对象、accept-tos 是会话激活开关且必须先引导会话等。这些细节来自抓包比对,而非猜测。
功能与协议要点
注册流程中的关键调用
项目记录了从 OTP 确认到注册完成的多个接口调用。其中 confirm-otp 需要带上特定字段;register-completion 的 first_name 是名、last_name 是姓,与直觉相反。README 还提到,生日早于约 18 年前会返回 403,同一会话同一份姓名,只把生日从 2013 改成 1993 就能从 403 变成 200。
restart 的 body 不是空对象,这一点在实现时容易忽略。accept-tos 则被视为会话激活开关,注册完成后必须先走 POST auth.meta.com/hatch/session/bootstrap/,form 表单只带 frl_access_token,手动跟随 302/301/303 跳转落到 muse.ai 200 文档,否则后续 hatch 接口一律 403。
动态披露文案与会话凭证
引导落地的 muse.ai 文档里带有 Next Flight 序列化的动态披露,包含 disclosureText 和 disclosureVersion,当前实测版本为 HATCH_ROW_v0。accept-tos 的正文必须使用服务端返回的这份动态文案,而不是硬编码常量,Referer 使用披露页 URL;单次调用即可,不重试,403 时把响应体前 200 字符带出来便于诊断。
如果引导后服务端判定 resolvedDestination == "waitlist" 或 isGeoGated == true,则属于地区受限:注册已完成、账号保留,但未证明已加入名单。
注册成功后,hatch_sess 由 register-completion 的响应头下发,约 886 字符,是后续所有 hatch 接口的凭证。hatch_vml 在注册阶段一直是被清空状态,Max-Age=0,不属于必需项。
邀请码兑换与 vm/wake
兑换邀请码前需要先调用 vm/wake,否则即使是有效码也会返回失败。需要先从已登录页面提取 vmId,wake 的 body 实测为 wake_trigger: "mount"(首连)、open_id(新 uuid)、away_ms: 0,而不是早期的 resume。
兑换失败原因在 README 中以表格形式列出:redeemed 表示成功;already_redeemed 表示本账号已经兑换过一个码;used_up 表示该码达到 30 次使用上限;invalid 表示码不存在,或没调 vm/wake。
多账号批量运行
项目包含 musepy/runner.py 用于多账号批量处理。配置文件 config.json 中包含若干批量字段:otp_file 是邮箱清单,每行 email----otp源URL,otp 源返回 [{"otp","time"},...] JSON;proxy_file 是 sticky 代理池,每行 host:port:user:pass 或 host:port;codes_file 可选,是待兑换邀请码池;output_dir 和 tried_file 分别指定每账号结果 JSON 目录和已尝试邮箱清单;workers 默认 5,max_per_ip 默认 6;resolve_ip 默认 true,用于通过 ipify 解析出口 IP;send_caa 控制批量模式下是否上报注册漏斗埋点。
调度语义方面,README 明确了以下几点:worker 独占 sticky 代理,一条代理行同一时刻只归一个 worker,通过 claim/release 管理,不抢他人的行,代理池耗尽才共享并打日志;max_per_ip 按验证成功数计,达到上限释放当前行并换另一行,原行本轮避开;pre-send 传输失败重试,在 bootstrap/restart 等未发出 OTP 前的网络失败,释放当前代理并同邮箱换代理重试,上限 3 次,不消耗新邮箱,仍失败标记 tried;业务拒绝、pending 或已发 OTP 后的失败会整批停止,不换行、不重试、不补号;region_waitlist 表示账号已注册但地区受限,记录 registered_waitlist、账号保留,整批停止;预算等于领取的不同邮箱数,失败不补号,结束打印 batch_summary JSON。
每账号结果写入 output_dir 下的 JSON 文件,字段包括 email/status/stage/registered/own_code/own_code_status/reveal_status/is_revealed/ip/last_error。frl_access_token 与 hatch_sess 仅在内存中使用,不落盘。
OTP 轮询是幂等的:每次 send_otp 前记录开始时间,musepy/otp.py 只取该时间之后的最新 6 位验证码,45 秒超时、0.6 秒间隔、单请求 15 秒超时。
埋点与遥测
站点前端会上报两类遥测:falco 通过 POST /api/falco 上报性能指标与业务交互事件,machineId 固定为 not_set;caa-events 通过 POST /api/auth/caa-events 上报注册漏斗,使用 navigator.sendBeacon 逐步骤上报,同一 waterfall_id 贯穿全程。两者都不参与注册判定,缺省不影响流程跑通。musepy/falco.py 与 musepy/caa.py 保留了完整实现,可通过配置关闭。
适用人群与注意事项
这个项目适合希望研究 muse.ai 注册与邀请码兑换协议细节的开发者、安全研究人员或协议分析爱好者。它更适合作为学习材料,而不是直接用于生产环境的自动化工具。
使用时需要注意:README 建议使用 JP 节点;项目声明仅供个人、非商业的学习与研究使用,不采用 MIT 等开源许可证,不得用于商业用途或再分发;实际使用时请遵守目标站点的服务条款与当地法律法规。此外,项目文档没有给出安装命令、硬件要求或性能数据,本文也不做补充推测。
项目主页:https://github.com/duwqijlk/muse-protocol
项目地址:muse-protocol
相关推荐
STE80 Humanizer:两步改写,让 AI 文本读起来像人写的
smolmaxxing:在电视盒子、旧iPad和手机上跑起16B到80B大模型
Freebie Radar:835 Star 的福利聚合雷达,57 个源定时采集并用 AI 过滤假福利
Muse4AI:让 AI Agent 直接调用本机 Muse 会话生成图片和视频
Blender AI 助手 mcp-for-blender-pro:用对话和智能体操作场景
agentes.chat:让团队和 AI 智能体在同一个聊天空间协作的自托管 Slack 替代方案
岛仔 Daozai:用 Rust 打造的 Windows 桌面信息岛,把音乐、邮件与日程收在屏幕边缘
Aion 2 AI 提示词工程工具:Windows 桌面本地运行
最近更新
STE80 Humanizer:两步改写,让 AI 文本读起来像人写的
STE80 Humanizer 是一个面向 AI Agent 的写作技能,先用 26 条规则清理 AI 写作痕迹,再把句子结构向 ASD-STE100 简化技术英语靠拢到约 80%。本文介绍它的两步方法、三种模式、安装方式、检查脚本和适用边界。
smolmaxxing:在电视盒子、旧iPad和手机上跑起16B到80B大模型
smolmaxxing 是基于 llama.cpp 的端侧推理项目,已在电视盒子、旧 iPad 和 OnePlus 手机上实测运行 2B 到 80B 模型,通过定制内核、内存裁剪、专家按需从闪存读取等技术,让模型大小超出可用内存的设备也能完成推理。
Freebie Radar:835 Star 的福利聚合雷达,57 个源定时采集并用 AI 过滤假福利
Freebie Radar 是一个自托管的福利与多兴趣信息聚合雷达,用 57 个源定时采集、AI 语义审核过滤假福利,并按获取方式分级和多路由推送到 Telegram。项目基于 TypeScript 与 SQLite,支持 Docker Compose 快速启动,GitHub 上已有 835 Star。
Muse4AI:让 AI Agent 直接调用本机 Muse 会话生成图片和视频
Muse4AI 是一个运行在 Windows 本机的桥接工具,通过 REST、MCP 和 OAuth 把用户的 Muse 会话开放给 ChatGPT、Claude、Cursor、Codex、n8n 等 AI Agent,用于生成图片视频、继续对话、延长或按描述编辑视频。项目不经过自有云端中转,结果和密钥保存在本机,采用 MIT 许可证。
muse.ai 注册与邀请码兑换协议分析:纯 HTTP Python 实现的协议细节项目
一个用 Python 纯 HTTP 实现 muse.ai 注册与邀请码兑换流程的研究项目,整理了抓包比对得出的协议细节,包括 OTP 确认、会话引导、动态披露文案、vm/wake 调用和邀请码兑换失败原因等。项目不采用 MIT 等开源许可证,仅供个人非商业学习研究使用。
Blender AI 助手 mcp-for-blender-pro:用对话和智能体操作场景
mcp-for-blender-pro 是一个面向 Blender 的 AI 助手插件,内置 MCP 服务器,支持 OpenAI、Claude、Gemini、Ollama 等模型,可通过对话检查场景、创建物体、编辑材质和搜索资产,并提供单助手与多智能体团队链工作流。
agentes.chat:让团队和 AI 智能体在同一个聊天空间协作的自托管 Slack 替代方案
agentes.chat 是一个开源、可自托管的 Slack 替代方案,让 AI 智能体作为正式成员加入频道和私信,支持 Claude、ChatGPT/Codex、Gemini、Grok 等模型,配备 MCP 工具、独立计算机与浏览器、例行任务、记忆和审批机制,并提供 Web、桌面和手机应用。
岛仔 Daozai:用 Rust 打造的 Windows 桌面信息岛,把音乐、邮件与日程收在屏幕边缘
岛仔 Daozai 是一个用 Rust 和 egui 构建的 Windows 桌面信息岛,收起在屏幕边缘,展开后可查看音乐歌词、微信/QQ 未读、邮件验证码、日程待办、天气和多种 AI 服务额度。项目开源、MIT 许可,提供安装版与免安装版。
Aion 2 AI 提示词工程工具:Windows 桌面本地运行
aion-2-trainer-tool 是一个面向 Aion 2 玩家的 Windows 桌面 AI 提示词工程工具包,提供本地运行、预设提示词库、变量注入和 TOML 配置,当前 GitHub Stars 为 1199。
AIDA 64 Extreme 2026:面向 Windows x64 的独立硬件诊断安装包
AIDA 64 Extreme 2026 是一个面向 Windows x64 的独立桌面安装包,把硬件诊断、传感器监控、压力测试和基准测试打包在一起,构建时完成授权配置,强调离线部署和可重复安装。本文根据 GitHub README 整理其功能、运行流程、兼容性与注意事项。




