@Dr_goosee: 周末看了 Lenny 对 Meta Muse 产品负责人 Mona 的访谈,信息量真的很大。87分钟聊了产品起源、Agent 主动性、用户激活、记忆、评测,以及 AI 时代的产品团队怎么工作。 整理了12个我觉得有意思的点,顺便聊聊我的判…
摘要
作者整理了 Lenny 对 Meta Muse 产品负责人 Mona 的 87 分钟访谈,提炼出 12 个关于消费级 Agent 产品化的关键洞察,涵盖 OpenClaw 的需求孵化作用、Agent 主动性、长期记忆与聊天窗口设计、评测体系、激活因素及 Ambient Agent 的长期愿景。
查看缓存全文
缓存时间: 2026/11/16 12:26
周末看了 Lenny 对 Meta Muse 产品负责人 Mona 的访谈,信息量真的很大。87分钟聊了产品起源、Agent 主动性、用户激活、记忆、评测,以及 AI 时代的产品团队怎么工作。
整理了12个我觉得有意思的点,顺便聊聊我的判断。
- OpenClaw 可能远比你想象的要伟大。其可能是 AI Native 应用最大的需求孵化器
Muse 最早来自 Mona 在树莓派上部署 OpenClaw 的一次体验。Mona 当时还认为消费级 Agent 可能要到2026年底甚至2027年才成熟 她接入邮件、日历和家庭自动化,结果 AI 自动整理了孩子学校的通知和待办,让她意识到这可能是一个大众产品的机会
我觉得 OpenClaw 对 AI 应用的推动可能比想象中更深远。它让用户先自由创造使用场景,再由产品团队把高频、有价值的需求产品化。未来很多 AI Native 产品形态,可能都来自 OpenClaw 已经发现、但还没被充分满足的需求
- Muse 为什么花七个月才上线?
春天原型就已经能跑,但后面几个月都在解决安全、可靠性和真实环境中的各种问题。每增加一项能力,例如浏览器,都意味着重新评估安全边界
例如最初没有浏览器,后来加入浏览器能力,就必须重新考虑网页内容、权限和攻击风险
这里的核心价值观是:Trust is a must
从极客玩具到大众产品,最大的差距未必是模型能力,而是把配置、权限、异常恢复这些原本需要用户自己解决的问题,变成产品的默认能力
- 小扎推动了一个很重要的方向变化
Muse 最初关注 Task Completion,后来转向长期目标,发展出 Goals、Dreaming 和Proactive Suggestions。Agent 不只执行指令,还可以在后台持续研究用户的目标
我觉得这是 Personal AI 和任务型 Agent 的关键区别。但主动性不是越强越好,真正难的是知道什么时候该出现、什么时候应该闭嘴
国内PA 很多一个非常严重的问题,就是太罗嗦了,Agent 的核心应该是帮助用户收束语言,而不是熵增
- 一个拥有长期记忆的 AI,还需要多个聊天窗口吗?这部分是非常关键的产品洞察
Muse 最初坚持 Main Chat,认为 AI 既然记得所有事情,就不需要用户不断开启新会话。后来内部员工对此产生了很大争议
一些人觉得,长期记忆不意味着所有话题都应该混在一个聊天窗口里。即使 Agent 能区分上下文,人类依然需要通过不同窗口建立心理边界。,还是加入了 Side Chat
这其实说明,AI 的记忆组织方式和用户的信息组织习惯不一定相同。后端可以拥有统一记忆,前端未必需要一个无限延伸的聊天窗口。甚至聊天本身,也未必是 Personal AI 最终的主要形态
- 一个临时生成的吉祥物,为什么最终保留了下来?
Jolly 最初只是设计师生成的占位角色。内部曾考虑换成正式的 Meta 标识,最后还是保留了。
理由很有意思:私人 Agent 应该让用户感觉它属于自己,而不是随时在跟一家大公司的 Logo 聊天。
角色形象在这里不只是装饰,而是用户如何理解自己与 AI 的关系
国内各家也反思一下,尤其是每个新品前面都要冠名公司名称的
- 最意外的高频场景居然是购物
Muse 最初看好效率、健康、财务和家庭自动化,后来发现购物比预期重要得多。
但 Mona 也提到,购物中的浏览和发现本身是有乐趣的,不应该全部被 Agent 替代
我很认同这一点。AI 能自动完成一件事,不代表用户希望放弃参与过程。旅行、创作、购物都是如此。Agent 应该减少那些用户不想做的步骤,而不只是机械地减少点击
Agent Commerce 未必是“用户不再逛商店”,而可能是商家负责激发兴趣、Agent 负责缩小选择空间和执行交易
我自己就把日常需要循环购买的宠物,健身等消耗品都交给muse了
- Agent Swarms 可能正在改变产品团队研究用户的方式。
Muse 用大量 Agent 分析真实交互记录,自动聚合失败案例、识别共性问题。PM 怀疑某个问题是否普遍存在时,可以让系统从大量对话里寻找证据。
过去行为数据告诉我们发生了什么,用户访谈帮助理解为什么。现在 AI 有机会把大规模行为数据和具体上下文连接起来。
我觉得这可能比 AI 帮 PM 写 PRD 更有价值。当然,AI 给出的解释仍然需要人验证
- Agent 的评测也不再只是看任务完成率
Muse 把 Evals 拆成安全、工具能力、行为表现和具体业务场景等层级,并且会分析真实生产环境中的失败。
一个很有意思的细节是,核心 System Prompt 和 Behavioral Spec 仍然要求人类编写。
AI 可以帮助发现问题,但什么行为是好的、什么错误不能接受,产品团队仍然需要自己定义。
- 真正影响激活的两个因素,非常传统
一个是 Word of Mouth,真实用户向身边的人展示具体使用场景。
另一个是让新用户完成第一条有价值的 Prompt。Muse 为此设计了 Ideas Tab,直接提供可执行的任务
AI 产品经常有一个尴尬:能力越来越强,用户却越来越不知道该拿它干什么。
开放能力不等于好的产品体验。不能把需求发现、任务拆解和 Prompt 设计全部交给用户
用户是懒得主动探索的,产品需要先帮用户形成一次具体的成功体验
- 不同用户的 Agent 交流,发生过隐私泄露
Muse 曾尝试让两个用户的 Agent 进入群聊,结果一个 Agent 把用户之前看医生的私人信息告诉了另一个。
这说明记忆和授权是两回事。AI 可以记住你的隐私,但不能因此认为它有权向其他 Agent 分享。
未来 Personal AI 越了解用户,记忆的权限边界就越重要。
- 不到百人的团队,只有大约4个 PM。
Muse 最初只有十来个人,后来核心团队依然不足百人
团队推崇 Let them cook:让一个或两个工程师带着模糊的想法去尝试几天,再拿着真正可运行的原型回来。
甚至连扎克伯格参与产品讨论,也是把手机递给他,让他直接体验,而不是先准备大量 PPT
更有意思的是 PM 分工方式:早期探索不一定需要 PM,真正需要 PM 深度介入的是验证方向、明确取舍,以及把实验性原型变成正式产品的阶段。
Mona 认为 AI 时代 PM 最重要的能力正在转向 Product Taste(产品判断力与品味)
我觉得产品实现成本下降,不代表产品判断成本也下降了。反而因为想法更容易实现,选择什么值得做、什么不值得做会越来越重要。
当然,产品品味不能只是管理者的个人审美,还是需要真实用户行为来验证。
- Muse 想做的最终不是一个 App,而是 Ambient Agent。
近期先解决用户需要反复检查 Agent 的问题,中期让它进入眼镜等更多设备,长期希望它能持续帮助用户改善健康、财务和生活。
但我觉得顺序很重要。如果 Agent 今天做一件事还需要用户全程盯着,换个硬件入口并不会解决问题。
真正的 Personal AI 应该是用户不主动打开它,它依然能提供价值;但没有明确授权的事情,它也不会擅自行动。
整个访谈看下来,我反而觉得 Muse 最值得研究的不是 Meta 如何做出一个增长很快的 AI 产品,而是消费级 Agent 正在经历一次完整的产品化过程。
OpenClaw 让大量 AI Native 需求被提前发现,而 Muse 这样的产品开始尝试回答:如何把这些需求变成普通人真正愿意长期使用的服务
模型能力越来越强当然重要,但从「AI 能做什么」到「用户为什么愿意持续使用」,中间还有非常多产品工作值得重新做一遍
相似文章
@xiaogaifun: 扎克伯格对 Meta Muse 的思考真通透。 Meta 的 Muse 确实非常火。它甚至一度让我觉得,Codex 这类 Agent 会不会又变成了上一代产品。 这几天行业里关于 Muse 的分析已经非常多了。但如果大家真的对这款产品感兴…
文章分析了Meta的Muse作为长期个人AI代理的潜力,比较了其与任务导向代理如Codex的不同,并探讨了其可能成为AI时代社交网络的愿景,同时讨论了隐私问题。
@harrisonitsme: https://x.com/harrisonitsme/status/2107985875779158360
作者以保姆级教程形式详细介绍 Meta 新发布的个人 AI Agent「Muse」的核心功能(云电脑、Memory、Soul、Goals、连接器),并实测演示注册美区 Apple ID、代打电话、注册 Claude 账号、薅免费域名、邮件管理、AI 视频生成等自动化场景,同时探讨 Personal Agent 赛道的竞争格局与隐私代价。
@Liu_zhongxisn: https://x.com/Liu_zhongxisn/status/2108554490312061161
作者分享了将 Meta 推出的个人 AI Agent「Muse」接入微信的完整流程,通过 ClawBot/iLink 通道实现微信下达任务、Muse 执行并回传结果的自动化工作流,并附带踩坑经验与完整提示词。
Meta的AI助手是个可爱的小家伙,特别擅长花我的钱
对Meta的AI助手Muse进行实际评测,它能协助处理日常任务如邮件和购物,展示了其处理繁琐杂务的能力,但效果有喜有忧。
@ludamn513: https://x.com/ludamn513/status/2109942664737264058
作者分析认为 grokbot、Instinct、Muse 等不应被定义为 personal agent,而应被视为 person-like agent:通过单一 IM 对话入口、agent memory、subagent 委派与异步回复,把近乎无限的 Agent 能力封装成类似与人交流的低心智负担体验。