在前沿AI的竞争中,Meta曾一度被认为落在了后面。Muse的出现,让Meta在消费级AI产品上扳回一局,也让外界重新关注它的前沿AI布局。
对Meta而言,Muse是其个人超级智能战略的一个突破口:让每个人都能拥有一个了解自己、能够处理事务,并持续提供帮助的智能体。
这个方向并非突然出现,但产品的起点带有一些偶然性。Nat Friedman向几位同事推荐OpenClaw后,包括产品负责人Mona Sarantakos在内的团队成员开始试用,并看到了个人智能体处理日常事务的潜力。
随后,几个人抽身做实验、开发原型,逐渐形成了Muse。
Muse的开发得到了Meta管理层直接推动。MSL产品负责人Nat Friedman参与产品和安全设计,Meta首席AI官Alex Wang推动模型研发与产品结合、促成上线,Meta董事长兼CEO Mark Zuckerberg则为Muse明确方向:不只完成用户交代的任务,还要理解他们的目标,持续提供帮助。
Lenny's Podcast这次访谈中,MSL产品副总裁、Muse产品负责人Mona Sarantakos讲述了这款产品如何诞生,团队如何解决安全与信任问题,以及Muse未来的产品方向。
以下内容根据访谈整理,经过删减和编辑。
01
Muse的起源
Lenny:你是Muse的产品负责人,Muse好像突然冒了出来,感觉它是现在最成功的AI助手之一。Zuck也暗示过,它可能是有史以来增长最快的消费级AI产品。
你从一开始就参与了,这次交流特别难得。我最喜欢的就是这种对话:有人做出了很棒的产品,但外界很少听到他们的声音,我有很多问题想问你。
Mona:此前我一直在Meta的AI组织工作,也就是现在的MSL,已经做相关工作大约两年了。我在Meta工作了大约十年,主要负责助手产品Meta AI。
那时我们正在把Meta AI“归零重做”。这是我们经常用的一个说法:当一个东西不太符合预期,你可以继续优化和迭代,也可以从头开始。实验室当时正在开发一个新模型,是我们期待的Spark系列中的第一个。我们做得很开心。
后来,大概是一月底或二月初的一个周四,Nat Friedman给我们几个人发消息,说他在尝试OpenClaw,它正在改变他对个人超级智能和消费级智能体可能性的看法。我们之前其实已经谈过不少这个话题,我记得自己还在一份上半年规划中写过,我们大概会在2026年底、也许是2027年再做这件事。
我当时认为,这类产品大概会在那个时候迎来关键节点。
Nat说:“我在用OpenClaw,你们也得试试。”于是周五,我们找来一块树莓派(Raspberry Pi,一种体积很小的单板电脑),把OpenClaw配置好了。
那个周末,我几乎一直在跟OpenClaw聊天,还让它访问我的邮箱和日历。
周一早上,孩子们要去学校。我一向不擅长处理个人邮件,也跟不上学校发来的通讯和家长门户里的信息,基本上从来不看。我配置好的OpenClaw一直跟踪这些不同来源,给我发了一份简报,把今天和这周要注意的事情汇总起来。
现在回头看,整理这些信息并不是别人做不到的事,普通助理也可以做。但当时我只给了它很少的指示,可能就写了几个字,它就做到了。我从来没有在周一早晨觉得自己的个人生活如此井井有条。
我当时想,有多少忙碌的家长,有多少忙碌的人会有同样的感受?于是我给Nat发消息:“就是这个,我加入。”我其实不知道自己要加入什么,我们从来没有正式决定说要做这个东西,但我告诉他:“不管你想往哪个方向做,我都跟你一起。”
Meta AI团队很好,所以我们几个人抽身出来做实验并没有问题。其实,Mark在这一切开始之前写过关于个人超级智能的文章。现在回头看,他关于个人超级智能的很多设想,正随着这类Harness的出现逐渐变成现实:我们可以借助它,让模型的表现更贴近真实的助手。
所以,这不是一次正式的招募,只是Nat发来的一条消息,却让我完全投入了进去。当时甚至还没有工作流,没有一个可以加入的产品或团队,只是我们几个人决定看看能不能做出类似的东西。
用得越多,我们越觉得,如果要把它做给我们的消费者,产品必须非常不同:得安全得多、更容易安装,还要能够规模化。因为当时并不完全清楚方向,我们不想立刻把它变成正式项目。
我们先尝试各种东西,看什么有效,做了一段时间原型。后来我们觉得,“好,这件事有戏,我们很确定这里会有一个产品。”于是才正式组织团队。
Lenny:关于时间线,有一点我很好奇。Nat给你们发消息、说开始探索这件事,大概是什么时候?你还记得吗?
Mona:大概是一月底、二月初。OpenClaw是在那段时间兴起的,我觉得大概是十二月、一月。所以我们应该是在一月底开始讨论。不过,直到二月,我们才有信心继续认真推进,而不只是玩一玩这些概念。
02
为什么没有很快发布
Lenny:我感觉你们比现在这些热门AI助手都起步得早,但花了很长时间才发布产品。据我所知,Grok Bot从想法到上线只花了两三个月,Duet和Dot的时间也差不多。我看到的信息是,你们从开始到结束用了七个月。为什么没有更快发布?
Mona:在这个过程中,我们很多次觉得快准备好了,但随后又会发生一些事,让我们觉得还得再想想。工作大致分为几个阶段。
第一阶段只是弄清楚:这是什么产品?我们在做 什么?那时只有我们几个人使用,所以不太担心可靠性、规模化和安全。最接近的先例是OpenClaw,但最终它们是很不一样的产品。光是弄清楚怎么运行大量虚拟机,本身就是一个有意思的问题。
我们也为不少产品决策反复纠结,比如它应该是一个聊天线程,还是更像一个助手。到春天,我们觉得已经有了一款功能相当完整的端到端产品。
真正花费大量时间的是可靠性、安全性和信息安全。这三个方面的要求都很高。我记得我们讨论过:“评测的门槛到底是什么?”因为缺少先例,我们无法直接比较。行业现有的基准,也不足以满足我们对这款产品的要求。
它掌握着你的个人上下文,可以替你买东西、采取行动。所以我们觉得必须达到完全不同的标准,而这个标准得靠自己建立,还要花大量时间进行红队测试。
最初Muse没有浏览器,后来加上了。浏览器一出现,突然就带来了一整套要从安全角度解决的新问题。每加入一项我们认为重要的功能,都可能带来新的安全风险,我们需要逐一处理。
我们不是说要故意压着产品不发,而是想确保它通过质量门槛。我们内部有句话:信任是必须的。如果太早上线,出现一堆问题,那就完了。人们不会信任这个智能体;不信任它,他们就不会用。
我们设定了需要达到的标准,花了必要的时间才达到要求。我很高兴我们这样做了,因为到目前为止,我们还没有遇到灾难性的问题。
整个行业在这个领域都还很早,还有太多我们不知道自己不知道的事情,所以我们永远不可能做到完美。我们也进行了大量内部试用,让员工使用,同时招募外部Alpha测试者。所以虽然产品还没公开发布,使用它、给我们反馈的人群却越来越大。
整个夏天,我们都在陆续收到真实用户的反馈,到最后就更有信心了。
Lenny:你们内部还有一句口号,“The Claw Is the Law”,这是怎么来的?
Mona:最初使用OpenClaw时,我们看到了它的潜力,但很多人没听说过,也觉得不安全。Nat Friedman写了一份叫《The Claw Is the Law》的文档,解释为什么我们相信个人智能体会成为产品的重要方向。这后来成了团队的口号,也像是指引方向的北极星。
03
Meta领导层如何影响Muse
Mona:我们没有做正式评审,也没有做幻灯片。我记得就在上线前,八月时我必须做一套幻灯片,还想着,“我已经忘了怎么做这个了。”我们会和他们坐在房间里,做出原型后,让大家轮流在手机上体验。我们把手机递给Mark,问他:“你觉得怎么样?”他会玩一玩,给我们反馈。
我们有时和Mark、Nat和Alex三个人一起头脑风暴,有时分别交流。产品就是在一系列小范围、非正式的对话中逐渐成形的。
他们都在现在的产品上留下了印记。Nat基本上就是团队的一员,也是推动我们体验个人智能体的人。
我们坐在一起时,他会说:“能把某个系统的架构图调出来吗?”我们研究如何搭建Sentinel时,他也深度参与了和架构师、安全团队的设计决策。Sentinel是Muse核心智能体之外的一道后备安全保障。
Alex很重要,毕竟他负责模型。有意思的是,我们拿到的第一个新Spark模型,智能体能力比预想中强得多。我们也很意外,没想到它这么好。研究很难随意改变,通常是长期工作,但他很擅长在某些方面保持灵活,安排优先级时既考虑研究团队要做什么,也考虑怎么融入产品。
他也很喜欢Muse,到最后,某种程度上是他推动我们发布的:“各位,我觉得准备好了,发吧。”
Mark也一样。这是我第一次以这种方式和他共事,他对Muse的很多思考,最终决定了产品的样子。一开始他说,Muse的目的是让人们的生活更好,帮助他们实现目标。我们大概都知道这一点,却从来没有明确说出来。
我们有点陷进了任务本身:完成任务、完成任务、完成任务。它能不能买到这个?能不能完成那件事?Mark把我们拉出来说,最重要的是对齐:用户想做什么、想去哪里、最看重什么,Muse怎样才能持续帮助他们实现目标?
他说完之后,我们意识到这打开了一个全新的方向,也就是后来我们称作“dreaming”和“study”的东西。如果Muse了解你的这些事情,它是一个全天候运行的智能体,就可以一直思考怎样帮助你处理优先事项,给你更好的建议。
这个方向一打开,工程师们眼睛都亮了:“现在我们有很多主意,可以让Muse更主动、更有帮助。”我们还做了Goals标签页,在界面上明确体现这个概念。
Mark还有一点很棒:他是为普通人开发产品。很多人面向商家或企业用户开发,而他在很多方面终究是一位面向消费者的CEO,会思考怎么让所有人都能用上这些东西。这意味着,我们必须以一种很特别的方式考虑规模化,这也影响了我们的开发过程和产品路线图上的优先级。
上线以后,Alex简直成了我们最厉害的营销机器。记得第一批推文发出来时,我们还说:“我们都不知道他还能这样发推文。”
04
Jolly为什么留了下来
Lenny:Jolly这个小角色很讨喜,也有点古怪,不像Meta这样的大公司会做出来的东西。它有什么来历,是怎么一路保留下来的?
Mona:我们的首席设计师Alex Cornell做Muse的第一个原型时,用提示词生成了一个小生物,放在界面上。它叫Jolly Bot,因为Alex以前会叫女儿Jolly Bug。它本来是临时的,我们以为公司市场部门迟早会要求把它换成公司标识。
但放在那里之后,我们开始给它设计动作:它可以戴着耳机,在笔记本电脑前工作。我们也希望用户能把形象设成自己喜欢的样子。这和我们的理念有关:Muse是你的个人智能体,应该真正属于你,而不只是代表Meta。逐渐地,我们围绕Jolly建起了一整套系统。
中间有一次,我们以为它真的要被拿掉了,甚至准备了替代标识。但团队很喜欢它,Mark也喜欢。更根本的是,当你跟一个个人助手交流时,最不想面对的就是公司标识。最后,在上线前大约一周,我们决定把Jolly留下来。
Lenny:这有什么经验可以分享?
Mona:你虽然在一家大公司工作,但也有表达和做决定的空间。我们热爱这款产品,对它有强烈的看法,而人们听取了我们的意见。
对我们做的个人智能体来说,用户才是主人。我们会设置护栏、制定准则,确保它遵守法律,但它应该为用户工作。确立这个原则之后,就很难想象用公司标识取代Jolly。
05
用户到底拿Muse做什么
Lenny:Mark提过自己最喜欢的Muse用法,让它看他练综合格斗并给反馈。我可以想象,作为CEO,他会想用它做这件事。而你们可能会想,这并不是Muse最擅长的事。你们怎么处理这种出乎意料的用例?
Mona:早期我们花了很多时间讨论用例,连续几个小时都在聊。有时和公司内部的人讨论挺有意思,因为我们并不普通:在一家大型科技公司工作,你对AI和智能体的了解、热情都远远高于普通人,而Mark的一些问题显然也很独特。
我们讨论了很多个人用例,也很早就建立了一个长期用户研究小组。我记得大概三月就开始了,招募的是外部用户。内部也有员工使用,我们在Workplace上建了Muse反馈群,类似公司内部的Facebook群组。
通过这些渠道,我们收到大量反馈,知道人们在做什么、用Muse来做什么。
我们几乎每周都会把这些故事带给Mark、Nat和Alex,反复讨论:大家在哪些地方觉得神奇,哪些地方没有感觉。这样挺好的。是的,总会有人提出综合格斗之类的用例,不过,我们一直让大家关注真实用户的生活和使用体验,所以产品方向没有被这些个别用例带偏。
当然,还是有意外。我完全没想到购物会变得这么重要。我自己喜欢购物,但也不会预测到这一点。我当时重点关注的是个人生产力、健康和个人财务,也有人看好家庭自动化。
后来我们开始看到,内部试用者越来越多地用它购物,这完全出乎意料。于是我们发现,之前的评测主要集中在其他地方,现在必须重视购物,把它当成一个重要场景来评测。我们的确有针对具体用例的评测。
而我们原以为会很重要的家庭自动化,实际没有那么突出。OpenClaw刚开始流行时,它是个很大的用例,我想部分原因是当时的用户本来就已经配置了很多智能家居。但面对更广泛的用户群,它不像其他用例那么突出。现在,购物已经是我们最主要的用例之一。
最近我自己也开始更多地用Muse购物。
Lenny:零售业过去会向用户营销、展示广告。现在智能体开始参与购物决策,这会怎样改变广告、营销和购物?
Mona:人们既享受被启发,也享受浏览的过程。有些东西,你只想尽快拿到;但有些东西,看一看本身就很愉快。我喜欢看各种衣服和搭配,再决定买什么。
我们需要兼顾两者:让用户获得灵感、了解有哪些选择,也让智能体帮助缩小范围、做出取舍。有时你在两个选项之间犹豫,最后什么都不买,智能体就能帮你作决定。但如果去掉浏览过程,人们未必会满意。
这个领域还处在早期,大家都在摸索,也没有一张总蓝图告诉大家会发生什么。很幸运,一些零售业伙伴也对这种可能性感到兴奋。他们在测试自己的商家智能体。如果商家智能体和消费者智能体能够互相交流、帮助双方,那会很酷。
有些事情,比如在网站上筛选、排序和搜索,智能体能够大幅节省时间。但有些体验不应该被替代,因为它们是用户的乐趣,也是人们做决策的一部分。
06
用多智能体协作理解用户
Lenny:我还想回到另一个话题。我听说你们用多智能体协作(agent swarms)扩大了用户反馈的处理规模,帮助你们判断应该关注什么。具体是怎么回事?
Mona:我们会让一组智能体去分析用户对话和相关数据,再把结果汇总回来;它们也可以生成合成数据。这样,我们就能获得大量数据,把外面正在发生什么、哪些地方做得好、哪些地方做得不好,反馈到评测中。
我们把它们汇总的信息叫作“蜂群报告”。它们会生成一份格式清晰的大报告,说明产品使用中正在发生什么,比如用户正在做哪些任务。
以前做Meta AI时,让我们很困扰的一点是,大多数对话在我看来基本都是单轮的。人们问一次,得到回答,也许再问一次,但很多时候不会。我觉得现在所有助手的情况都在变化,但有一段时间这基本属实。
而开始做Muse时,对话完全变成了多轮,来来回回不断交流。建立评测需要数据,但当时我们几乎没有这样的数据。很多时候,我们希望数据来自真实使用,而不是自己编写。
在某种程度上,多智能体协作非常关键。它让我们能够收集数据,理解长期任务中的多轮对话可能是什么样子,而且不只是编程任务,也可能是“怎么安排这一周的膳食计划”。它们帮助我们获得很多洞察和数据,既能构建数据集,也能理解正在发生什么。
现在每当我们接入一个新模型,或者我发现一个问题,不知道它是真问题还是只有我遇到,工程师就会说:“我们让智能体群去看看。”它们查完后,工程师可能会说:“这确实是需要解决的问题,我们安排人处理。”这非常有用,又快又全面。
它甚至让我想,我们以前是怎么开发产品的?以前看的是指标仪表盘,看数字上上下下。现在这些仍然有,但你还可以看到真实使用中的例子,比如“有十个人试图在这个网站购物,被拦住了”。信息能具体到这种程度,就能更准确地找到需要修改或改进的地方。
我要求所有产品经理都去做这件事,因为它能让人产生同理心。多智能体协作带回来的不只是数字,还有洞察,让我们了解用户经历了什么,感受到他们遇到的困难。这对产品开发非常重要。
如果你没有这种同理心,感受不到痛点,就永远做不好产品。
Lenny:我想多了解一下评测。我的理解是,你们通过评测定义各个核心场景和预期使用方式中的成功标准。你们大概有多少项评测?一般由谁来写?是你、产品经理,还是工程师?
Mona:非常多,多到我数不出来。
Lenny:超过一百项?
Mona:肯定超过。我们有主要评测、优先评测,它们通常是核心要求。如果这些都做不到,产品就无法正常工作。安全就是一个例子。我们有针对提示注入的评测,也有一般安全、有害内容等方面的评测,这是一整类。
我们还有能力评测,比如它用浏览器用得好不好,能不能完成任务。再有行为评测,主要看智能体的性格和它与用户互动的方式:会不会追问,理解意图的能力怎么样,能不能弄明白用户在说什么。
然后是用例评测,也就是针对优先场景的评测。每一类下面都有很多我们建立的子评测。在任何时候,都有一些优先评测,任何新东西都必须通过;安全就是很好的例子。还有一些次要评测,我们不希望表现退步太多,但也许可以接受一定权衡。再有具体团队负责的功能级评测。所以我们有一套层级,评测的数量非常多。
编写评测的人有很多,产品经理会写一些,工程师和研究人员写了很多,当然也会和智能体一起创建评测。但非常重要的一点是,人必须检查所有数据。如果不检查,往往就会出问题。
最近还有个有意思的要求:我们的系统提示词必须由人手写,不能让AI写其中任何一部分。评测中的提示词分布也需要检查,确保它们符合产品实际情况。行为规范也必须由人编写。我们大量使用智能体,但这类工作仍需要人投入很多时间和精力。
07
让用户开始使用
Lenny:我想换个方向,谈谈用户激活。
Mona:这是我们的头号难题。人们会问:“我已经有聊天机器人了,为什么还需要另一个?”
最有效的方式是口碑,让人们听到别人的使用故事。有一次,我和孩子朋友的家长们聊到Muse。大家大概都看过广告,却不太明白怎么用。一位已经用了一个月的妈妈拿出手机,让大家看她的使用记录,当场就有两个人下载了。
无论我们怎么做广告、怎么说它是个人超级智能,都不如让人看到与自己相似的人是怎么用的。越多人分享自己的使用方式,就会有越多人理解价值,受到启发。
第二个问题是让用户发出第一条提示。很多人不知道该说什么,可能只会问“今天天气怎么样”。所以我们做了Ideas标签页,提供可以直接启动的任务。例如,它可以帮你设置通知、建立仪表盘。用户只需要说“开始吧”,Muse就会启动流程。
Muse能做的事情太多,我们一直在想,除了写一本使用手册,怎么让人理解它的能力。现在进展还算顺利,但对很多人来说仍然难以想象。
我们也发现,对早期用户有效的引导方式,未必适合后来的人。早期用户大概知道智能体是什么,更关心Muse在安全方面有什么不同;后来的用户则会问:“这和我已经在用的AI产品有什么不同?”所以我们需要根据用户的经验提供不同的引导,但还没有完全找到答案。
08
为什么选择聊天气泡和主对话
Mona:我们一直在思考:这是你的个人智能体。大多数人没有私人助理,我们希望让更多人都能获得这样的帮助。
人们通常怎么和助理交流?现在很多交流发生在聊天工具里,所以我们选择了聊天气泡。当时其他AI产品,包括Meta AI,更多采用大画布式体验:空白页面上呈现带图片的长篇回答。大家也预期Muse会是这样。
我们选择了不同方向,因为它应该像一个通讯工具,让人感觉熟悉,就像在和一个人交流。但这个决定带来了后续问题:聊天气泡里放很长的回答会很烦人,文字应该怎么拆?加入轮播卡片会不会奇怪?这些问题我们还在思考,但当时虽然有争议,我们还是坚持了聊天气泡。
主对话是另一个争议。起初我们只有一条主对话,因为Muse可以保留长期上下文。我们的想法是,私人助理会记得以前发生的事情,所有交流都可以放在同一个地方。
员工试用后,意见分歧很大。有些人坚持需要侧边对话和独立线程;另一些人则认为不需要。最后,我们还是加入了侧边对话,因为不少人希望在心理上把不同话题分开。尽管如此,智能体仍然大致了解其他对话的内容。
说实话,我现在也不知道最终答案。我们会继续思考和迭代,但我个人仍然坚定支持主对话。
这些决定大多由团队自主作出。影响特别重大的事情,需要Mark、Nat或Alex拍板;但很多时候,当我带着问题去找他们,他们会反问:“你想怎么做?”这让我意识到,我们可以自己做出选择。
09
让团队动手做
Lenny:我还听到一些你们内部的说法,聊起来可能很有意思。其中一个口号是“let them cook”,让他们放手去做。你有印象吗?
Mona:当然。前面说过,我们团队有很强的builder文化,主要由工程师推动,但不限于工程师。重要的是提出想法,然后直接动手做原型。
产品里很多主意来自一两个工程师。他们带着一个小小的想法,消失几天,然后拿出一个原型,令人惊叹。我会说:“我都不知道这东西存在。”有时最初的想法还是我提出的,但我根本没想到它可以发展成这样。所以要让工程师放手去做。
你得给他们空间,给他们自主权,人与人之间必须充分信任。这成了开发过程里很重要的一部分。如果你有一支人才密集的团队,工程师有很好的产品感觉和品味,能够思考未来,那就得给他们空间,让他们发挥。
10
产品经理的工作变了什么
Lenny:边做边摸索真的很有意思:“试试看会发生什么。”我们就这样学习,发现“这里出了问题”。这真是一个有趣的时代。
Mona:我做产品经理已经很久了。我还记得以前不能这样做:你必须写出一份完整的需求文档,希望自己已经想到了所有可能的边界情况,希望已经把所有事情都考虑清楚。
现在不一样了。你可以根据看到和得到的结果,每天改变自己想做的事情,这很不可思议。
Lenny:我想沿着这个话题继续。你已经做了二十多年产品经理。你是否同意,过去两年这个角色的变化,比之前二十年都大?即便你不完全同意,我也想知道你觉得最大的不同是什么。三年前的Mona和今天相比,产品经理的工作有什么不同?
Mona:先说一句,做了二十年,我也不知道自己是否永远能弄清产品经理究竟是什么、做什么,因为这太取决于公司、你是谁、你喜欢做什么。不过,确实完全不同了。
其中一个巨大变化是原型开发。现在任何人都可以做原型。我不是工程师,但可以想出一个主意,做出足以拿来讨论的东西。当然,没有人希望我往Meta的数据库里写代码。但我可以做出一个概念,甚至一个设计,让大家围绕它讨论;以前我只能在纸上写一堆字,然后希望有人把它读完。这是很大的改变。
能够这么快地搭建自己的工具,也带来了很大变化。
Lenny:内部工具?
Mona:对,内部工具。这一直是个痛点。很多低效只是因为没有合适的内部工具,但我们总得开发最终产品,没时间把内部工具排到优先位置。AI让这件事容易得多,非常有帮助。
我很喜欢现在的工作方式:因为团队重视做原型,想法很快就能变成具体的东西,我们花更多时间讨论具体问题,而不是抽象设想。它就在我手里,我能看到它有没有用,我讨不讨厌、喜不喜欢它。一切都很具体,所以推进比以前快得多。
以前,我们要先看设计图、想象各种可能,再由工程师花很长时间做出来。投入了几个月之后,就很难再说“我不喜欢这个”。
作为产品经理,我做这份工作是想看到结果、做出东西。现在不用再想象很遥远的未来,大概一天内就能看到原型,有时甚至我自己就能做出来。
不过,至少在我们的组织里,对产品经理的要求确实发生了变化。现在产品品味是最重要的:要有好的品味、很高的标准和产品直觉。执行仍然重要,其他那些事情也都重要。
但我们合作的工程师本身就很有产品意识。所以我们的角色仍然重要,是因为我们要在很多方面代表客户,能够说:“这个很酷,我很高兴你喜欢,但我觉得其他人不会喜欢。”
这也是为什么同理心对我这么重要。我们必须在所有开发者面前代表消费者,并且对上线的产品设定很高的标准。因为现在做出糟糕的东西并把它发布出去太容易了。AI垃圾内容很容易被制造出来,产品也可以很快上线,但如果不好、很糟糕,就没人会用。
所以,建立质量标准和产品品味现在很重要。这可能也是我面试产品经理、或者和产品经理共事时最看重的一点。
Lenny:Muse的设计和体验是有意追求差异化,还是因为团队里有Alex Cornell?
Mona:部分确实是运气。Alex做事情非常用心,但我们并不是先决定要让设计成为差异化因素。他会自然而然地做出独特的设计,而身边需要有人看到:这个想法有意思,值得做下去。
某种程度上,我们是先看到设计,才逐渐想清楚产品原则:用户是在通过聊天工具与一个个人智能体交流。这些原则又定义了我们之后怎么开发产品。
11
第一版原型差点没能展示
Lenny:你刚才说,第一版是他做的原型?
Mona:对,Alex非常快地做出了Muse的第一个原型,就用了几天,速度令人震惊。
我记得他第一次展示时,说实话,我甚至不知道自己在看什么。上面有一个聊天线程,我想:“我要在这里做什么?”但它的天才之处在于,尽管概念非常复杂,界面却很简单。当时里面还有信息流和聊天功能。
我们并没有坐下来详细讨论要往里面放什么,而是让Alex自己发挥了几天,然后他就拿出了这个东西。一开始我觉得很奇怪,但在他的手机上使用那个本地版本时,我发现:“等等,这真的很有意思。”
我发现自己使用它的方式甚至与OpenClaw不同,因为它让我觉得非常个人化。OpenClaw则是通过你所使用的各种服务来呈现的。那段时间很有意思,进展快极了。
Lenny:那个原型真的能运行?后台真的在使用模型?
Mona:对,是一个能工作的原型。他做出来之后,我们马上要开董事会。原本完全没计划在会上展示它。你知道,董事会的预读材料需要提前很久发出去,让大家知道要讨论什么。我们发出去的是完全不同的材料,和这个毫无关系,因为它当时甚至还算不上一个正式项目。
最后一刻,我们说:“我觉得应该讨论这个。”结果董事会开始前一个小时,整个东西坏掉了。我们想:“太好了,不仅没有计划,产品还坏了。”我们的工程师和Alex争分夺秒地修复,大概就在董事会开始前五分钟,原型终于修好了。
最后体验很好,但只差几分钟,事情就可能完全不同。
Lenny:哇。要是当时没有修好,会发生什么?
Mona:我经常想这个问题,就像平行宇宙一样。在某个平行宇宙里,我们没有解决这个问题,Muse也许就从来没有诞生。
Lenny:我们处在正确的时间线上,我很高兴我们在这里。
12
非确定性与未来方向
Lenny:这类产品被要求做很多事情,而且输出并不总是确定的。
Mona:天哪。首先,AI的非确定性对产品经理来说是最疯狂的事。因为我一直习惯掌控事情,喜欢知道:“好,这件事我能控制。”以前开发产品时,你可以决定用户进入产品后,每一步会看到什么。
但现在是:“哦,智能体会自行推理,决定该怎么做。”我可以设定一些护栏和评测,但它还是会自己去想办法。这很不可思议。但我觉得这也是它特别的地方:没有两个Muse完全一样。你的Muse和你说话的方式,以及它做的事,都会和我的Muse很不一样。
Lenny:最后一个问题:接下来是什么?事情会往哪里走,你们的愿景是什么?我知道好像有一个小挂件设备会在某个时候推出,如果它确实叫这个名字的话。Muse的未来会是什么样,可能和现在有多大不同?
Mona:说到挂件和其他设备,如果你真的希望个人超级智能随时随地陪伴着你,它必须融入周围环境。
现在它某种程度上还被困在App里。但我想,很快它应该出现在你的眼镜里、挂件设备里,不管那最后是什么形式。智能体走出App、进入你的世界,这一点会非常重要。
让更多人都能使用也非常重要。在Meta工作,你会经常思考怎样让每个人都能拥有一种产品。因此,怎样实现规模化、让大家都能负担得起,使它在某种意义上成为缩小差距的工具,对我来说很重要。
从能力角度,还有一个比较具体的问题:我们现在仍然要花很多精力照看智能体,有点像照顾电子宠物。你要不断给它提供信息,确认它运行正常、掌握了所需的上下文;它也会经常回来向你确认。
我希望随着时间推移,智能体能更快地领会你的意图,拥有更多上下文、变得更有能力。这样我们会更信任它,你会更信任它,它也会对自己更有把握,能够更好地自主行动。
这是我很关心的方向,因为如果我一直得照看智能体,那还不如自己做。这是一个很糟糕的状态。所以从具体实践来说,我也很关注这个问题。
做AI既酷又可怕的一点是,一年前,我绝对不会像今天这样向你解释Muse。
一年前我对消费级智能体有一些概念,但和今天的样子非常不同。所以我并不完全知道Muse接下来会走向哪里。我能看到短期想做的事,也能看到非常遥远的目标:每个人都有一个智能体,它随时随地陪伴着你,融入环境。但中间的阶段可能会很有意思,也很不一样。
我还很兴奋的一件事,是智能体能够在经济或财务方面帮助人。大家都想尝试创业或做点副业。我觉得智能体真的有机会从很多方面拓展你的世界,包括改善财务状况。我很希望把产品带向这个方向,也希望看到整个行业这样发展。
这涉及很经典的“你的生活、你的钱”这些问题。作为人,我们有一些核心需求。到目前为止,智能体对我来说主要是在节省时间,而时间对我来说非常宝贵。但如果它还能让我更健康、在财务上更有保障,就能覆盖用户非常迫切的许多需求。
Lenny:我们生活在一个多么特别的时代。
Mona:我知道,太疯狂了。真的很不可思议。我刚才说过,我44岁。小时候你能想象吗?我还得走到电视机前拨旋钮才能换台,现在我却在谈论眼镜里的个人超级智能。
近期厂商征集
AI数据基础设施研究项目征集
截至时间:11月20日
2026爱分析·企业AI平台竞争力榜单
截至时间:11月30日
2026爱分析·企业AI 100强榜单征集
截至时间:12月15日
热门跟贴