2026 年 1 月末的一個周五,Meta 產品副總裁 Mona Sarantakos 跑去 Apple Store 買 Mac Mini,店裡已經斷貨。她丈夫從家裡翻出一台閒置的樹莓派,幫她把剛在極客圈冒頭的開源工具 OpenClaw 裝了上去。那個周末兩個孩子去參加滑雪訓練,她把自己的信箱、日曆與智能家居權限全交給了這台小裝置。周日丈夫帶著孩子回家,聽說她連個人信箱都授權了,脫口而出:「這太瘋狂了,完全不安全。」
周一清晨,這個只靠幾個詞驅動的指令碼自動抓完學校郵件與家長門戶通知,把一周日程理得清清楚楚。Mona Sarantakos 在工作了二十多年後,第一次在周一早上覺得自己真正接管了瑣碎的個人生活。她給前 GitHub CEO Nat Friedman 發消息入局,一份名為「Claw 即法則(The claw is the law)」的內部備忘錄很快傳開,把團隊原定在 2026 年底甚至 2027 年才啟動的消費級 Agent 計畫,硬生生往前拽了一整年(BigGo Finance)。
但接下來的九個多月,Meta 卻走了一步反常識的慢棋。當 Grok Bot、Duet 與 Dots 這些競品只用兩三個月就從立項衝到上線時,Meta 在 2026 年春天已經跑通端到端原型,卻刻意把發佈壓後了整整七個月。直到最近 Muse 沖上 App Store 榜首,這位在 Meta 待了十年的產品老兵在 Lenny's Podcast才攤開底牌:當一個工具能替你刷卡、能讀你的私密郵件,第一次搞砸就等於永久出局。這七個月的克制,也把 Personal Agent(個人智能體)如何重塑人、商業行業與應用生態的底層帳本攤在了檯面上。
七個月的質量門禁:慢不是保守,是賠率變了
傳統對話機器人答錯問題,使用者最多關掉網頁換一家;Personal Agent 搞砸一次,使用者的信用卡帳單與家庭日程會同時失火。Mona Sarantakos 把 Muse 的研發拆成三段:春天之前解決「這是什麼產品」與虛擬機器託管底座;臨上線前是衝刺收尾;真正吃掉大半年日曆的,是中間圍繞可靠性、安全性與隱私隔離的自建門禁。
行業裡現成的評測榜單在這裡全部失靈。公開基準測的是單輪問答精準率,沒人測過一個 24 小時駐留後台、握有支付權限的 Agent 該怎麼算合格。團隊只能自己寫評測集(Evals),把紅隊攻防當成日常。每加一個新能力,安全邊界就得推倒重來一次:最初的 Muse 根本沒有瀏覽器,加上瀏覽器之後,網頁端提示詞注入與越權點選立刻成了新的攻擊面,發佈窗口也跟著一再延後。
| 對比維度 | 早期對話助手(如早期 Meta AI) | 消費級 Personal Agent(Meta Muse) |
|---|---|---|
| 互動形態 | 單輪問答為主,大畫布長文輸出 | 多輪長上下文,IM 氣泡式短消息 |
| 運行底座 | 無狀態推理請求 | 獨立虛擬機器託管,後台持續推理 |
| 核心風險 | 幻覺、答非所問 | 越權消費、隱私外洩、提示詞注入 |
| 評測體系 | 通用公開榜單 | 自建場景級 Evals + Sentinel 外部護欄 |
| 上線節奏 | 搶跑迭代,競品約 2 個月上線 | 春天原型跑通後,刻意壓測 7 個月 |
Meta 內部有一句口頭禪:「信任是底線(Trust is a must)」。如果為了搶兩個月窗口期帶著隱患上線,普通消費者不會像極客那樣寬容地等補丁,他們會直接解除安裝。至今 Muse 還沒有發生災難性安全事故,那七個月換來的冷啟動安全墊,撐住了它沖榜後的留存底盤。
屋頂圖書館裡的 10 個人:大廠如何跑出創業速度
一款被 Mark Zuckerberg 暗示為史上增速最快的消費級 AI 產品,最初長在 Menlo Park 一棟樓頂層的「圖書館」裡。那個公共區鋪著大廠辦公室罕見的地毯,擺著幾張像是 1995 年買來的花布沙發。起步時核心團隊只有 10 個人左右,以工程師為主,加上首席設計師 Alex Cornell;即便到正式上線時,全職能團隊也控制在百人以內,覆蓋整個產品的產品經理一共只有 4 個人(Lenny's Newsletter)。
他們幾乎廢掉了大廠慣用的匯報流程。從 2 月立項到 8 月發佈前夕,Mona Sarantakos 沒做過正式的評審幻燈片,甚至臨上線前被要求補做一套 Google Slides 時差點忘了怎麼排版。日常決策全在小會議室裡完成:團隊把裝有本地測試版的手機直接遞給 Mark Zuckerberg、Nat Friedman 或 Alexandr Wang,看著他們現場滑動、當面挑刺。原本日程上只留 30 分鐘的溝通,經常一聊就是一個小時。
三位高管在這套極扁平的協作裡,各自留下了清晰的產品印記:
- Nat Friedman 是工程與安全的把關人。他不僅發消息拉起這支隊伍,還經常在白板前拆解架構圖,深度參與設計了獨立於主 Agent 之外的護欄系統 Sentinel,在關鍵動作執行前做硬性兜底。
- Alexandr Wang 守著模型底盤。實驗室交付的第一版 Muse Spark 模型在自主規劃上的表現遠超團隊預期,也正是他在項目後期拍板推著謹慎的產品團隊走出測試區、正式發佈。
- Mark Zuckerberg 扭轉了產品目標。早期團隊一度沉迷於「任務完成率」,總盯著訂票、下單能不能跑通;他把重心拉回到「目標對齊」,認為一個 24 小時線上的助手應該持續理解使用者的長期優先順序。這直接催生了「做夢與學習(Dreaming and Studying)」後台機制與獨立的目標(Goals)標籤頁。同時,他堅持把產品做成所有普通人都能用得起的普惠工具,逼著團隊從第一天就算清百萬級使用者並行下的虛擬機器成本帳。
這種草台緊繃的氛圍,還保住了一隻「打不死的小強」。Muse 介面頂部那個會睡覺、戴著耳機敲電腦的毛絨角色 Jolly,最初是設計師 Alex Cornell 用單次提示詞隨手生成的佔點陣圖,名字「Jollybot」來自他女兒的小名「Jollybug」(BigGo Finance)。每隔一兩個月,市場部門都會來提醒他們正式上線前必須換成 Meta 官方標誌。每次團隊嘴上答應,回頭又捨不得刪。對著一個極其私密的助手傾訴日程與煩惱時,冷冰冰的企業 Logo 會瞬間擊碎信任感。直到發佈前一周,在 Mark Zuckerberg 與團隊的共同堅持下,Jolly 才終於留了下來。
真正驚險的一幕發生在一次董事會前。Alex Cornell 在幾天內搭出第一個可運行原型後,團隊臨時決定把它塞進一場原本毫無準備的董事會演示裡。開會前 1 小時,原型突然全面當機。工程師和設計師在後台搶修,直到會議開始前 5 分鐘才把系統拉回來。五分鐘的時差,幾乎決定了這個項目後來存不存在。
手寫系統提示詞與氣泡內戰:AI 越快,審美越貴
做多輪 Agent 最稀缺的不是算力,而是真實的多輪生活資料。早期 Meta AI 積累的幾乎全是單輪一問一答,程式碼助手領域倒是有長上下文記錄,可沒人存過普通人怎麼分五輪對話來規劃一周家庭食譜。
團隊的解法是放出一批「智能體叢集(Agent Swarms)」。這些後台 Agent 像偵察兵一樣鑽進內測與生產對話流裡,一邊合成訓練與測試資料集,一邊把枯燥的儀表盤轉化成帶血肉的故障報告。比如某天資料掉頭向下,Swarm 會直接吐出具體線索:過去一天裡有 10 個使用者在某電商網站結帳時被攔了下來。Mona Sarantakos 要求所有產品經理必須逐條閱讀這些使用者卡點報告,她借用 OpenAI 產品負責人 Nan Yu 的話來定義這份工作:產品經理必須像使用者一樣真切地感受到痛。
但在全員用 Agent 提效的團隊裡,有一件事被列為硬性禁區:系統提示詞(System Prompt)、行為規範與提示詞分佈必須全部由人類手寫並人工逐條審閱,嚴禁讓 AI 代寫那怕一行。
原因很現實:用大模型批次生成程式碼和產品原型太容易了,低品質的 AI 垃圾(AI Slop)正在以極低成本湧入市場。當工程師本身就具備極強的產品直覺、原型可以在 24 小時內翻新一遍時,產品經理過去靠寫長篇需求文件和盯進度表建立的壁壘已經失效。唯一拉得開差距的,是對非確定性系統的敬畏、極高的產品審美,以及手寫底層規範時的克制。
這種反共識的選擇也落在了介面上。當幾乎所有 AI 助手都在用全螢幕大畫布展示長篇論文時,Muse 卻選了最像 iMessage 的聊天氣泡。他們很快嘗到了代價:長回覆塞進窄氣泡裡非常難讀,團隊不得不反覆打磨消息拆分節奏,甚至糾結氣泡流裡到底能不能放卡片輪播。另一場更激烈的內部衝突,是「單主窗口(Main Chat)」與「多話題分支(Side Chats)」之爭。團隊最初認為,既然 Agent 擁有長期全域記憶,就該像真人助理一樣只有一個對話方塊。內測員工為此在內部論壇吵成兩派,甚至開玩笑要印文化衫站隊。最終團隊妥協加上了側邊子對話,但後台記憶依然全域打通。
從個人效率到七個包裹:Personal Agent 正在改變什麼
產品放開測試後,使用者真實的行為很快推翻了團隊的預設。Mona Sarantakos 原本以為個人效率、健康管理、理財與智能家居會跑在最前面,結果智能家居幾乎沒起量,反而是「代客購物」沖成了頭號高頻場景。這一變化也把 Personal Agent 對人、行業與整個應用生態的衝擊提前擺到了桌面。
對「人」而言,Personal Agent 正在把普通人從繁瑣的數字勞動中解放出來,卻也製造了新的心理摩擦。Mona Sarantakos 提到一位單身護士媽媽,獨自帶著兩個孩子,現在把每周配餐、尋找合適醫生、預約門診與對外聯絡郵件全部交給了 Muse;另一位兼任孩子運動隊家長經理的朋友,也靠它扛下了球隊日程協調。人在獲得私人助理般槓桿的同時,卻開始面臨一種新的照看焦慮:既要像養電子寵物(Tamagotchi)一樣不斷給它補充上下文,又時刻擔心非確定性系統在關鍵事務上掉鏈子。就連家庭內部的協作邊界也被打破:Mona 自己以前去 Nike 官網一次買 5 條運動褲圖省事,交給 Muse 全網比價拆單後,家門口一次堆了 7 個不同商家的快遞包裹,逼得她丈夫打來電話抗議,並順理成章地要求給自己也開一個向這台 Muse 下單的指令權限。
對「行業」而言,首當其衝受損的是建立在「瀏覽與資訊不對稱」之上的零售廣告與傳統客服流程。過去幾十年,電商平台與消費品牌靠使用者逛街、被種草、在貨架間產生衝動消費賺錢;當決策權交給了只看尺碼、材質與價格參數的 Agent,傳統展示廣告與品牌復購漏斗會被直接擊穿。Mona Sarantakos 判斷完全消滅「逛」的樂趣並不現實,更可能跑通的路徑是消費者 Agent 與商家側的商業 Agent 直接對話:前者負責在使用者陷入選擇癱瘓時收斂選項,後者把即時庫存、優惠條款與退換規則結構化地喂給前者。在世界盃期間,Mona 和兩位工程師的航班雙雙取消,她們各自名下的 Muse 直接對接航司客服系統拿回了退款。當「人找客服排隊」變成「兩個 Agent 在後台直接對帳清算」,航司、酒店、電商的客服與履約體系都將被迫重寫介面。再往後延伸,一旦 Agent 替人省下了稀缺的時間,下一步必然切入健康管理與個人財務最佳化,幫助普通人營運副業、打理帳單,直接觸碰「時間與金錢」這兩項最核心的個人需求。
| 衝擊層面 | 傳統網際網路範式(App 時代) | Personal Agent 範式(Muse 揭示的趨勢) | 核心張力與未解痛點 |
|---|---|---|---|
| 個人與家庭 | 人操作 10 個 App,手動比價與填表 | 人對單一代理下意圖,後台跨站執行 | 需高頻喂養上下文(Tamagotchi 疲勞)與家庭共管權限 |
| 產品研發團隊 | 寫長篇規格書,3 個月後見結果,沉沒成本高 | 24 小時原型試錯,Swarms 即時撈取生產痛點 | AI 垃圾氾濫,手工打磨提示詞與產品審美成唯一護城河 |
| 商業與廣告 | 靠使用者「逛」與種草轉化,DTC 網站打包復購 | Agent 跨店按規格拆單,直接與商家 Agent 談判 | 零售品牌失去瀏覽曝光,廣告漏斗如何重構尚無劇本 |
| 應用與硬體生態 | App 各自圈地,使用者時間鎖在孤島螢幕裡 | 垂類工具淪為後台 API,互動向眼鏡與穿戴裝置遷移 | 網站究竟開放協議分賬,還是像防爬蟲一樣攔截代理流量 |
對「應用生態」而言,Personal Agent 正在把手機裡的 App 從「前台介面」降維成「後台管道」。過去移動網際網路的鐵律是爭奪使用者打開 App 的時長與桌面圖示位置;但在 Agent 時代,如果一個訂餐、比價或查日程的動作能在氣泡對話裡由虛擬機器後台完成,使用者根本不需要點開那些獨立 App。這種生態重構也暴露出多人社交場景的致命空白:Meta 團隊曾把兩位女員工各自的 Muse(Fu 與 Quinn)拉進同一個群聊測試協同,頭一天兩個小機器人還很可愛地互相寒暄,第二天其中一位員工的 Muse 就在群裡關切地問另一位員工:「你昨天去看醫生,今天好些了嗎?」單人模式下極其好用的全域記憶,一旦進入多人場景就成了毫無邊界感的隱私廣播站;緊接著兩個 Agent 又因為意見不合在群裡用禮貌卻帶刺的語氣(Passive-aggressive)吵了起來,直到主人下場訓斥才被迫「和談」。團隊當場無限期擱置了多人 Agent 群聊,先把「社交分寸感(Discretion)」留給未來。
冷啟動高牆、算力帳本與螢幕之外的下一程
即便已經坐上 App Store 榜首,Muse 眼下面臨的最大日常瓶頸依然不是模型智商,而是面向普通大眾的冷啟動啟動。紐約和舊金山街頭貼滿了 Jolly 的廣告牌,多數路人心裡依然掛著同一個問號:「我已經有聊天機器人了,為什麼還要多裝一個?」廣告轉化在這裡幾乎失效,真正管用的是線下口碑。一次家長聚會上,一位重度使用者把手機遞給身邊的媽媽們滑了兩分鐘,現場就有兩個人直接下載了 App。為了跨過新使用者面對空白輸入框時的「首句凍結(First-prompt freeze)」,團隊在介面裡塞進了「創意禮包(Ideas Tab)」一鍵範本,並針對晚到的普通大眾改寫了分層引導流程。
更硬的約束藏在算力帳本裡。為每個普通使用者長期維持獨立虛擬機器與 24 小時後台「做夢」推理,成本結構遠重於傳統一問一答。Meta 在 2026 年全年資本開支高達 1350 億至 1450 億美元,同時推出了每百萬輸入 token 僅 0.10 美元的輕量執行模型 Muse Ember(BigGo Finance),試圖用「前沿大模型規劃加低價小模型執行」來攤薄單使用者算力開銷。在 Mark Zuckerberg 推動的全面消費級普及目標下,海量普通使用者的後台推理帳單能否靠商業交易抽佣與高頻留存打平,依然是一道未解的單位經濟算術題。
真正決定 Personal Agent 終局形態的,是它何時能走出手機螢幕。今天的 Muse 依然被困在手機 App 的方寸之內,使用者要主動點開它、確認它的動作。Mona Sarantakos 在採訪尾聲提到一個細節:44 歲的她小時候換台還得走到電視機前擰旋鈕,和主持人一起經歷過按下加速鍵才能跑到 66 MHz 的 386 電腦,如今卻在討論把個人超級智能裝進智能眼鏡與隨身 Charm 裝置裡。當 Personal Agent 完全擺脫 App 圖示的束縛,變成附著在眼鏡與隨身硬體上的環境智能,人、商業規則與應用生態的洗牌才算進入深水區;而在此之前,誰能先讓普通人跨越第一個空白輸入框、又不在隱私與刷卡上出一次大紕漏,誰就握住了下一代個人計算入口的門票。 (艾智商業)

