跳转到内容
导航
Agent 与工具链

Muse 替你下单以后,谁来收拾那些包裹

读完 Muse 产品负责人的访谈,我更关心个人 Agent 替人办事后,还留下多少筛选、确认和纠错工作。从购物包裹、学校通知到权限设计,判断助手价值需要算上这些负担。

Mona Sarantakos 让 Muse 替孩子买衣服。以前,她会在一家店集中下单;现在,Agent 按照要求去不同商店挑选,家里陆续多出好几个包裹。丈夫打来电话,问她到底买了些什么,后来还希望直接给她的 Muse 提意见。

这是 Lenny 采访这位 Meta 产品负责人时,一个轻松的家庭插曲。我读到这里,却觉得它比产品发布故事更值得琢磨。挑选可能更合心意,后面的收货、拆箱和家庭协调,也可能随之增加。

个人 Agent 做完一件事以后,用户到底少操了多少心? 读完整场访谈,我觉得这个问题比“它能做多少种任务”更适合拿来判断个人助手。以下讨论来自访谈及官方技术说明,我没有亲自测试 Muse。

个人 Agent 完成任务后,还要追问用户少操了多少心

Mona 说,购物成为重要用途,出乎她的预料。团队原先更看好个人效率、健康和财务管理;随着试用人群扩大,他们才把更多注意力转向购物评估。

这说明用途需要从真实生活里发现。不过,包裹的故事让我想继续追问:评估应该在哪里结束?

如果要求是找到符合款式、尺码和价格偏好的衣服,去不同店铺挑选很合理。若目标是让这个家庭省事,还要考虑配送能否合并、退换货是否方便、有没有人收件。产品并没有因为做到了前一件事,就自动完成后一件事。

当然,访谈没说这些包裹造成了多大困扰,更没有证明这次采购不划算。我在意的是,任务成功与生活改善之间,仍有需要解释的距离。用户说“帮我买”,往往不会把家庭里的隐含约束逐条写出来。助手越主动,这些没说出口的条件就越重要。

我会把省下的操作时间,与剩下的说明、核对、等待和善后放在一起看。这个账不必换算成精确分数;只要每次演示“任务完成”时,顺手追踪一下用户接下来还得做什么,就能发现很多漂亮结果里藏着的工作。

再回头看 Muse 的起点,就更容易理解这种差别。

按 Mona 的回忆,Nat Friedman 推荐她试 OpenClaw。她用家里的树莓派搭起来,接入邮件和日历,花了一个周末体验。到了周一,OpenClaw 从学校通知等不同来源整理出当天和当周的安排。她平时很难跟上这些零散消息,这份摘要让她感觉终于能掌握生活节奏。

这里动人的地方很具体。学校通知通常不需要高深推理,难在你必须记得去看,找出相关事项,再与日历和家人协调。每个动作都不大,合起来却会长期占着脑子。

所以我理解她受到的触动。把“记得回来看”这件事交出去,和临时让聊天机器人总结一封邮件,给人的轻松感会很不同。前提是,用户真能放心把它交出去。

这也解释了她在访谈后段的坦白:现在仍有不少“照看 Agent”的工作,需要不断喂上下文、检查它的状态、回应它的问题。若照看太多,她宁可自己做。

我愿意把这句话当作产品还未完成的部分来读。它允许我们同时承认能力上的进展,和使用中仍然存在的费力。后台忙得再热闹,如果用户始终得惦记着有没有漏事,助手替人承担的工作就很有限。

亲切的头像,需要清楚的权限撑住

Section titled “亲切的头像,需要清楚的权限撑住”

Muse 的角色 Jolly 原本是临时原型里的一部分,后来逐渐发展为用户可定制的头像。Mona 解释,面对如此私人的长期交流,对着一个企业标志说话很别扭。

我能理解这个选择。可是,亲近感也会提高责任:当用户觉得这是“我的助手”,很容易顺着感觉,多交出一些信息和权限。

访谈里有个早期试验,恰好暴露了这条边界。团队把不同人的 Agent 放在一起聊天,其中一个提到了主人去看医生的事。对另一个人来说,这可能是一句关心;对信息的主人来说,却未必是愿意分享的内容。

这个故事发生在开发早期,不能拿来断言公开版仍有同样缺陷。它揭示的问题却很实在:知道一件事,与获准告诉别人,是不同的授权。更长的记忆、更丰富的上下文,无法自行回答这个问题。

为此,我专门去读了 Muse 的官方安全说明。文中介绍,主 Agent 运行在隔离环境里,Sentinel 在其外部负责连接器动作和对外网络访问的权限判断。需要用户批准时,请求通过客户端界面展示,决定直接回到 Sentinel;授权还要限定目标和用途。

Muse 官方安全架构原图:Sentinel 位于 Runtime cell 外,客户端的批准路径直接到达 Sentinel

这让我觉得,比“请谨慎行动”的提示更有说服力的,是把执行者和批准权限分开。聊天窗口里一句像同意的话,不该轻易变成随处可用的通行证。官方设计文也明确把结构化批准卡放在需要确定性控制的位置。

不过,官方自己同样承认 Muse 会犯错,提示注入仍是开放问题。其安全说明还写到,运营服务所需的情况下,现有虚拟机设计并不阻止 Meta 访问数据。因此,“属于你的助手”是产品关系的描述,不能被理解为运营方在技术上绝对无法接触数据。

值得保留的确认,应该让用户看懂自己正在授权什么。 无关紧要的操作反复弹窗,会把人训练成机械点击;涉及购买、发送信息或私人资料流向时,必要的停顿反而能减轻后面的担忧。减少负担,也包括减少错误获准后难以收拾的后果。

Muse 官方购物批准界面示例:展示商家、付款方式和总额,并提供拒绝与批准按钮;非作者实测

访谈另一个值得留下的细节,是他们如何用 Agent swarms 整理反馈。按照 Mona 的介绍,这些 Agent 帮助查看指标、反馈和对话,整理长期、多轮任务的数据,也辅助构建评估。

这类工具吸引我的地方,是它能把笼统的“用户不满意”带回具体现场:某个购物网站卡住了,某种意图反复被误解,某些用户不得不纠正助手。要判断人在替产品补什么洞,需要读这些过程。

我在写旅行助手跳过选座核验后的问题时,也关心过类似的证据缺口:发现一段失败,还得弄清什么算成功,再检查修改有没有作用。Muse 的故事把这个问题推向更私人、更日常的任务。学校提醒有没有让人少惦记一件事,购物有没有把麻烦转给家人,都需要团队选择去看。

增加分析量,还回答不了验收目标该怎么定。如果评估只认“购买完成”,系统就不会主动替你补上“收货是否省事”的标准。自动整理可以帮助找现场,验收目标仍需要人负责。

Mona 也谈到,他们要求系统提示词和行为规范由人手写,评估数据要有人审核。我不会据此得出“手写提示词一定更好”的结论,但赞成其中的责任划分:哪些行为值得追求,哪些边界不能跨过,团队需要自己想清楚,不能把判断也托付给生成这些文字的工具。

对做个人 Agent 的团队,我更想看到一种朴素的试用记录:用户起初想摆脱什么事,助手做了什么,最后用户又补做了什么。遇到重要行动,再补上他为什么愿意授权。这样的记录,比单独罗列成功任务更能指导下一轮改进。

读完访谈,我记住了那份学校摘要,也记住了门口的包裹。前者让一个忙碌的家长觉得终于跟上了生活,后者提醒我们,完成采购以后,生活还在继续。个人助手的价值,要在这些后续里慢慢兑现。