10个人如何做出Muse?购物场景远超预期,未来不再是个App!

资讯 腾讯网 作者:随机小分队 全文 4331 字 · 约 11 分钟读完 配图 1 张 分类产品更新电商零售MONA

Linkloud 引言 Muse上线 40 天的时候,在美国下载量就超过了 1,000 万,7 日留存达到 30%,DAU 升到 250 万。它源于产品负责人 Mona 一个周末的自动化实....

所属频道 产品更新行业落地

Linkloud

Muse 上线 40 天的时候,在美国下载量就超过了 1,000 万,7 日留存达到 30%, Mona 一个周末的自动化实验:她用

本期播客中,Mona Sarantakos 首次回顾了自己从第一天负责 Muse 到最终打造出这款爆火产品的经历。一个没有从完整产品计划开始的项目,如何找到


01. 一个周末的个人试用,如何变成产品机会?


Muse 团队很早就看到了个人 Agent 的可能性,却没有急着把产品推向市场。

从今年 1 月底开始探索,到春天做出完整的端到端产品,团队还花了大量时间处理可靠性、使用安全和系统安全等问题。因为这个产品要读取个人上下文,也可能会代替用户去浏览网页、购买商品和执行任务,传统的产品

团队只能自己建立标准。

“信任是必须的。”

这句话在 Muse 团队内部反复出现。普通聊天机器人答错时,用户通常会换个问法继续提问;但一个能替你发邮件、管理家庭事务、购买商品的 Agent 出错,用户会直接怀疑它是否值得继续使用。如果人们不信任这个 Agent,就永远不会使用它。

产品每增加一项能力,风险面也会随之扩大。以浏览器为例,Muse 最初没有这项功能;加入浏览器后,团队就需要重新评估并处理一整套安全问题。因此,团队持续开展

发布前的用户范围也在逐步扩大:先是内部员工 。团队没有把这个过程视为“风险已经清零”,却通过它获得了越来越接近真实生产的反馈。

Mona 回头看,仍然认为当时没有必要缩短等待时间。Muse 需要先证明自己值得被信任,再争取更多用户。


02. 如何靠 10 个人在 Meta 做出 Muse?


Muse 的早期团队只有约 10 个人,后来包括各职能协作团队在内,总人数也一直保持在 100 人以内,真正参与核心构建的 PM 大约 4 人。

这支团队的工作方式更接近创业公司。很多产品想法来自一两名工程师,他们带着一个小想法离开几天,再带着可运行的原型回来。

“让工程师去做,给他们一点空间,给他们一点自主权。”

领导层也被拉进了原型现场。团队会跳过完整的 Slide 和正式评审,直接把产品放到小扎的手机上,让他体验,再围绕真实的使用感受展开讨论。

这种方式改变了决策的颗粒度。过去,一个问题往往要先写成几十页文档;现在,团队可以直接把它做出来,再判断它是否成立。

AI 团队负责人 Nat 深度参与了模型、架构和

董事会会议原本没有安排 Muse,因为这个产品还没有进入正式工作流。会议前一小时,团队临时决定把原型带进去,结果产品突然崩溃。工程师一路修复,直到会议开始前 5 分钟才把它救回来。

早期 0 到 1 阶段,很多事情可以由工程师或设计师直接推进。等一个想法真正进入产品化和发布阶段,PM 再补上优先级、用户场景和组织协作。

速度来自信任,也来自更少的流程缓冲。小团队减少了沟通层级,也意味着成员几乎没有额外的缓冲时间,睡眠和犯错空间都很有限。


03. Jolly 和聊天气泡,如何让 Agent 属于用户?


Muse 的产品人格源自一组很早就确立的原则。

Mark 把团队从“任务完成”拉回了另一个问题:用户到底想去哪里,Agent 如何持续帮助他实现自己的目标?

“Muse 的目的,是让人们的生活变得更好,帮助他们实现自己的目标。”

这句话打开了一个新方向。Agent 不只是等待指令、完成任务,它还可以理解用户的长期目标,主动提出建议。团队后来做了

Jolly 也是这套原则的产物。

Alex Cornell 最初做原型时,放进了一个临时的生物形象。这个角色叫

Jolly 后来会戴耳机、使用电脑,也允许用户创建自己的头像。它从一个临时角色变成了一个产品系统。

“当你在和一个非常个人化的东西交流时,最不想面对的就是一个企业 Logo。”

Muse 需要让用户感觉 Agent 属于自己,Meta 的品牌则退到背景。

交互方式也遵循同一个原则。团队选择了聊天气泡,没有沿用大画布式的 AI 产品界面。聊天气泡更像人与人之间的沟通,也更像一个长期存在的个人助手。

这个选择也带来了很多麻烦。长答案需要拆成几条消息,轮播内容是否适合出现在聊天记录里,主聊天和侧聊天如何分工,都变成新的产品问题。

团队一开始只保留一个主聊天,因为个人助手应该记得之前发生过什么。员工反馈很快分裂成两派,侧聊天最终被加进来。即便如此,Mona 仍然更习惯使用主聊天,因为她认为 Agent 的价值就在于持续的上下文。

早期还有两位用户把各自的 Muse 放进同一个群聊。两个 Agent 聊得很有趣,也很快暴露了隐私边界。其中一个 Agent 把用户的就诊信息告诉了另一个人。

这个意外让团队看见,个人 Agent 的“记得更多”与“说得更少”同样重要。Agent 越像一个真正了解你的助手,就越需要把隐私边界和表达分寸设计进产品。


04. 购物如何改写路线图,Agent Swarm 怎么找问题?


团队最初预测的高价值场景是个人生产力、健康、个人财务和家庭自动化。

购物并不在最前面。

随着外部 购物使用量开始明显上升。团队原本为其他场景设计的 。

“我没有想到购物会成为这么大的使用场景。”

路线图必须跟着真实使用变化。购物后来成为 Muse 的头部用例,家庭自动化却没有延续早期 OpenClaw 用户中的热度。

Mona 举了一个很生活化的例子。以前她会直接去 Nike 买几条孩子的运动裤,现在 Muse 会根据她的条件,在多个商店之间比较。选择变多了,结果一下变成五个、七个包裹。

这暴露出 Agent 购物的真正问题。效率和乐趣需要同时存在。

用户希望 Agent 帮自己缩小选择范围,也希望保留浏览、被启发和发现新东西的过程。一个只负责下单的 Agent,可能节省时间,却会把购物变得毫无参与感。

团队需要让消费者 Agent 与商家 Agent 互相沟通,同时保留用户做决定时的空间。

问题还不止是用例预测。Muse 面对的是多轮对话和长时间任务,Meta AI 过去积累的大量数据却以单轮对话为主。

“我们手里没有长成这样的数据。”

Agent Swarm 解决了其中一部分问题。它们会扫描生产环境中的对话、指标和用户反馈,生成结构化的 Dump,也可以帮助团队创建

以前团队看

Swarm 带回来的不只是数字,还有用户正在经历什么。Mona 要求 PM 都去看这些结果,因为具体案例会让团队感受到用户的痛。

这也是评估体系不断变化的原因。Muse 的 Eval 分成安全、能力、行为和用例等层级,PM、工程师和研究员共同参与。代理可以帮助生成内容,关键的


05. AI 助手如何让用户跨过第一条 Prompt?


AI 助手的激活难点,常常发生在注册之后。

用户会问:“我已经有一个 Chatbot,为什么还需要另一个?”“

最有效的方式是让用户看见身边的人如何使用。

一次家长聚会中,一位已经使用 Muse 一个月的用户拿出手机,把自己的使用方式展示给其他家长。手机在几个人之间传递,两个人当场下载了 Muse。

“最有效的增长杠杆就是口碑。”

这类现场示范比广告更具体。用户看到的是一个和自己相似的人,如何用 Agent 处理真实生活。

第二个问题是第一条 Prompt。

很多人面对一个空白输入框会突然失去想法。

“人们总是会卡在第一条 Prompt 上。”

团队还发现,早期用户和后来的用户需要不同的

同一套 Onboarding 无法服务这两群人,因此团队开始根据用户来源和认知水平做分层。

但这套方法仍然没有完全解决激活问题,因为对于 Agent 这种能力边界模糊的产品,更多真实用户故事本身就是价值教育。


06. AI 让原型更快之后,PM 还要守住什么?


AI 让 PM 更容易做原型,也让内部工具更容易被补齐。过去需要写长文档、等工程师开发几个月的事情,现在可能在 24 小时内就能拿出一个可以讨论的版本。

讨论因此变得具体。

团队看到的是一个真实运行的东西,可以直接说“这不好用”“这个很有意思”“用户大概不会喜欢”。沉没成本还没有大到让所有人必须为一个错误决定辩护。

但执行速度越快,品味就越重要。

“现在,产品品味是最重要的东西。”

工程师越来越懂产品,也越来越能直接把想法做出来。PM 的价值转向代表用户建立质量标准,不必覆盖每一个项目、维护每一个流程。

这意味着 PM 要能说出两句话:

“这个想法很酷。”

“但我不认为用户会喜欢。”

两句话之间的判断,来自同理心,也来自持续感受用户的痛点。

Muse 团队把这种判断写进了工作方式。System prompt 必须人工书写,Behavioral spec 必须人工书写,Eval 的 Prompt distribution 需要人工检查。代理可以扩大团队的观察范围,却无法替代人的产品判断。

AI 让“能做出来”变得很容易。真正稀缺的是知道什么值得做,什么值得交给用户。


07. Agent 走出 App 后,为什么更需要信任?


Muse 的长期方向,是从 App 里的工具走向用户所在的环境。

“现在,它还被困在一个 App 里。很快,它应该出现在你的眼镜、

这意味着 Agent 会进入更多真实生活场景。它可能管理孩子的体育队,安排备餐,寻找医生,预约时间,发送邮件,也可能帮助用户发展副业、改善健康和提高财务安全。

能力越强,责任越大。

Mona 提到一位单亲护士,她让 Agent 负责安排饮食、寻找医生、设置预约和发送邮件。听起来很方便,也让产品团队更加焦虑。这些事情一旦出错,影响的不只是一次对话。

当前的 Agent 仍然需要用户不断提供信息、确认方向和纠正错误。Mona 把这种状态比作照看

“如果我还要一直照看 Agent,那我还不如自己做。”

真正成熟的 Agent,需要更快理解用户的意图,拥有更完整的上下文,也更可靠地采取自主行动。

用户反馈入口因此变得重要。Muse 用户可以直接告诉 Agent 哪里出了问题,反馈会进入团队系统。一个邻居甚至每周通过 Muse 给 Mona 发产品反馈,后来 Mona 在系统里看到了自己的名字,才发现对方一直在这样使用。

这让文章回到了开头。

个人 Agent 的价值,始于一个周一早上的生活快照;它最终能否走进眼镜和日常环境,取决于团队能否持续听见用户、修复问题,并让用户愿意把更多生活交给它。

Agent 的未来不只取决于它能完成多少任务,也取决于人们愿意把多少信任交给它。


本文由本站编辑组整理与排版,内容基于公开信息核实后归纳发布,与文中提及的产品、公司无隶属关系。我们持续跟踪 AI 领域的模型、产品与行业动态,力求信息准确、表述清晰;文中涉及的名称、价格与功能细节可能随官方调整而变化,请以官方最新说明为准。如发现疏漏或表述有误,欢迎通过站内渠道反馈指正。

相关推荐 按相关度与热度排序

全部资讯 →
  1. 苹果内部更新引发系统故障:App Store、iCloud等服务中断

    中新经纬11月18日电 据彭博社18日报道,当地时间周二(11月17日),由于一次内部更新导致大规模系统故障,苹果公司的各项服务因此中断,包括App Store、员工办公工具、零售业务以及消费者服务。目前,该公司正在努力修复这些系统。 报道称,苹果的宕机事件,是近期美国企业与政府机构接连遭遇同类故障中的最新一起。上周,

    来源 腾讯网
  2. 苹果地图在印度全面升级:针对当地道路特点专门优化,新增超 300 处 3D 地标

    IT之家 11 月 18 日消息,当地时间 18 日,苹果宣布在印度推出全面升级的苹果地图,首次将重新设计的地图服务带入印度市场。新版地图不仅导航速度更快、准确性更高,还能展示更加详细的道路、建筑、公园和购物中心信息,并新增超过 300 处 3D 地标。新版地图还针对印度的道路特点进行了专门优化。例如,自然语言引导功能

    来源 腾讯网
  3. 外骨骼助力器销售额增46.4%:智能消费加速跑

    【环球网消费综合报道】随着新一轮科技浪潮与消费升级深度融合,智能消费正在成为拉动内需增长、培育新质生产力的重要引擎。近期,《关于推动商品消费升级的实施意见》(简称《实施意见》)正式印发,提出到2030年社会消费品零售总额达60万亿元左右,培育形成绿色消费、智能消费、健康消费等十万亿级市场,为智能消费产业的...

    来源 腾讯网
  4. 小红书内测“搭搭”App:普通人可造Agent搭子,官方未回应

    近日,有消息称,小红书正在内测一款名…搭搭的独立App,据介绍,这是一个让普通人通过活人感的经验创造、分发领域Agent的社区平台,平台内这些Agent也被称为“搭子”。据报道,目前,产品内已上线设计美学、求职等数十个搭子,通过图文对话方式进行聊天。 此外,该产品还开放了群聊能力,用户可以把搭子当成群成员拉入对话。对于

    来源 AI 行业观察
  5. 刚刚,Gemini 4 Neon 突袭发布,性价比一夜斩杀 Opus 5.5

    谷歌发布 Gemini 4 Neon,主攻软件工程、知识工作与科学推理,提供百万上下文窗口,每百万输入、输出 Token 分别为 3 美元和 15 美元。新模型发布当天上线 Gemini App、AI Studio 和企业端 API,文章对比了其与 Claude Opus 5.5 等模型的表现。

    来源 爱范儿
  6. 豆包工作DAU超800万:上线三个月,企业ARR破20亿

    11月18日,豆包官方宣布,上线仅三个月的豆包工作日活跃用户数(DAU)突破 800 万,企业客户年度经常性收入(ARR)突破 20 亿元。 豆包工作是豆包面向生产力场景推出的 AI 产品及品牌,自8月25日正式发布以来,持续更新专业办公能力。11月16日,豆包工作上线 “工作台” 功能,首批覆盖金融、医疗、教育、创意

    来源 AI 行业观察
  7. 谷歌推Gemini Tasks智能体:覆盖2.5亿用户,大摩看好其10亿用户基础

    智通财经APP获悉,谷歌母公司Alphabet(GOOGL.US,GOOG.US)正式推出Gemini人工智能(AI)智能体新功能“Tasks”,将AI助手从回答问题进一步升级为能够代替用户执行购物、预订、支付等实际任务的数字助理。摩根士丹利在11月18日发布的研报中指出,谷歌凭借Gemini庞大的现有用户基础、深度整

    来源 腾讯网
  8. Gmail宕机传言虚惊一场,谷歌连夜澄清并指向补丁潮与AI挖洞

    过去一周,微软365、Outlook大规模中断;11月17日苹果因内部系统更新故障,iCloud、Apple Pay等服务受影响。随后X上传出Gmail也宕机,源头或为Downdetector:美东17日中午收到超2800条故障报告,多涉及邮件接收。但该平台数据由用户众包提交,仅反映报告情况,不足以证实Gmail发生大

    来源 AI 产业速递
  9. 苹果服务宕机:内部系统更新致Apple Pay等中断,现已恢复

    IT之家 11 月 18 日消息,苹果公司当地时间 11 月 17 日针对宕机事故回应称,由于一次内部系统更新引发技术故障,公司正在努力恢复多项服务。此次故障影响了 Apple Pay、iCloud、Apple Support 等服务,部分用户无法正常登录账户或使用相关功能。苹果官网监测页面显示,截至目前已全部恢复。苹

    来源 腾讯网
  10. Gmail 故障传言惊动谷歌:官方否认大面积宕机,称服务正常

    过去一周微软 365、Outlook 大规模中断,苹果又在当地时间 11 月 17 日因内部系统更新翻车,波及 iCloud、Apple Pay 等多项服务。在这波宕机气氛里,社交媒体 X 上突然传起 Gmail 也出故障的消息。传言源头很可能是监测平台 Downdetector——美东时间 17

    来源 AI 开发者社区
  11. 可灵Kling Image 4.0上线:原生8K与单图2000字如何实现?

    IT之家 11 月 17 日消息,快手可灵 AI 今天(17 日)深夜宣布,全新一代图像创作模型 Kling Image 4.0 正式上线,同时面向企业客户与开发者开放 API 接入。 新模型采用「理解生成统一」架构,探索将视觉理解与图像生成融入统一的模型体系,进一步打通从理解创作意图到生成视觉内容的链路。快手表示,在

    来源 AI 行业观察
  12. 腾讯WorkBuddy日活破1000万:日均Token超100万亿,企业500强渗透过半

    腾讯2026年第三季度财报披露,AI助手WorkBuddy截至11月初日活突破1000万,日均Token调用量超100万亿,成为中国大语言模型日均Token用量最高的AI产品。自今年3月发布以来,它已完成100多个大版本更新,迭代迅速;C端火热同时,B端也在拓展,开放平台上线仅两个月,Buddy应用已取得进展。

    来源 AI 产业速递
  13. Copilot成办公新入口:微软把Word、Excel装进对话界面

    微软宣布 Copilot 正式从“侧边栏助手”升级为“工作操作系统”,Word、Excel、PowerPoint 不再作为独立应用被打开,而是作为能力内嵌在 Copilot 的对话界面中。下一步是全天候在线的智能体(always-on agents)。这标志着办公软件从“打开应用找功能”转向“表达意图、由 A

    来源 AI 科技快讯
  14. 腾讯混元开源 Hy4flash:224B 参数、100 万上下文,多款产品已接入

    腾讯混元2026年11月18日宣布开源Hy4flash模型,主打极致性价比。此次开源含Hy4flash、Hy4flash-FP8、Hy4flash Base三个版本,形成家族矩阵,并支持多渠道便捷部署。为方便全球开发者快速上手与二次开发,腾讯同步开放多个主流代码渠道,助力AI开源生态。

    来源 AI 产业速递
  15. Transformer模型可按算力伸缩:阿姆斯特丹大学提出免重训弹性剪枝

    你有没有遇到过这样的场景:公司上线了一个AI模型,平时流量不大的时候用得挺顺畅,可一到促销季或者突发热点事件,请求量瞬间暴涨,服务器直接扛不住。这时候工程师们往往只有两个选择:要么提前备好一个超大杯的模型应对峰值,平时大部分算力都在浪费;要么准备一个省着用的小模型,结果高峰期一来,用户体验直接崩掉。这...

    来源 腾讯网
  16. 总参数 224B、支持 100 万超长上下文!腾讯混元重磅开源 Hy4 flash 家族,多端生态全面上线

    人工智能开源生态再度迎来重磅更新。腾讯混元于2026年11月18日正式宣布开源 Hy4flash 模型,为开发者和广大用户带来了一款主打极致性价比的全新大模型选择。 家族矩阵全线亮相,多渠道支持便捷部署 此次腾讯混元推出的开源版本覆盖了多个不同规格,具体包含 Hy4flash、Hy4flash-FP

    来源 AI 开发者社区
  17. 澜起科技杨崇和:AI对算力、存储及高速互连芯片需求将持续增长

    21世纪经济报道记者 孙燕 近日,半导体研究机构SemiAnalysis在最新模型更新中,大幅下调了未来数年AI加速器出货、资本开支、HBM需求和电力需求预测。 面对市场疑虑,澜起科技(688008.SH、06809.HK)董事长兼首席执行官杨崇和在11月18日盘后的业绩说明会上给出了不同答案:“AI发展对算力、存储及

    来源 腾讯网
  18. 谷歌AI Mode上线临时对话:聊天不进搜索历史,无痕开关来了

    谷歌为其搜索中的AI Mode上线“临时对话”功能,用户与AI的交流不会写入搜索历史,也不会影响后续推荐。这一类似浏览器无痕模式的设计,正面回应了外界对AI搜索记录隐私的担忧,也标志着搜索巨头正在个性化体验与用户隐私之间寻找新的平衡点。

    来源 AI 科技快讯
  19. 微软MAI Code 2发布:5%成本达Claude Opus 5.5约96%性能

    IT之家 11 月 18 日消息,在今天召开的 Ignite 2026 活动中,微软发布自研编程模型 MAI Code 2 和 MAI Code 2 Flash,并在 GitHub Copilot 上线。 IT之家附上相关视频如下: 定位方面,两款产品分别面向复杂软件开发与高频日常编程,主打在代码质量与使用成本之间取得

    来源 AI 行业观察
  20. 亚马逊Audible加码AI:音频发现与“提问”工具12月全面上线

    亚马逊旗下 Audible 近日宣布推出全新人工智能辅助音频发现功能与个性化收藏,并将其无剧透的“剧情回顾(Recaps)”与互动式“提问(Ask a Question)”工具扩展至更多美国作品,计划于今年12月全面上线。 此次更新旨在通过生成式AI技术重塑用户的有声读物探索与收听体验,帮助听众更高

    来源 AI 开发者社区
向下滚动自动加载更多