Meta 产品副总裁复盘 Muse 如何从周末原型做到 App Store 榜首丨Lenny's Podcast
原创 Capihom 2026-11-17 20:45 北京
从树莓派上的 OpenClaw 到 Muse,Mona Sarantakos 讲 Meta 为什么花七个月上线,怎样发现购物需求,又怎么让用户敢交给 AI 第一件事。
每天挑选一期硅谷AI科技值得关注的播客,让你与前沿同频。如果你现在没空可以收藏进 晚点再听LaterCast,在通勤、走路或做家务时一篇篇轻松听完
"那个周末,我基本上都在跟 OpenClaw 聊天。"
"你不信任这个智能体,就根本不会用它。"
"大家写第一条指令时会卡住。"
Mona Sarantakos 平时容易漏看孩子学校的邮件。那年年初的一个周一,孩子正要去上学,她收到了一封自己设好的简报。程序翻过学校通知和其他信息,把当天要留意什么、这周有哪些活动列了出来。写简报的是她前两天装在树莓派上的 OpenClaw。她只给了几句话的指示,就在最容易手忙脚乱的时候少查了好几个地方。
当时,她在 Meta 工作已有约十年,负责过 Meta AI。团队原先考虑在 2026 年底甚至 2027 年再做个人智能体,这个周末让她决定现在就试。约七个月后,Meta 推出 Muse,同年 9 月登上美国 App Store 免费应用榜榜首。已经做出一个能用的原型,为什么还需要这么久?在 Lenny Rachitsky 的访谈里,这位 Meta 超级智能实验室产品副总裁说起了几件她事先也没料到的事。
周末就能跑通的助手,为什么做了七个月
最先发消息的是 Nat Friedman。那时,Sarantakos 和同事还在等第一代 Muse Spark 模型,正重新思考 Meta AI 应该怎么做。Friedman 试用 OpenClaw 后,叫几个人也去玩玩。Sarantakos 想买台 Mac mini,苹果店没货,她丈夫翻出一台树莓派。孩子周末去参加滑雪训练,她就在家接邮箱、日历和家庭自动化。丈夫回来,听说她把邮箱也接上了,第一反应是这样不安全。她第二天拿到那封学校简报,体会到忙碌的家长为什么会用,同时也看见了把这种工具交给普通人会遇到什么。
团队起初甚至没有正式立项。几个人先试能不能把那种体验做出来,还写过一份题为「The Claw Is the Law」的内部文件,给没用过 OpenClaw 的同事解释他们看到了什么。到春天,产品从头到尾基本能跑,但怎么让虚拟机稳定地服务一大批用户、每一项能力怎么验收,才是耗时间的部分。早期 Muse 没有浏览器,后来发现少不了它,每加一项能替用户在外部网站办事的能力,安全团队就得检查由此多出来的攻击方式。
一个很直观的教训来自内部试验。两位同事曾把各自的 Muse 放进一个群聊,其中一个机器人把用户看医生的事透露给了对方,第二天另一位同事突然来问她还好吗。后来两个智能体还争执起来,有人出面让它们和解。团队从这次试验里看到,两个智能体能彼此说话,离它们知道什么可以对别人说,还有一段距离。
一个会替用户买东西、又知道用户私事的应用,需要在上线前说清什么时候能行动、哪些信息可以带出去。 团队自己写评测、做对抗测试,试用范围则从内部员工逐步扩大到外部参与者,整个夏天都在收反馈。旁边几家也陆续推出个人智能体。Sarantakos 回头看仍愿意等到那个时候,她担心用户在第一次交出真实任务时遇到严重问题,以后就不愿意再试了。
Mona Sarantakos 谈到原型跑通之后,团队为什么把更多时间花在稳定性和安全上。
把手机递给扎克伯格,原型差点没赶上董事会
最早能跑的 Muse 是设计负责人 Alex Cornell 用几天做出来的,手机里有一条聊天窗口和一个信息流。Sarantakos 第一眼没看懂该干什么,拿过 Cornell 的手机用了一会儿,才发现自己跟它说话的方式已经和用 OpenClaw 不一样。原型成形时恰好要开董事会,事先发出去的材料根本没写这个项目。会前一小时,它整个坏了,工程师和 Cornell 最后在开会前五分钟修好。
平时和高管沟通也是把手机递过去,让对方自己试。Sarantakos 说,她直到上线前的 8 月才重新打开 Google Slides 做了一套幻灯片。有时和扎克伯格约了一个短会,谈了一个小时还没结束。三人的关注点也不一样。Friedman 会叫人调出架构图,和安全工程师讨论怎样在核心智能体之外加一道名为 Sentinel 的检查。Alexandr Wang 推动模型研究配合产品需要,第一版 Muse Spark 的行动能力比产品团队预想的强,他后来也是催大家上线的人。
扎克伯格问的是用户最终想做到什么,团队此前想得更多的是眼前一项任务能不能完成。 比如做完一次购买之后,系统是否清楚用户为什么买、下回什么时候适合提建议。这个问题带出了产品里的「目标」页,也让工程师试着让 Muse 在后台研究用户在意的事,再把可能有用的建议带回来。至于聊天界面怎么设计、要不要留分支对话,团队自己拿了不少主意。Sarantakos 有时去找高管拍板,对方会反问她想怎么做。
一只差点被换掉的玩偶,定了产品说话的方式
Cornell 在最初的原型里随手放了一只小动物。它打开时还在睡,随后醒过来,名字 Jollybot 来自他对女儿的昵称 Jolly Bug。团队把它当占位图,原以为最后会换成公司标志。用久了,他们又觉得它工作时一直盯着人看很奇怪,于是给它戴上耳机,让它在电脑前忙。后来同事还想自己换形象,一套原本没计划做的个性化设计,就围着这只玩偶长出来了。
"你在和一个让你感觉这么亲近的东西聊天,最不想面对的就是一个公司标志。"
上线前约一周,团队还真有一个备用标志。Sarantakos 回忆,同事已经喜欢上各自的形象,扎克伯格也喜欢 Jolly,团队最后把它留了下来。他们想让用户一眼觉得,这是自己在用的助手,有些事情交代起来可以像给熟人发消息。 聊天界面也因此选了气泡,但做着做着才碰上具体问题:一段长回复要拆成几条?商品卡片放进对话,会不会像突然插了一张广告?团队至今还在调整。
内部吵得更厉害的是要不要只有一个聊天窗口。团队原想让 Muse 记得之前聊过的事,用户下次直接接着说。员工试用后,有人坚持工作和生活需要分开聊,有人坚持长期只用一个窗口最自然。最终增加了分支聊天,让用户可以按话题分开。Sarantakos 自己依然只用主聊天。这场争论说明,即使智能体能跨对话记住事,用户也可能需要一个地方把事情分开放。
Jolly 最早只是设计原型里的临时角色,后来连同动画和可更换形象一起留在了产品里。
没想到,试用的人越来越爱让它买东西
团队约在 3 月就招募了外部用户做长期体验研究,内部员工另有一个反馈群。每周和负责人见面时,他们会带上试用者的故事,讨论哪些时刻真的有用。扎克伯格让 Muse 看自己练综合格斗并给反馈,是很醒目的例子,但那并非普通用户天天要做的事。Sarantakos 原先优先猜的是个人效率、健康和个人财务,有同事很看好智能家居。试用往前走,家庭自动化没那么常见,购物却不断冒出来,评测团队只好把购物补成重点。
工程负责人 Christine Awad 常用自己的购物订单测产品,其他人早上起来就能收到她列的故障。Sarantakos 以前给孩子买运动裤,会到熟悉的一家店一次买五条。现在让 Muse 按要求找货,有时同样的东西会从五个渠道买来。她出差时,丈夫打电话说门口堆了七个包裹,还问能不能让他也给她的 Muse 提要求。还有一次,她和同事去看世界杯,航班出了问题,两人的 Muse 各自和航司沟通,办到了退款。这些是她亲历的例子,也让团队看见用户到底愿意把哪几步交出来。
买日用品时,用户也许只想快点买到,挑衣服时,逛一圈本身就是乐趣。 Sarantakos 想让助手省掉的是反复筛选、比对和犹豫,同时让商家继续展示选项。她也提到,未来商家的智能体也许能直接为消费者的智能体提供商品信息。至于体验会怎么变,她更愿意先和正在试的零售伙伴一起看用户怎么用。
用智能体找真实案例,再用人定评测标准
原先做 Meta AI 时,用户常常问一句、等一个回答就走了。Muse 开始处理订一周菜单这样的事,过程里要不断确认偏好、调整计划,可能来回谈很久。能用来测试编程智能体的长任务样本,对这种生活需求帮助有限。团队想拿真实使用里的任务做评测,又缺少足够多能覆盖这些回合的材料。
他们让一组智能体去梳理使用数据和反馈,把任务类型、卡住的位置和例子汇总回来,也生成合成案例补覆盖。后来每来一个新模型,这套方法就会派上用场。Sarantakos 有次怀疑某个表现是自己才遇到的问题,工程师用同样的方法查完,发现不止一人碰到,就有人去处理。她也举了个例子:仪表盘能看出一个数字降了,案例能告诉你有十个人都想在同一个网站买东西,却在同一步被挡住。
智能体可以帮忙整理评测材料,什么算做好、哪些错误不能接受,仍然要由团队定。 Muse 的评测既测安全,比如网页上的文字能不能诱使智能体偏离用户的要求,也测浏览器操作、任务完成、是否会追问、能否理解意图,以及购物等具体场景。安全属于每次都要过的项目,次要项目允许有限取舍,每个功能还有自己的检查。工程师、研究员和产品经理都参与写题,人要复核样本是否贴近真正的请求。她说,系统提示词和描述产品该怎么表现的规范,团队特意要求手写。
Sarantakos 介绍团队如何从分散的使用案例里找出重复出现的问题,再补进评测。
用户听过 Muse,还是不知道第一句该说什么
Sarantakos 和几位家长聊天时,大家都看过 Jolly 的广告,知道这是个 AI 应用,但还没弄懂它和普通聊天助手有什么区别。一位已经用了一个月的妈妈把手机递给其他人,让她们直接翻自己是怎么用的。两个人当场下载了。Sarantakos 觉得,叫人体验「个人超级智能」太抽象,同样忙着接孩子、看通知的人,用自己的例子给她看,反而好懂。
下载之后还有一道坎。用户打开对话,写的往往是「你好」或者「今天天气怎么样」。Muse 设置了一个 Ideas 页,放进能直接开始的任务,有些任务会让助手做定时提醒或搭一个用于追踪的页面,用户只要同意开始。团队前后一直在试第一条和第二条欢迎消息应该说什么。
让别人看见一个跟自己有关的真实用法,再让他动手完成第一件小事,是 Sarantakos 眼里最有效的两步。 早期用户已经知道智能体是什么,想试它能做到哪儿,也会比较安全性。后来的人还在问自己为什么需要另一个 AI,所以团队开始按用户来自哪里、此前可能接触过什么,尝试不同的新手引导。这事在她看来还没做完。
产品经理能自己做原型,也得看得出哪里不对
最早的 Muse 团队大概只有十人,工程师居多,Sarantakos 还同时管着 Meta AI 的一些事。随着基础设施、安全等职能参与,在她描述的那段时期,参与人数整体不到一百,真正负责产品的人大概四位。小组常在 Menlo Park 办公楼顶层一处叫「图书馆」的空间开站会,午饭晚饭也常在那里吃。团队小,大家大致知道谁在试什么,可以放心让一两个工程师带着一个念头先做几天。代价是没有多少人能接手兜底,有时连觉也睡不够。
早期可以让工程师或设计师先做个东西出来,等它要接进正式产品,产品经理再把用户、范围和验收条件讲清楚。 以前 Sarantakos 需要写完整规格,指望大家能从纸面想象出同一个产品。现在她自己也能在一天里做出个原型,或者搭一个一直排不上期的内部工具。团队拿在手里试,发现不顺就早点改。她在招产品经理时最看重的,也变成了能不能判断什么对用户真的有用。工程师同样能提好点子,产品经理要知道用户哪儿难受,以及一个很酷的点子为什么暂时不值得加进去。
下一步是让人少盯着它
上线后,有家长请 Muse 管孩子球队的事务,也有一位带两个孩子的护士,请它安排餐食、找医生、约时间和发邮件。听到这些故事,Sarantakos 一方面高兴,另一方面更紧张,因为用户交出去的已是日常生活中真的不能出错的事。传统界面可以写死每一步怎么走,智能体会根据它知道的情况作判断。团队能加规则和评测,仍要看它在不同的人那里到底做了什么。
如果一路都要人盯着、补资料、确认它有没有跑偏,很多事情让智能体做就不值得了。 她希望以后能少一点这种照看,也想让 Muse 能在眼镜、Charm 等随身设备上随手用到。怎样把成本降下来,让更多人能负担得起,也是她关心的问题。节目最后提到个人财务、创业和副业,是她愿意探索的方向。现在团队更直接的办法,仍是请用户把碰到的问题告诉 Muse,由它提交反馈。她有位邻居几乎每周都发,还知道在消息里点她的名,好让人更容易注意到。
Lenny 和 Sarantakos 聊到 Muse 的下一步,包括少让人盯着它办事,以及如何把它带到随身设备上。
写在最后
测试个人助手时,可以从一件自己每周都要做、结果也容易核对的小事开始。 比如把几封学校通知合成一张本周清单,看看它有没有漏掉日期,遇到冲突会不会回来问你。一次做得好,可以下周再试。几次下来,你会更清楚哪一步能安心交出去,哪一步还要自己看一眼。
内容来源:"Meta’s Muse: Inside the launch of the most successful consumer product this year | Mona Sarantakos"丨Lenny's Podcast(嘉宾:Mona Sarantakos)
原视频:https://www.youtube.com/watch?v=WY0cdD4gNoQ
相关文章
如果你现在没空,可以收藏进晚点再听,通勤、走路或做家务时一次性听完⇣
⇣ 关注我,每天为你更新硅谷最新的 AI 创业/科技播客总结,让你与前沿保持同频 ⇣