能替你读邮件、看日历、下单的 AI 助理,你会先交哪件事给它?Meta 的个人助理 Muse 上线后一度冲上应用商店第一,负责人首次访谈讲起产品为何故意晚上七个月:能碰到邮件和信用卡的助理,犯一次错的代价与聊天机器人完全不同。
你有没有想过,如果有一个 AI 助理可以替你读邮件、看日历、在网上下单,你会先把哪件事交给它?大多数人的第一反应大概是“先别急,我看看它靠不靠谱”。这个犹豫,恰好是今年最火的 AI 应用 Muse 花了最多力气去解决的问题。
Muse 是 Meta 推出的个人 AI 助理,上线以后一度冲到 App Store 第一,扎克伯格也暗示过它可能是增长最快的消费级 AI 产品。从第一天起负责这个产品的,是 Meta 超级智能实验室的产品副总裁 Mona Sarantakos。她在 Meta 做了十年,做产品经理二十多年,几乎不发社交媒体,最近在 Lenny 的播客上第一次接受访谈,把 Muse 是怎么做出来的讲了一遍。我听下来的判断是:今天的 AI 助理能做的事已经很多,真正决定它成不成的,是用户敢不敢把事情交给它,而 Muse 几乎每一个关键决定,都是在回答“怎么让人信得过一个结果不完全可控的东西”。
晚七个月才发布,是因为个人助理出一次大错就没有下一次
一个能碰到你邮件、日历和信用卡的助理,犯错的代价和聊天机器人完全不同。Muse 的起点其实很早,今年一二月,Meta 的 Nat Friedman 在群里招呼几个人去试 OpenClaw,一款早期的个人 agent 工具。Mona 当时在苹果店买不到 Mac Mini,就和丈夫翻出一台树莓派装上。那个周末孩子们出去滑雪,她把邮箱、日历甚至家里的智能家居都接了进去,丈夫回来看到吓了一跳,说这也太不安全了。可周一早上,那个助理把学校的各种通知和家长平台的消息整理成一份“这周要注意什么”的简报,她只写了几个字的指令,第一次在周一早上觉得自己把生活管住了。
让她下决心的是这种感觉,让团队慢下来的也是这次体验里的另一面。她说用得越多越明白,如果要做给 Meta 这么多普通用户用,这个东西必须安全得多、好装得多,也要撑得住大规模使用。所以从开始到正式发布,Muse 花了七个月,而同期几个竞品只用了两三个月。前面一段是想清楚产品是什么,后面大部分时间花在可靠性、安全和防护上。每加一个功能就要重新堵漏洞,比如一开始 Muse 不能用浏览器,加上浏览器以后,就多出一整套新的攻击方式要处理。团队内部有一句口号叫“trust is a must”(信任是必须的),她的解释很直接:如果太早上线,出一堆问题,人们就不会再信这个助理,而不信它,就永远不会用它。
我觉得这两件事连起来很有意思。一个是视觉上的,一个是逻辑上的,但都是在回答同一个问题:这个东西到底替谁做事。很多公司做 AI 助理,会下意识地把品牌和功能放在前面,因为那是公司能控制的部分;可对用户来说,一个处处提醒你“我是某某公司的产品”的助理,你很难把私事放心交给它。
就连界面,也在借用人和人发消息的习惯
既然要让人把它当成助理,交互也要像和人打交道。Muse 最受争议的一个决定,是用聊天气泡,而不是现在 AI 产品流行的那种大画布、长篇回答。Mona 的道理是,大多数人没有私人助理,但如果有,平时多半是在聊天软件里和他沟通,所以 Muse 应该让人一看就知道该怎么用。代价是一堆没想到的麻烦:很长的回答塞进气泡很难看,就得想怎么拆成几条;在聊天里放一排可以左右划的卡片,算不算奇怪,这些到现在都还在琢磨。
另一个决定是只有一个主对话。以前的 AI 产品要开很多个对话窗口,是因为模型记不住太长的上下文。可 Muse 本来就要记住你的一切,那就没必要分开,就像你和助理说话,不会每件事都换一个聊天窗口。这个设计在内部引起了激烈的争吵,员工在评论区分成两派,一派觉得没有分开的对话根本没法干活,另一派觉得还要开好多窗口简直是活在石器时代。最后团队加上了“侧边对话”,Mona 说她自己还是坚决只用主对话。
这两件事的共同点,是用人们早就熟悉的习惯,去降低第一次接触一个陌生东西的不安。我们给一个真人助理发消息,不会担心该用什么格式,这种熟悉感本身就会让人放松。不过我也看到,熟悉的形式会反过来限制能力,聊天气泡装不下复杂的结果,单一对话也让一部分人觉得乱,Muse 团队自己也承认没有完全想清楚。
结果不完全可控,就只能把尺子做得更细
让人放心交事情,最后还得靠产品本身不出错,而 AI 最麻烦的地方是它的结果不完全确定。Mona 说,她做了二十年产品,过去的乐趣在于掌控:引导流程是什么样,每个人走过去都一样。现在助理会自己推理、自己决定怎么做,你能做的只是设好护栏和评测,同一个功能,不同的人用起来可能完全不一样。
所以 Muse 的评测(eval,用来检验模型表现的一组考题和标准)分了层级。最上面是每次都必须过的,比如防止有人在网页里藏指令骗它、防止它做出有害的事;往下是能力类,比如会不会用浏览器、能不能把任务做完;再往下是行为类,比如会不会追问、能不能听懂用户的真实意图;最后是按具体用途划分的评测。有的可以稍微让一点,安全这一类一步都不能退。写评测的人有产品经理、工程师和研究员,也会让 agent 帮忙。但有一条很硬的规矩:系统提示词必须手写,任何部分都不能交给 AI 写,评测用的问题分布也必须有人亲自检查,确保和真实情况对得上。
这里有个细节我觉得最值得做产品的人记住。Muse 上线前,大家以为最重要的用途会是个人效率、健康和理财,智能家居也被看好,结果内测里冒出来最多的是购物。团队的工程负责人更是天天在用它买东西,早上醒来第一件事就是发一堆购物场景里的问题。团队立刻把评测的重心挪到购物上,智能家居反而没那么热门。他们发现这些,靠的是一组被叫作 agent swarms(成群的分析 agent)的工具,它们去翻大量对话和使用数据,带回一份份整理好的报告,还会生成多轮对话的模拟数据。过去 Meta AI 的对话大多是一问一答,Muse 却是来回很多轮的长任务,没有现成的数据可以拿来做评测,只能这样补。
这和学做菜很像。菜谱写得再清楚,也不如在朋友家看他做一遍,看完你才知道原来这道菜家里就能做。AI 助理的难处在于它能做的事太多,没有人能写出一本说明书,所以别人的真实用法比任何功能介绍都有用。而且我觉得这件事和信任是连在一起的,看到一个和你差不多的人已经放心把接孩子、订机票交给它,你才会愿意自己也试一件。
什么都能很快做出原型以后,产品经理守的是那条线
说到产品经理这个角色本身,Mona 的感受是变化非常大。现在不懂写代码的人也能很快做出能用的原型,大家讨论的不再是纸上的设想,而是拿在手里的东西。好不好一摸就知道,也不会因为已经花了三个月去做,就舍不得推翻。Muse 的第一个原型就是 Alex Cornell 几天里做出来的,团队开玩笑叫“let them cook”,意思是给有产品感的工程师一点空间,让他们自己去鼓捣,常常会冒出产品经理自己都想不到的东西。
这种做法下,团队可以很小。最早只有十来个人,大多是工程师,到上线时核心团队也不到一百人。真正做产品经理的只有四个人,很多方向干脆没有产品经理,由设计师或者工程师牵头。和管理层的配合也不像大公司,没有正式的评审和幻灯片,Mona 说她直到上线前一个月才不得不做了一套幻灯片,打开 Google Slides 才发现自己都忘了怎么做。更多时候是把原型手机递给扎克伯格,让他玩一会儿,说说感受。
那产品经理还剩什么?Mona 的回答是品味和标准。工程师自己也很懂产品,东西做出来又快又容易,正因为这样,满世界都是粗糙的 AI 产品,没人愿意用。产品经理要做的,是替用户说话,把那条“什么才可以放出去”的线守住,她面试产品经理时最看重的也是这一点。
我觉得这和前面讲的信任是同一件事的两头。做一个 AI 产品,能不能做出来已经不太是问题,真正稀缺的是有人站出来说“还不够好,再等等”。Muse 晚七个月发布,手写系统提示词,留住 Jolly,背后都是有人在守这条线,而这条线对用户来说,就是他敢不敢把下一件事交出去的理由。
我自己的一点思考
回到开头那个问题,Muse 的故事和“又一个大厂做 AI 应用”关系不大,它更像一份关于怎么让人信任一个不确定的东西的说明。能力在模型里,信任却要在产品的每一个细节里一点点攒,这件事急不来。