深度｜Meta首席AI官复盘Muse：200人死磕七个月，打破Agent可用性断崖

Highlights

• • 两周原型只是玩具，七个月的深水区才是工业化交付。 做一个能让管理层惊艳的Demo并不难，难的是如何把“偶尔可用”变成“大众可托付”。
• • 9次惊艳抵不过2次翻车。 消费级Agent的流失真相，不是功能不够多，而是不可靠直接击穿了用户的信任底线。
• • 严苛的100多项评测底线。 拒绝把半成品推向大众，用量化指标和持续打磨，终结拼接怪式的产品自嗨。
• • 建立渐进式信任阶梯。 用户从交付小事、交付大事到完全托付，每一次稳定交付都是不可逆的心智沉淀。

对话嘉宾：Alexandr Wang，Meta首席AI官、Scale AI联合创始人对话主持：David Senra，Founders播客主理人

       

01 从两周狂喜到沉寂：Agent的原型陷阱与留存断崖

David Senra：年初时，整个行业因OpenClaw等个人Agent掀起轩然大波，但那股狂热很快冷却。做Muse时，你们是如何看待这种大起大落的？

Alexandr Wang：年初OpenClaw出现时，我和Nat Friedman都沉迷其中。Nat甚至设置让Agent通过摄像头提醒自己喝水，并给出正面反馈。这种体验让人既兴奋又敬畏。我们迅速为Meta董事会写了备忘录，指出这很可能是消费产品的终极形态。

当时我们只用了一两周时间，就做出了早期原型。JollyBot和Muse Charm的原型都在那次演示中亮相，整个管理层甚至扎克伯格本人都感到震撼。但真正的痛苦，从第三周才刚刚开始。

做个带梗、能惊艳董事会的原型只要两周，但让它稳定服务大众，我们整整死磕了七个月。

David Senra：为什么从惊艳到沉寂会来得这么快？很多创业团队也卡死在这一步。

Alexandr Wang：因为原型具有欺骗性。它偶尔能给出满分表现，但绝大多数时候不可靠。在真实消费场景下，用户对Agent的容忍度极低：如果一个产品9次让人惊艳，但有2次彻底翻车，用户就会彻底流失。 消费级Agent的成败就在这一线之间。大家的热情消退，不是因为不需要个人Agent，而是市面上的原型根本无法兑现稳定预期。

       

02 拆解工业化打磨：100多项行为底线与模型齿轮

David Senra：七个月时间，在日新月异的AI周期里几乎相当于传统行业的十年。你们这200人团队到底在解决什么？

Alexandr Wang：我们没有急于扩大规模，而是保持了不到200人的高密度小团队，专注于一件不耀眼却极度繁重的工作：建立一张包含100多项具体行为与能力的评测底线表格。

我们把一个合格的个人Agent必须具备的所有行为拆解出来。每一次模型评审，我们不看大盘得分，而是拿着放大镜看表格里的薄弱项。之前的许多模型版本，往往是80项达标、20项不达标，这在很多团队眼里已经可以发布了，但在我们看来绝对不行。

直到针对该场景专项训练的Muse Spark 1.3版本，所有100多项评测底线才第一次全部亮起绿灯。那一刻我们知道，模型与产品体验的齿轮终于彻底咬合了。

       

David Senra：许多大厂的AI产品往往像拼凑出来的怪物，你们如何避开这种陷阱？

Alexandr Wang：大组织容易陷入产品经理混战，每个人都把自己的功能塞进去，导致整体体验支离破碎。Muse必须是一件完整的作品，拥有鲜明统一的产品判断。 我们没有让各个部门涌进来稀释焦点，而是让Nat Friedman的品位与核心研究团队紧密结合，把模型的每一个细节打磨到极致。

03 让人敢用：从偶尔好用到信任背摔

David Senra：当模型底线达标后，用户进入产品时，你们如何让他们敢于把真实生活交托给AI？

Alexandr Wang：用户不会关心你的技术架构多先进，他们只在乎：“这能帮我解决什么麻烦？”

我们观察到，真正留存下来的用户都经历过一次信任背摔的渐进爬坡：

1. 1. 小事做成：先试探性地交给它一件轻量任务，它干净利落地完成了；
2. 2. 交付大事：用户信心增加，开始尝试安排跨工具的日程、筛选海量信息；
3. 3. 完全托付：Agent在不确定时会主动确认，处理完后给出清晰闭环，用户彻底建立安全感。

       

David Senra：我听说过一个案例，一位高管把证件遗落在了私人飞机上，他只给Muse留了一句“我完全不想参与处理”，最终证件跨越安保顺利送达。这种口碑传播极具穿透力。

Alexandr Wang：现在的消费产品营销必须依赖真实发生的截图。JollyBot这个小吉祥物的走红也是如此，它不仅是一种趣味化表达，更让复杂的技术有了亲和力。当用户看到别人分享的真实闭环案例，才会跨出第一步。

       

04 终结玩具时代：写给AI团队的上线前三问

David Senra：站在当下的周期节点，你对那些正在打磨Agent的创业者和产品经理有什么建议？

Alexandr Wang：技术的跃迁很容易给团队带来虚假的安全感。做出一个能发在社交平台炫耀的Demo，和做一个每天被数百万人稳定使用的消费产品，中间隔着整个工业化交付的鸿沟。

在急于推向市场之前，每个操盘手都应该自我审视：

• • 第一问：你的Agent是在消费用户的早期好奇心，还是真正拥有抵御“翻车”的硬核交付底线？
• • 第二问：当它面对边界情况和不确定性时，是给出荒谬的幻觉，还是具备人类助理般的确认机制？
• • 第三问：你的团队是在盲目堆砌功能，还是围绕数十项具体指标，做日复一日的磨平工作？

AI不应只是极客圈的自嗨玩具。只有用极具耐心的工程打磨跨越可用性断崖，个人Agent才能真正成为每个人生活中值得托付的超级智能。

读者互动： 在你的实际使用或开发中，手头的Agent产品最常在哪些具体环节“掉链子”？你认为跨越不可靠的泥潭，最需要补齐的一块拼图是什么？欢迎在评论区分享你的洞察与吐槽。