北京
一条被忽略的订阅，每月69美元，付了很久却从没用过。发现它的不是记账软件，而是一个被当成"员工"使唤的AI。这是Alexandr Wang分享的Muse工作流里，最容易被忽略的一个细节。
他把这套方法总结成两件事：给智能体真实的活儿，然后像经理一样检查它的工作。不是让它写首诗、答个题，而是把一件你本来要自己动手的事整个交出去，再回头验收结果。
从"聊天"到"派活"
这个转变听起来小，实际差别很大。聊天模式下，你问一句它答一句，责任始终在你这边；派活模式下，你给出目标和验收标准，中间过程由它自己跑。查订阅这件事就是典型：目标明确（找出没在用的付费项），结果可验证（账单不会说谎）。
素材里提到，这套用法是每天在跑的，不是演示。审计订阅只是其中一例，被翻出来的那笔69美元支出，属于"付着但从不打开"的类型——这类支出恰恰是人工检查时最容易漏掉的，因为没人会主动怀疑自己。
Muse Wonder 与前沿模型
这套工作流背后，是Meta的新前沿模型Muse Wonder。Mark Zuckerberg和Alexandr Wang在一场对谈里聊到了它，话题包括Muse的突破性用例、模型本身即产品，以及前沿模型是怎么被造出来的。
对谈的四个段落依次是：Muse的突破性用例、模型即产品、Muse Wonder、前沿模型的构建方式。从顺序上看，先讲用法，再讲产品定位，最后才落到模型本身——这个排列本身就说明了一件事：在这套叙事里，模型能力不是起点，能被用起来才是。
像经理一样验收
回到那句总结：给智能体真实的活儿，然后像经理一样检查它的工作。前半句决定它有没有价值，后半句决定你敢不敢把更多事交给它。
经理不会因为下属说"做完了"就签字，他会看结果、对标准、挑毛病。用AI也是同一套动作：先定义什么叫完成，再逐项核对。查订阅之所以成立，正是因为验收标准足够硬——这笔钱到底有没有被用上，一查便知。
至于这套方法能延伸到多少场景，取决于你能不能把任务拆到可验收的程度。拆不出来的，就还停留在聊天。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
