Meta 产品副总裁 Mona Sarantakos 复盘了消费级 AI 助手 Muse 从 0 到上线的过程。起点不是一份立项文档,而是一次自下而上的工具实验:2026 年初,Nat Friedman 一条推荐 OpenClaw 的消息触发了探索,她用树莓派在家跑了一个周末,收到一份自动汇总的日程简报后,决定加入。
![]()
团队起初约 10 人,以工程主导,先做原型、再立项,前后约 7 个月。真正耗时的不是功能,而是可靠性、内容安全与系统安全。内部信条是「信任是底线」,宁可推迟,也不愿过早发布毁掉用户信任——新增浏览器等能力还会不断扩大攻击面。
产品形态上有几条坚持:用聊天气泡而非大画布;长期只保留单一主对话窗口;保留由一句 prompt 生成的小生物 Jolly。扎克伯格本人否决了把 Jolly 替换成公司标志的方案。这些决定起初都遭到内部强烈反对,公司员工甚至分成「主对话派」与「支线对话派」争吵,最终由产品负责人小组自行拍板,支线对话是后来的妥协。
最反直觉的是场景。团队原本押注个人效率、健康、理财和智能家居,但内测中购物需求频繁出现,有人一次在多家网店下单,家门口堆了七个包裹。她直言:「我完全没想到购物会变成现在这么大的一个使用场景。」团队随即围绕购物建立专项 eval,而原本看好的智能家居在更广泛人群中反而没那么突出。
把用户反馈转成可执行动作,靠的是一套分层 eval 体系:
- 让一批 agent 阅读生产环境对话、汇总问题并生成合成数据,补足过去缺失的长周期多轮非编程对话数据;
- eval 分为安全、能力、行为、场景等层级,各有必过的最高优先级项;
- system prompt、行为规范和 prompt 分布仍要求人工撰写与核查,避免漏审出错。
增长方面,最有效的杠杆是口碑传播和帮用户发出「第一条 prompt」,并针对早期尝鲜者与大众用户做分层新手引导。她给的第一抓手很朴素:「听别人讲自己是怎么用的,这是排第一位的。」
谈到产品经理的角色变化,她的判断是:原型门槛降低后,产品品味与共情成了核心竞争力。「如果你没有那份共情感,受不到那份痛,就永远做不出好产品。」未来 agent 会走出手机,进入眼镜、挂件等设备。
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.