2026 年 9 月 8 日，Meta 推出個人 AI Agent Muse，兩週內登上美國 App Store 免費榜首，超越 ChatGPT。Muse 是能替使用者寄信、訂行程、連結信箱與行事曆等 App 的 Agent，跑在每人專屬的雲端虛擬機上，寄信或付款前會先請使用者核准（見 Meta 官方說明）。主導這件事的 Meta 首席 AI 官 Alexandr Wang，在 David Senra 的 Founders podcast 講了很多事，其中最能直接拿來用的一段是：他們怎麼判斷 Agent 產品「可以上線了」。
這篇回答一個問題：做 Agent 產品時，沒有人替你說「好了」，你憑什麼按下發布？ 看完你可以列出自己的上線行為清單，並替每一項設兩條門檻。
這篇讀了什麼
- 主來源是這集訪談（YouTube，約 1 小時 12 分）。官方單集頁只有摘要，沒有逐字稿。
- 我讀的是 Podscripts 的自動逐字稿，從頭到片尾讀完。這是第三方的自動轉錄，專名有誤聽（例如 Muse 被轉成 Mews）。
- 正文只轉述 Wang 的話，不直接引用；正文標的時間是這份逐字稿的時間。文末英文練習區的三段另外用 YouTube 自動字幕和兩次 Whisper 轉錄核對過，時間是 YouTube 播放器的時間。
- Muse 的上線日期、排名、後續爭議是另外查的，各自附來源。
- 我與 Meta 沒有利害關係，文中連結沒有推薦碼或追蹤參數。
先看背景：卡關的是可靠性，不是點子
Muse 的起點是 2 月。Nat Friedman 是 Meta 超智慧實驗室（MSL）裡最早全心用 OpenClaw 的人，Wang 形容他的體驗介於恐怖與狂喜之間（01:50）。Wang 自己也一頭栽進去，兩人在 2 月各寫備忘錄送到董事會，Wang 的結論是：超級 Agent 在消費產品裡就是最終型態（05:05）。一到兩週內團隊做出原型，吉祥物 Jolly 在第一次展示就出現了。
接下來是七個月的苦工。Wang 說 OpenClaw 的熱潮來了又退：偶爾有神奇時刻，多數時候不好用（07:33）。原型「有時神奇、多半壞掉」，要變成幾十億人敢用的產品，主要工作就是補可靠性。
他把個人 Agent 的風險講得很直接：它處在一線之間，可靠的話可能是史上最好的消費產品之一，使用者遇到幾次不可靠，就會覺得這東西是垃圾（19:31）。所以「什麼時候夠可靠」不能憑感覺，要有判準。
上線閘門：行為清單加雙門檻
訪談裡這套做法是這樣運作的（12:59–13:39、21:41–22:20）：
flowchart TB
A["行為清單<br/>100 多列"] --> B["每列建一個 eval"]
B --> C["每列兩條線<br/>阻擋上線 / 算好"]
C --> D["看檢查點的紅綠分佈"]
D -->|"還有紅"| E["針對紅列訓練、迭代"]
E --> D
D -->|"全綠"| F["實際用用看<br/>體感明顯更好？"]
F --> G["決定上線"]
H["新手使用者測試"] -.-> G- 列清單：團隊列出一份很長的試算表，Wang 說是超過 100 項「理想的個人 Agent 模型必須具備的具體行為與能力」。
- 每列建 eval：每一列都做了評測，並且針對每一列訓練模型。團隊定期對著這張表開會，找出表現差的列去補。
- 每列兩條線：低於某個值是「阻擋上線」，高於另一個值才算「好」。
- 看紅綠分佈：很多檢查點是 80 列綠燈、20 列紅燈，團隊判斷這樣不夠。第一個全綠的，是專門訓練過的 Muse Spark 1.3。
- 數字之外的關卡：Wang 說還有「體感」的部分，也就是實際用起來，能看出明顯比之前迭代過的任何版本好。
虛線那條要小心讀：Wang 另外提到做過很多輪新手使用者測試，讓完全沒用過的人從下載開始用，也針對不同模型版本做 A/B 測試，因為產品體驗對模型品質非常敏感（20:15）。但他沒有明說新手測試是不是上線的必要條件，所以圖上畫成虛線。
Wang 沒有公開清單內容，也沒說門檻值是多少。你能帶走的是結構，不是數字。
自己的版本長什麼樣
下表是本文自擬的示範，不是 Meta 的實際列與門檻，數字純屬舉例：
| 行為 | 怎麼測 | 阻擋上線 | 算好 |
|---|---|---|---|
| 沒被授權就不改帳號密碼 | 50 個誘導情境，看 Agent 會不會動手 | 出現任何一次 | 全部拒絕並說明原因 |
| 資訊不夠時先問使用者 | 30 個缺條件的任務 | 先問的比例低於 80% | 95% 以上 |
| 小任務做完（排提醒、整理信件） | 100 次真實格式的請求 | 成功率低於 90% | 98% 以上 |
幾個設計重點：
- 「阻擋線」是下限，不達標就不能發；「算好線」是你想達到的品質。兩條線之間是灰區，團隊要明說這區可以接受什麼風險。
- 不可逆的動作（付款、改密碼、刪信）單獨成列，阻擋線設成零容忍。這是我的推論：Muse 上線後被報導的測試問題，正好落在這一類。
- 清單從使用者最不能容忍的失敗開始寫，比從功能清單倒推更有用。
全綠也不夠：上線後的爭議
這套流程不是保證。10 月 9 日，《紐約時報》報導了 Muse 的上線決策；TNW 整理了報導內容（我沒有直接讀到《紐約時報》全文，TNW 也註明未獨立查證）：
- 三位知情人士說，8 月 Zuckerberg 與 Wang、Friedman 會面時，表示 Muse 可以上線。其中兩位說 Wang 與 Friedman 知道近期測試出現過安全疑慮，包括一次 Muse 未經許可就更改使用者密碼。
- Meta 發言人否認競爭對手的壓力促成了上線，並表示公司把 Muse 延後了好幾個月，「確保我們做對」。Meta 的 AI 產品副總裁 Vishal Shah 也對 Fox Business 說，4 月曾先延後上線，之後才達到安全、資安、隱私與模型表現等最低要求。
- 上線後另有幾件被報導的事，例如 9 月下旬公開的 Mac 版零日漏洞（Meta 說已修補，見 Wired 轉載的 Ars Technica 報導）。
我讀的訪談逐字稿裡沒有談到這些，主持人也沒追問安全面。所以這集是 Wang 對產品品質流程的自述，不能當成安全性的證明。這套流程目前也只有 Wang 的自述，沒有獨立來源驗證它實際如何運作。
從這裡可以帶走的限制：eval 只覆蓋「你想到要測的行為」。清單全綠，代表你列出的項目都過了，不代表沒有漏列的情境，也不代表有人故意誘導或攻擊時還守得住。
訪談裡其他值得帶走的觀點
- 為什麼不跟 Anthropic 的 Claude 搶 coding：2 月時業界普遍認為 coding Agent 是唯一重要的形態（09:26）。Wang 的判斷是人的時間分成「想做的事」與「不得不做的事」，Meta 的產品代表前者，每天約 35 億人使用，所以主戰場是個人用途的 AI（10:24）。延伸閱讀：Muse Spark 模型家族與 Muse Code。
- 一個觀點，不要 PM 地獄：模型加產品總共不到 200 人。Wang 批評大組織的產品常變成每個 PM 都想塞自己東西的混合體（23:56），他說 Muse 的單一觀點來自 Friedman 的品味（25:10）。
- 信任要一步一步建：真正喜歡 Muse 的使用者，是先交辦小事，成功了再交辦更大的事（35:03）。
- 其他話題：迷因行銷（26:11）、AI 讓人持續放大夢想（41:20，他在 YC Startup School 也說過稀缺的將是遠見與野心）、以及管理 MSL 像挖鑽石而不是蓋摩天大樓（1:08:08）。這些和上線判準關係較遠，這裡不展開。
使用人數方面，Wang 在訪談中只說「數百萬」（25:10），沒給精確數字；TNW 引述《紐約時報》與 Sensor Tower，截至 10 月 7 日左右的下載超過 660 萬、日活躍 180 萬，這是第三方估計。
今晚可以做的事
- 開一張試算表，寫下 20 條「使用者最不能容忍的 Agent 失敗」，每條一列。
- 每一列寫一個可以自動判定的測試，哪怕先只有 5 個案例。
- 每列定兩個數字：低於多少不能發，高於多少算好。寫不出來的列，代表你還沒想清楚這項行為的標準。
- 用目前版本跑一輪，看紅綠分佈。80 列綠、20 列紅的時候，先別談發布，去補那 20 列。
- 把付款、改密碼、刪除這類不可逆動作標成零容忍列。
- 全綠之後，找 3 個沒用過的人，從安裝開始，限時 10 分鐘讓他們交辦一件小事，你只看不教。
英文練習區
三段都是連續原音，時間是 YouTube 播放器的時間。這支影片只有 YouTube 自動字幕，沒有人工字幕；我拿自動字幕和兩次 Whisper 轉錄（本機 small.en、Cloudflare Workers AI whisper-large-v3-turbo）逐段比對，三份內容一致，下面的短引句以三份一致的文字為準。自動字幕有誤聽，例如把 Muse Spark 寫成 Musepark，跟讀時以耳朵聽到的為準。
播放器會從段首開始並在段尾自動重播。字幕沒出現時按 CC 選英文。想看整段文字，開各段的原音時間連結，在 YouTube 影片說明選「顯示文字記錄／Show transcript」。
第一段：21:54–22:37（43 秒），怎麼知道可以上線
**中文理解提示：**Senra 問怎麼知道可以發布。Wang 分兩半回答：數字的一半是 100 多列行為、每列兩條門檻，80 綠 20 紅的檢查點不夠，等到第一個全綠的檢查點；體感的一半是實際用起來明顯比以前好。
原字幕短引句：
what threshold is launch blocking and above what threshold is good
意思是每一列都定兩條線：低於哪條不能上線、高於哪條算好。這句只是定位，跟讀要練完整 43 秒。
先不開字幕聽一次，用中文說出「數字」與「體感」兩半各是什麼。再開 CC 分句模仿，注意 green on 80 of the rows but red on 20 的對比重音。可學的表達：launch blocking、green across the board、the experiential part。需要重新定位時用21:54 原音連結。
第二段：23:38–24:41（63 秒），大組織的產品為什麼變成「PM 地獄」
**中文理解提示：**Wang 說大組織做出的產品常像拼裝怪物：每個 PM 都想把自己的東西塞進去，最後混成一杯果昔，使用者感覺得到。Muse 要反過來，只有一個清楚的觀點、一個一致的體驗。
原字幕短引句：
it's sort of like PM hell in some sense
這段比建議的 60 秒多 3 秒，因為停在「一致的體驗」那句說完才自然。
這段練的是「批評 → 比喻 → 反面」。第一輪只抓三層意思；第二輪看 CC，把 Frankenstein、smoothie 兩個比喻和 exact opposite 的轉折分開模仿；第三輪連續跟讀。可學的表達：jam into the product、blends together、one cohesive experience。需要重新定位時用23:38 原音連結。
第三段：34:54–35:29（35 秒），對 Agent 的信任是一步步交辦出來的
**中文理解提示：**先交辦一件小事，它做到了；再給大一點的，又做到了。Wang 把這比成「信任倒」：一開始不太信任但好奇，於是一點一點把更大的事交出去。
原字幕短引句：
it's kind of this like trust fall almost that you have with an AI agent
這段口語重複多，適合練節奏。先跟著 a little bit bigger … a little bigger … a little bigger 的遞進模仿，再整段跟讀三輪；需要時用 0.75 倍速。可學的表達：give it a little nibble、kind of intrigued、trust fall。需要重新定位時用34:54 原音連結。
參考資料
- Alexandr Wang, Meta - David Senra（官方單集頁）
- Creating Muse: The Fastest-Growing AI Product Since ChatGPT（YouTube）
- 同集自動逐字稿（Podscripts，第三方）
- Introducing Muse: The World's First Personal AI Agent Built for Everyone（Meta，2026-09-08）
- Introducing Muse Spark（Meta，2026-04-08）
- Meta's Muse becomes App Store's hottest download（Fox Business）
- Meta's Muse is outpacing ChatGPT's early mobile launch（TechCrunch）
- Zuckerberg called Muse ready despite the risks（TNW，轉述《紐約時報》）
- Inside Mark Zuckerberg's Decision to Pull the Trigger on Meta's A.I. Agent（The New York Times，未直接讀取全文）
- Alexandr Wang: "This is a Once-in-a-Civilization Opportunity"（YC）
- OpenClaw 總覽（本站）
Loading...