跳到正文
← 返回文章列表

VirtueZ · 2026.10.12

Muse Wonder:会记住你,和会替你办事是两种能力

一个人记得你不喝咖啡,却在帮你订晚餐时忘了确认餐厅是否营业;另一个人不记得你的口味,但把预订、人数、时间和取消政策一项项核对清楚。谁更像好助理?这个问题没有一个漂亮的模型榜单能直接回答,因为“了解你”和“把事做成”是两条不同的能力线。

Meta 在 2026 年 10 月 12 日公布 Muse Wonder 系列,介绍 Active Memory 与 Active Focus:前者强调把相关信息跨对话带回当前任务,后者强调遇到困难继续尝试、从错误恢复,并在重要动作前询问用户。官方同时写明当时的开放入口,以及未来进入 Muse 应用的计划。模型具备某项设计能力,不等于所有 Muse 用户当天都已获得同样体验。对产品经理来说,最重要的是把“记得”和“做成”分别验收。

一、记住越多,不一定帮得越准

个人 Agent 可能记得你常去的一家健身房、家人的饮食限制、去年计划的旅行。可当你让它安排周末聚会,它需要的是这次参加的人、实际日期、预算和不能变的条件。把旧偏好全部拿出来,反而会干扰任务。正确记忆不是数量多,而是和当前目标相关、仍然有效、用户愿意它在这里使用。

例如上次聚会有朋友不吃辣,这次邀请名单里没有那位朋友。Agent 如果坚持找不辣餐厅,说明它记住了事实,却没弄清适用范围。反过来,朋友在名单里,它忘了提醒,可能让安排出错。产品经理设计记忆能力时,应至少记录“这条信息关于谁、何时得到、在哪类任务里可用、用户是否后来纠正过”。否则所谓个性化很快会变成一堆带着亲切语气的旧假设。

还要允许用户主动修改和忘记。去年喜欢某种菜,今年因为健康原因不再吃;一个地址已经搬走;某位联系人的关系变了。用户不该为了纠正这些事重开一段又一段对话,更不该发现 Agent 在执行任务时悄悄使用过期信息。记忆能被看见、改掉和停用,才更可能换来长期信任。

二、会执行,重点是错误发生后能否回到目标

Active Focus 的官方描述,强调任务变难时继续寻找办法、恢复错误并适时求澄清。这听起来像一个好助理的素质,实际评价要看具体场景。预订网站登录过期,Agent 是一直重复点击,还是说明需要用户登录?餐厅已满,它能否在预算和位置约束内寻找备选?如果所有备选都不符合条件,它会不会停下来让用户选择?

持续执行不能被理解为“永不放弃”。有些任务失败后应该换方法,有些应该交还人,有些必须立刻停止。比如用户的支付方式失效,不能为了完成预订便自行换另一张卡;商家条款变化,不能用旧政策继续解释。产品经理要定义恢复策略:哪些错误可自动重试,重试几次,什么时候报告进度,何时请用户作决定。没有边界的坚持,可能只是更长时间的错误执行。

执行还要能证明“已完成”。一个漂亮的计划不等于已经订好场地,一封邮件草稿不等于已发送,一项价格比较不等于已付款。Agent 应把每一步状态说清楚:已查询、已起草、待批准、已提交、对方已确认。用户需要知道明天早上要不要自己接着做,而不只是听它说“我已经帮你处理”。

三、记忆和执行组合后,风险也会组合

单独的记忆错误,可能是一条不合适的建议;单独的执行错误,可能在明确任务里被用户及时发现。两者结合时,旧偏好可能驱动真实动作:它记得用户曾想住某家酒店,于是在新旅程里优先预订;可用户这次更在意交通位置,旧偏好已经不是首要条件。系统越能主动完成工作,越需要在执行前确认所用记忆仍适用于本次任务。

可以在关键动作前显示一份简短依据:“我选这家酒店,是因为你在上次行程中偏好安静、此次预算为某范围、距会场约多少路程。是否继续?”用户能发现这次不需要安静或预算已变,再及时纠正。确认不应变成让人逐字审核长篇推理,只展示会影响决定的几个条件即可。

用户还应看得到哪些信息来自当前输入、哪些来自历史记忆、哪些是模型推断。当前输入有更高优先级;历史记忆可能需要核对;推断不能被悄悄写成事实。若这三个层次混在一起,Agent 可能因为“太懂你”而做出用户根本没授权的决定。

四、发布会的模型能力,怎样变成日常产品体验

Meta 当时明确说明 Wonder 系列的模型入口与 Muse 应用后续接入计划。这给产品分析设了一条边界:可以讨论模型被设计来解决什么问题,不能说所有 Muse 用户已在手机里用到全部新能力。即使未来接入,用户体验还受账号、连接的服务、权限设置和产品界面影响。会记忆的模型在一个没有管理记忆入口的应用里,未必让人安心;会持续执行的模型如果没有清楚的任务状态页,也未必让人敢委托。

模型改进与产品改进应各自验收。模型能否正确找回跨对话信息,是一项测试;产品能否让用户修改这条信息,是另一项。模型遇到错误能否找替代办法,是一项测试;应用能否把“我现在需要你批准什么”解释清楚,是另一项。只看模型基准,就容易漏掉用户真正接触的后半段。

五、最难的记忆测试,不是让它复述,而是让它改口

测试个人记忆时,很多演示会先告诉 Agent 一条偏好,隔一段时间问“你还记得吗”。答得出来,观众鼓掌。真实生活没有这么干净:用户两个月前说周末喜欢睡懒觉,上周换了工作开始早起;去年住在北京,今年搬到了杭州;一次聚会避免海鲜,是照顾某位朋友,不是用户自己永远不吃。模型若能复述每条信息,却不会判断哪条过期、哪条属于谁,记忆反而会成为误导。

更好的测试是连续给出变化,再让它完成实际任务。它是否主动采用最近的信息,旧信息与新信息冲突时会不会询问,用户纠正后是否在下一次任务里真正更新?还要看它会不会把一次任务中的临时要求当成永久偏好。如果用户说“今天预算少一点”,以后所有消费建议都变得保守,就说明系统没有给记忆划定时间和任务边界。

产品界面应允许用户不通过长对话也能处理这些问题。重要记忆可以查看、编辑、删除;某些仅为完成一次任务而读取的信息,到期后不再用于推断。让用户看到“我为什么这样建议”,比不断强调“我很了解你”更能建立信任。知道自己被怎样理解,用户才敢继续提供必要信息。

六、最难的执行测试,不是顺利完成,而是遇阻后还能保持分寸

一次顺利的订餐任务,模型可能只需几次点击;现实里商家会关门、名额会满、登录会过期、价格会突然变化。Agent 此时该怎么做,必须由产品规则决定。低风险的替代搜索可以继续;涉及更换收件人、增加预算或支付方式,就应停下来问。所谓 Active Focus,最好落成一组用户能理解的行为:继续尝试什么,停止在哪,为什么需要我批准。

恢复错误还要求状态准确。第一次预订请求发出后网站没有返回确认,Agent 不能直接再下第二单,也不能告诉用户“已经订好”。它可以先查询订单状态,再说明当前无法确认。对用户来说,“我不确定第一笔是否成功,正在核对”虽然不如“已搞定”令人愉快,却能避免重复付款或漏掉安排。会承认不确定,是可靠执行的一部分。

持续任务还会受到新消息影响。朋友临时不来,餐厅已预留人数需要调整;活动改期,旧日历提醒不应继续响。执行系统应能把变化传到相关步骤,同时保留操作记录:哪些已经撤回、哪些需要人自行联系。只更新一段文字计划,却没改外部预约,属于看似灵活、实际没有完成工作。

七、重要动作前的确认,不能只弹一个“继续吗”

用户把聚会交给 Agent,并不意味着同意它支付任何金额、邀请所有联系人或公开个人信息。确认应围绕具体动作:将在哪个平台预订、人数和时间是什么、总价多少、取消条件如何、会向谁发送消息。让用户在一屏里看到关键事实,才能真正做出选择。模糊的许可弹窗把责任推给用户,却没提供判断材料。

更深一层的问题是授权的持续时间。本次聚会允许读通讯录找三位朋友,不代表下次营销活动也能自动使用全部联系人;本次允许预订餐厅,不代表以后每周自动预订。产品可以把权限附在具体任务上,任务完成或取消后明确结束。长期 Agent 若想获得更多信任,必须让“停止”与“开始”一样容易。

审计记录也要给普通人看得懂。用户不一定关心模型用了什么技术工具,他关心读过哪些邮件、查过哪家餐厅、发出去什么、还有什么在等待。把这些动作整理成时间线,发现错误时可以迅速定位;若只是保留技术日志,真正需要确认的人仍不知道发生了什么。

八、把两个能力放在一起,才看得见真正的产品质量

记忆很准、执行很差,用户会觉得它“懂我却办不成”;执行很强、记忆混乱,用户会不断重讲背景,还担心它用旧信息做出真实动作。两项能力相乘,而不是简单相加。测试报告应分别给分,还要加入组合场景:旧偏好被更正后执行一项需要付款的任务,看看重要动作前是否引用了新的信息并求得确认。

这个组合也决定了人机分工。Agent 可以主动发现冲突、准备备选、整理利弊;用户负责决定偏好是否仍有效、预算是否可以变更、重要操作是否执行。产品如果在一张界面里把事实、记忆和模型推测都分开呈现,用户能更快发现哪里需要自己说一句话。让人接管得省力,才可能放手让它处理更多日常劳动。

九、方法论:用同一项任务测“记得”和“做成”

挑一项持续几天的低风险任务,比如规划一次小型聚会。第一天给出人数、预算和一位朋友的饮食限制;第二天改变地点;第三天通知一位朋友不来了;第四天让 Agent 给出可执行的最终安排。分别检查两张表:记忆表看信息是否按人、时间和任务正确更新,执行表看查询、备选、确认和停止是否有清楚状态。

故意安排一个错误:某家餐厅已停业,或时间段无法预订。观察它是否重新寻找符合约束的方案,何时向用户询问,以及能否说明已经发生和尚未发生的动作。重要动作先保持在草稿和模拟环境里,不在没有测试的情况下让它完成真实付款。不同配置可以比较,但记录版本、入口、连接器和权限;未开放的功能只写官方说明,不写成亲测。

验收时请两位观察者分别看记忆与执行。一位只核对它选用的用户事实,判断有没有旧偏好、错归属和未经确认的推断;另一位只看任务结果,核对每一步是否真的发生、遇阻时有没有安全停下。最后再把两张记录合在一起,找出“记忆错导致执行错”的组合问题。若只看最终聚会安排是否看着合理,偶然正确的结果会把高风险路径藏起来。

下一次任务可以故意更换参与者或预算,看看系统是否复用该复用的内容、放弃不再适用的内容。结果应记录到具体动作:减少了几次重复解释,有多少个待确认项由用户主动补充,是否出现不必要的通知。样本很小时只做定性判断,不给它贴“普遍更懂用户”的标签。

Muse Wonder 的发布把两个常被混在一起的梦想分开摆在了桌面上:它理解我的过去,和它能负责地推进我的未来。产品经理要做的,是让记忆有适用范围,让执行有停止线。做对这两件事,用户才可能把下一件真实的小事交给 Agent;做错了,再强的模型也只会把旧误解更快地执行出来。

对普通用户,试一个长期 Agent 也可以先守住一条原则:给它一件可撤回的小事,允许它记住真正有用的偏好,要求它在支付、发送或改变计划前把依据给你看。体验几轮之后,你会比看任何一张能力榜单更清楚:它只是会聊天,还是已经能在你的边界里做事。

同一个模型在 API、开发工具和个人应用里的体验可能很不一样。模型能跨对话找回信息,不代表应用提供了好用的记忆管理页面;模型会从错误恢复,不代表对外操作能安全撤回。评估时请分别记录模型给出的判断、产品允许的动作和用户实际看见的状态。三者连起来都可靠,才能说能力进入了日常生活。发布入口和实际体验之间,还需要产品界面、权限与真实任务共同完成最后一段路。

信息来源与事实边界