Building Muse, Working with Mark Zuckerberg & The Future of AI | Alexandr Wang, Meta

• Muse 的核心不是“再做一个聊天机器人”，而是把个人 agent 变成可持续托付任务的第二个心智。 2026 年初，Opus 4.5 与 OpenClaw 让 Alexandr Wang、Nat Friedman 等人看到 personal agent 的潜力；团队在一至两周内做出原型，却又用七个月把偶发的“魔法时刻”打磨成可面向大规模消费者的稳定体验。真正的产品壁垒由模型质量、任务可靠性、沟通与追问能力共同构成。
• Meta 没有追随当时最拥挤的 coding agent 共识，而是基于自身禀赋选择 consumer AI。 Alexandr 的判断是：Instagram、WhatsApp、Facebook 承载的是人们“想做的事”，Meta 又拥有约 35 亿日用用户的分发，因此 personal superintelligence 比企业工作流或编码更符合公司的产品传统和渠道优势。
• 非确定性 AI 产品需要把审美判断转成可度量的发布门槛。 Muse 团队维护了 100 多项行为与能力清单，并逐项建立 eval；曾有 checkpoint 80 项为绿、20 项为红，仍被判定不能发布。首个全绿版本 Muse Spark 1.3 同时通过数值门槛和主观体验检验后，才获得发布资格。
• 组织上，Muse 和 MSL 都强调“小、平、技术密集、高人才密度”，但并非没有结构。 Muse 的模型与产品团队合计少于 200 人，被当作“一件作品”而非多部门功能拼盘；MSL 的 TBD 研究人员形式上直接向 Alexandr 汇报，同时仍通过 pod 与 technical lead 做技术决策。200+ 直接汇报主要是一种反官僚与自治的制度表态，不是传统逐级管理的放大版。
• Alexandr 的管理角色从 Scale 的“作者型创始人”转向 Meta 的“环境设计者”。 在 Scale，他试图理解并决定每个岗位如何运作，形成强烈的一致性，也让自己成为瓶颈；在 Meta，他需要设定 personal superintelligence 北极星、招募各领域顶尖人才、识别特殊能力并提供发挥空间。他用“钻石开采”与“建摩天楼”区分研究和运营：前者接受多数尝试无效，只寻找少数百万倍回报；后者依靠持续的 0.5%—2% 流程优化。

贯穿全场的主线是：从模型、产品到组织，Meta 都在围绕“个人能动性”反向设计。 对用户，agent 通过连续可靠交付扩大可委托范围；对研究者，扁平组织减少审批和管理摩擦；对公司，个人 AI 让 Meta 重新把“连接人的愿望与行动”变成技术北极星。

核心要点：Muse 是 2025 年 Personal Superintelligence 愿景的产品化，不是一次孤立的 app 立项。团队先确定“让 AI 提升人的生活与体验”，再把模型路线、产品形态和组织投入收束到 personal agent。

• 2025 年 6 月，Mark Zuckerberg 发布 Personal Superintelligence memo。Alexandr、Nat Friedman 与 Meta 内部多人参与讨论；当时 agent 尚未形成今天的产品形态，memo 更多是在描述方向，而非定义完整产品。
• MSL 随后进入长周期的模型生产：数据、预训练、后训练以及配套栈都要重建。Alexandr 强调，前沿模型不是一个快速 feature sprint，而是一条从数据到产品的完整生产线。
• 2026 年初，Opus 4.5 的 agent 能力和 OpenClaw 热潮把抽象愿景变成具体体验。行业看到了 agent 不只是“回答”，而是可以观察环境、调用工具、跨步骤完成任务。
• Nat Friedman 是 MSL 内部最早深度使用 OpenClaw 的人之一。他让 agent 关注自己的饮水目标，甚至结合安防画面提醒“做得不错”。这种体验同时令人兴奋和不安，却清晰展示了个人 agent 进入生活上下文后的能力边界。
• Alexandr 判断，Nat 的早期采用信号值得重视：他早年是 Stripe 的早期用户，长期参与开源开发者生态，也参与过 GitHub Copilot。对新产品而言，少数具有高敏感度的早期用户往往比大样本问卷更早暴露下一种形态。

“真正重要的问题是：怎样让强大的 AI 实际改善每个人的生活？”——Alexandr Wang（意译）

核心要点：OpenClaw 的冲击不在模型说得更好，而在它能把邮件、照片、公开信息和连续追问整合成对个人有行动意义的结果；这也同时放大了隐私、信任和失控风险。

• Nat 给 Alexandr 一个多轮心理分析 prompt。Alexandr 在旁边安装 OpenClaw 后按建议执行，agent 连续进行深层追问，并结合邮箱、照片和其他可获取信息形成分析。
• Alexandr 将体验形容为“三年心理治疗压缩到一个时刻”。其价值来自持续推理和个人上下文，而不是一次问答；其风险也来自同一来源——系统知道得足够多，用户必须暴露脆弱信息。
• 两人随后分别写 memo 送到 Meta 董事会。Alexandr 把 personal super-agent 视为消费产品的潜在终局；Nat 的 memo 使用了高度产品化的标题：The Claw is the Law 与 Trust is a Must。
• 团队在一至两周内完成原型并向董事会演示。Jolly Bot、Muse Charm 等后来进入正式产品的关键元素，已经出现在第一次演示里。
• 这段经历定义了 Muse 后续的两条设计约束：一方面要保留“它真的理解我、能替我行动”的魔法；另一方面必须把信任、权限、可靠性和沟通做成产品核心，而非上线后的合规补丁。

核心要点：AI 原型的成功只证明能力存在，不能证明产品成立。Muse 的七个月主要投入不是增加更多概念，而是降低失败率、处理边界情况，并让非技术用户理解 agent 与 chatbot 的区别。

• 早期原型“有时非常神奇，但大多数时候会失败”。团队从 2 月推进到约 9 月，反复修复模型和产品的细节，才认为它可以成为完整的消费者产品。
• Zuckerberg 与团队同步经历这种“兴奋—恐惧”。他把 agent 用于家庭事务、孩子相关任务和 MMA 训练，让系统观看训练视频并给出改进建议。Meta 管理层会议一度会交流各自最离奇的 agent 使用案例。
• OpenClaw 热潮随后明显回落。Alexandr 的解释不是需求消失，而是用户体验不够可靠：偶发高光无法抵消经常失败，消费者会迅速把产品归类为“不值得再用”。
• Muse 的目标是把个人 agent 做成未来可以服务数十亿人的产品，因此不能只对开发者或高容错早期用户成立。普通消费者第一次接触 agent，需要明确的 onboarding，理解它可以执行任务、持续沟通和处理多步流程。
• 团队持续对不同模型版本做 A/B test。体验对模型质量高度敏感，不只取决于任务能否完成，还取决于是否能说明进度、在信息不足时向用户追问，以及失败时如何恢复。
• 这构成一条明确的产品判断：在 agent 产品里，模型能力和交互设计不可拆开评估；“更聪明但更不可预测”未必优于“能力略弱但可持续信任”。

“个人 agent 处在刀锋上：稳定地制造魔法，它可能成为伟大的消费产品；不稳定，用户就会认为它是垃圾。”——Alexandr Wang（意译）

核心要点：2026 年初行业注意力集中在 Claude/Opus 与 coding agent，Meta 没有正面拥挤同一战场，而是从公司传统和分发优势选择 consumer AI。

• Alexandr 回忆，Opus 与 Claude 当时在编码上显著领先，Anthropic 的增长让行业感到压力；coding agent 一度被视为高级 AI 最重要、甚至唯一重要的产品形态。
• 在这种共识下，最自然的动作是所有实验室都去追赶编码。但 MSL 的 OpenClaw 体验让团队形成另一种确信：个人 agent 一旦真正进入生活，可以覆盖远超工作的需求。
• Alexandr 在与 Zuckerberg 早期交流时提出：AI 会逐步接手“人们不得不做的事”，释放时间去做“真正想做的事”；而 Instagram、WhatsApp、Facebook 本来就在承载兴趣、关系、朋友和家庭。
• 他把 Meta 的产品传统归纳为“连接人与朋友、家人和兴趣”，并称 Meta 应用每天触达约 35 亿用户。由此，consumer AI 不是一个附加市场，而是与公司渠道和历史使命匹配的核心方向。
• 这一战略没有否认编码的重要性，而是拒绝用竞争对手的最强用例定义自己的路线。Meta 选择的是：哪些 AI 能力只有结合 Meta 的分发、社交图谱和消费端经验才能形成差异。

核心要点：Muse 将产品判断转化为逐项能力管理。发布不是由整体平均分决定，而是采用底线式 launch blocker——任何关键能力未达标，都可能否决上线。

• 团队建立了一张超过 100 项的行为与能力表，覆盖理想个人 agent 应具备的具体表现。Alexandr 最初说“上千项”后立即修正为“100 多项”，说明团队确实在维护具体清单，而非用一个总分概括体验。
• 每项能力都逐步建立 eval，并进入模型训练和评审节奏。团队定期检查弱项，围绕低分项迭代数据、训练与产品处理。
• 对每一行，团队定义两类阈值：低于何值属于 launch blocking，以及达到何值才算 good。曾有 checkpoint 在 80 项上为绿、20 项上为红，仍被判定“不够好”。
• 第一个全绿 checkpoint 是专门训练的 Muse Spark 1.3。数值全绿后，团队还进行了体验判断，确认该版本明显优于之前的模型。
• 这一做法的本质是“短板约束”而非平均分优化。个人 agent 会接触用户生活，少数严重失败可能摧毁整体信任，因此不能让强项平均掉关键缺陷。
• Meta 传统的产品优化能力也迁移到了模型层：过去打磨转化率、推荐率和 onboarding；在 Muse 中，则把同样的测量—优化文化用于模型行为的每一个细节。

核心要点：团队规模的克制不是为了省人，而是保护产品的一致观点。大型组织最常见的失败，是各 PM 把自己的目标塞进产品，最终形成谁都参与、但没有作者的功能混合物。

• Muse 的模型与产品工作合计少于 200 人。对初创公司这不算小，但对 Meta 级别的关键产品而言，Alexandr 认为它仍是集中、克制的配置。
• Meta 管理层知道 Muse 可能是公司当年最重要的发布之一，却没有让大范围组织“都来支持”，避免团队随重要性无限膨胀。
• Alexandr 将糟糕的大公司产品描述为 Frankenstein 或 Cronenberg 式拼装，也称其为“PM hell”：每个 PM 都有自己的目标和功能诉求，最后把互相冲突的东西搅成 smoothie。
• 用户能感受到产品背后是否存在统一意图。Muse 必须提供一个凝聚体验，而不是多个部门 KPI 的可见痕迹。
• David Senra 用 Steve Jobs 的 Apple 做类比；Alexandr 则明确指出，Muse 的统一审美主要来自 Nat Friedman，他的 taste 与 sensibility 对最终形态影响最大。
• 对组织设计的含义是：关键产品可以跨越多个专业，但必须有一个真正对最终体验负责的观点中心；“多方共识”不能替代作者性。

“Muse 必须恰好相反：只有一个清晰观点，以及一个要交付给世界的凝聚体验。”——Alexandr Wang（意译）

核心要点：Meta 有分发，不等于 Muse 能穿透 AI 产品的高频发布。增长的关键是让用户案例、Jolly 形象与 Alexandr 的个人表达形成可传播的“截图单位”。

• Muse 上线时，消费者持续被新模型、新功能和新创业公司轰炸。团队讨论的不是“怎样让更多人看见”，而是“怎样让它在文化上真正突破”。
• Alexandr 亲自写 X 上的所有 meme。他会在会议或晚餐中突然想到内容，立即发布；少数没花太多时间的帖子反而表现最好，让他重新意识到互联网奖励风险、意外和反常规。
• 这种表达并非一开始就有完整策略。最初他只转发有意思的 Muse 用例，随后几次“直接发”的帖子获得高传播，逐步形成更激进、更具个人色彩的发布方式。
• Nat 开玩笑说，团队原本以为上线周会了解 Muse 用户，结果主要了解了 Alexandr 的脑子。这个现场反应说明营销人格化带来的收益与组织惊讶同时存在。
• Jolly 是关键传播资产：用户一看截图里的小角色，就能立刻识别这是 Muse，而不必阅读品牌文字。Alexandr 发现把 Jolly 放进通勤、工作等 meme 场景可以持续扩展。
• 他承认难以准确追踪 meme 对增长的贡献，但判断它确实带来影响；David 则观察到周围讨论 Muse 的人也实际下载并使用了产品。
• 底层原则是“用户不关心公司和研究，只关心产品能替自己做什么”。相较只展示 Logo 或产品名，真实用例截图直接说明收益。

核心要点：用户不会在第一次使用时交出全部生活权限。Muse 通过小任务成功—扩大任务—再次成功的循环，逐步提高可委托边界；任何一次严重失败都可能中断信任。

• Alexandr 将这一过程比作 trust fall：最初用户只给一个“小口”，看到完成后再增加任务规模，直到把更完整的问题交给 agent。
• 大学生等高强度用户会直接录语音、把杂乱想法一次性倒给 AI，再相信系统整理成计划；这代表信任成熟后的使用形态，而不是所有新用户的起点。
• David 分享一个高辨识度案例：一位经营约千亿美元公司的朋友把证件遗落在 Flexjet 上，让 Muse 自己确定地点、安排快递、通过办公室安保并送达，全程要求自己不要参与。三四张对话截图本身就成了强营销材料。
• Alexandr 提炼出“现代消费产品必须在截图里成立”。截图要能在群聊、口碑和社交网络中传播，既呈现结果，又能让人立即识别产品。
• Muse 的 Jolly/Muse 角色在截图中充当品牌锚点；这不是提前精密设计的增长技巧，却自然解决了 AI 对话产品截图高度同质化的问题。
• Alexandr 自己并非全天与 Muse 聊天，而是设置工作流、辅助会议，把它当作第二个大脑。这反映 agent 的成熟价值在持续运行和任务闭环，而非消息量。

核心要点：Alexandr 的长期叙事不是 AI 替代人，而是 AI 移除生活中的阻碍、把愿望转成行动，让人从童年到成年持续扩大 ambition。这个愿景同时是产品定位，也是 Meta AI 的使命叙事。

• 他认为人天然会有欲望、梦想和不满足。个人 agent 的长期形态，是成为连接“我想要什么”与“如何实现”的桥梁。
• Muse 可以接手生活中的 gatekeeper、流程和琐事，让用户把时间投入真正想做的事。这个判断与 Meta 产品服务兴趣、关系和个人表达的传统相连。
• Alexandr 用“让每个人获得童年梦想中的成年生活”描述目标：孩子会想当宇航员、拯救世界或改变现实，但学校、工作和责任往往逐渐磨损这种抱负。
• 他认为成年人低估了自己被流程和习惯变成“僵尸”的程度。理想的 AI 轨迹应相反：完成一个愿望后继续做更大的梦，形成不断上升的 agency escalator。
• 他把 Elon Musk、Mark Zuckerberg 等企业家的经历视为高强度样本：实现一个大目标后继续扩大目标。AI 的民主化意义，是让这种循环不再只属于少数极端创业者。
• 这一愿景仍属于价值判断，而非已验证结果。个人 agent 是否真正扩大多数人的能动性，取决于可负担性、控制权、隐私、安全和可靠性，而访谈主要呈现了产品方的正向假设。

核心要点：交易不是从明确收购邀约开始，而是在 Llama 4 未达内部预期后，Zuckerberg 向 Alexandr 征求 AI 战略建议；随着“如何合作”与交易数字出现，人才重组才成为清晰主线。

• Alexandr 通过 Meta 首席数据官 Alex Schultz 认识 Zuckerberg。第一次引荐约发生在 2021 或 2022 年，但从介绍到真正见面据称用了约一年，反映 Zuckerberg 对时间分配的极端优先级管理。
• 此后两人大约每六个月交流一次。Alexandr 会通过 WhatsApp 请教创始人问题；Zuckerberg 常快速回复长而严谨的信息，显示其高速度书面思考能力。
• 关键电话发生在 Llama 4 之后。Alexandr 直言，Llama 4 的轨迹没有达到 Meta 的期望，内部视为失望，而 AI 对公司未来的重要性又持续上升。
• Zuckerberg 最初主要问“你认为我们应该做什么、聚焦什么”，并非直接提出交易。Alexandr 提供了大量关于 Meta AI 战略与 personal superintelligence 的想法。
• 从首次联系到交易公布只有约五六周。David 将这种速度与顶尖创业者的共同特征联系起来：行动前充分征询，方向确定后迅速投入。
• 最终结构并非传统整体收购：按 Alexandr 的陈述，Meta 投资并持有 Scale 49%，Scale 继续经营，Alexandr 与少数同事加入 Meta。其工业逻辑更接近获得人才和重建 AI 能力，而不是把 Scale 的企业/政府销售并入 Meta 主业。
• Alexandr 用数周处理“这是否真实、是否合理、自己是否愿意”的问题。他在 Scale 工作约九年，长期把公司视作一生事业，因此决策不仅是财务交易，也是放下个人作品的身份转换。

核心要点：MSL 的机会来自既有路径失去可信度。当组织需要真正重置时，反而有空间从人才、使命和决策结构重新设计，而不是在旧体系上做小修补。

• Alexandr 加入时，Meta AI 在外界看来更像“受损资产”，对顶尖研究者的吸引力并不天然强。这种弱势反而触发他的创业者心态：可以把实验室当作重新创办。
• 他早期反复向 Zuckerberg 主张：一支规模小、极其优秀、技术导向、非常扁平的团队，可以远快于传统大组织行动。
• Zuckerberg 的作用不只是投入资金。Alexandr 认为他已经内化“失败不重要，重要的是赢的时候赢多大”，因此能够承受高风险重组，而不是为了避免短期失误让公司逐步官僚化。
• MSL 的招募叙事有三层：从零建设实验室；personal superintelligence 是清晰北极星；依托 Meta 后，团队不受算力、基础设施和分发限制。
• Alexandr 也纠正了“Meta 单纯天价挖人”的说法：OpenAI、Anthropic 的估值上涨使早期员工留任权益已经很高，一些人才转向 Meta 在经济上可能只是接近净中性。
• 高薪并非组织设计本身。真正需要解决的是：优秀研究者进入大公司后，是否仍能影响方向、拥有资源并留下个人印记。

核心要点：Alexandr 在 Scale 的成功来自强作者性，也付出了创始人成为瓶颈的代价；Meta 的任务规模迫使他把管理重心转为方向、人才和环境。

• 在 Scale，他相信优秀创始人应该能做每一种工作，因此对公司每个细节都有强烈观点。结果是产品与组织高度体现他的判断，但大量问题也必须经过他。
• 他仍建议第一次创业者在早期采用这种深度介入方式，因为它比完全放手更可能建立质量和速度；问题是组织扩大后必须认识到边界。
• 在 Meta，他既不是 AI 研究员，也不是产品设计师，不可能亲自完成实验室所有关键工作。第一任务因而变成招募每个专业的顶级人才。
• 他的“教练”角色包括：设定 personal superintelligence、consumer AI 的北极星；识别团队中的特殊天赋；提供足够资源与空间，让这些能力得到最大表达。
• 大公司并不缺优秀人才，常见问题是优秀者无法做出成果，最终离开去创业或加入小团队。因此人才密度必须与授权、决策权和低摩擦环境同时成立。
• Nat Friedman 是具体例子：Muse 需要让他的产品审美充分表达；研究团队也需要让高潜想法被试验，即使大多数最终失败。

核心要点：两类工作的回报分布不同，管理方法也必须不同。AI 研究是幂律探索，重点是发现并放大少数异常成功；数据运营是线性系统，重点是持续消除成本与波动。

• 钻石开采型问题具有强幂律：多数尝试价值有限，少数发现可以比其他所有工作高出百万倍。VC 与前沿 AI 研究都接近这种结构。
• 对这类工作，管理者不能要求每个项目稳定产出。更合理的机制是允许大量试验、识别少数强信号、给潜力方向更多资源。
• 建摩天楼型问题的回报更线性。数据标注、Amazon Prime 配送等业务，需要把流程做成可复制系统，并持续寻找 2%、1%、0.5% 的效率增益。
• Alexandr 把 Scale 更多归入“建摩天楼”，把 Meta 当前研究工作归入“钻石开采”。这也是他管理角色改变的底层原因：前者需要深度流程控制，后者需要人才判断和探索空间。
• 组织如果错误匹配机制，会产生两种损失：用运营 KPI 管研究，会把高潜但不确定的工作过早杀死；用探索自由管理规模化运营，则会失去质量、成本和交付稳定性。

核心要点：Alexandr 的竞赛与 MIT/HRT 网络展示了人才密度的长期复利。真正稀缺的不是认识成功者，而是在其尚无成熟履历时识别能力。

• Alexandr 19 岁生日时是 MIT 大一学生，正在 HRT 做冬季实习；聚会约有 10—12 人，多数来自 Harvard、MIT 以及数学、科学、计算机竞赛圈。
• 在场者后来包括 Hyperliquid 创始人 Jeffrey Yan、Cognition 创始人 Scott Wu、Decagon 创始人 Jesse Zhang，以及 Anthropic 研究员 Vicky Yi。
• 这不是“成功者互相认识”的事后故事，而是竞赛体系把高认知能力、强动机和早期技术兴趣提前聚集在一个小网络里。
• Alexandr 向 HRT 创始人建议：既然开始做私人投资，可以直接给实习生提供 seed check。玩笑背后的判断是，组织已有高质量的人才筛选器，却未必充分利用长期选择权。
• 他在访谈中还引用 HRT 2026 年第二季度约 110 亿美元收入、80 亿美元利润、员工不足 1,000 人的数据。该数字来自口述，若用于正式研究应另行核验。

核心要点：TBD 的研究人员形式上直接向 Alexandr 汇报，是为了表明组织不依赖层层 people management；实际工作仍由 pod 和 technical lead 形成方向与决策结构。

• Alexandr 说自己有 200 多名直接汇报，TBD 组研究人员基本直接向他报告。这一数字按传统管理幅度看显然不可常规运作，因此必须理解其制度含义。
• 设计目标是告诉研究者：你们因已证明能做卓越工作而被招募，不需要管理者逐步分配任务或日常监督。
• 组织并非没有领导。各 pod 设 technical lead，对组内技术方向和争议做裁决；技术结构与 people-management 层级被刻意拆开。
• 团队还强调群体讨论。高人才密度意味着成员的不同判断本身是决策输入，实验室希望通过争论形成共同相信的路径。
• Alexandr 承认自己不可能成为 200 多人的最佳传统经理，并认为这恰好是设计重点：这些人需要的不是更多经理，而是清晰目标、资源、同行和“可以做事”的环境。
• David 将其角色称为“伟大环境的守护者”；Alexandr接受这一概括。对其他组织的启示不是复制 200 个直接汇报，而是分清哪些管理动作真正增加价值，哪些只是层级存在的自我证明。

## 可供管理层讨论的三个问题（基于访谈，不属于受访者原话）

1. 我们的 AI 产品是在追逐行业最热门用例，还是基于自身数据、分发与用户关系选择了独特战场？

2. 哪些能力必须采用 launch blocker，而不能被平均分或总体成功率掩盖？

3. 当前团队的工作更像钻石开采还是建摩天楼？组织机制、绩效评价和管理幅度是否与回报分布匹配？