Meta 首席 AI 官 Alexandr Wang 在最新采访中谈到个人 AI Agent「Muse」的研发过程。这款面向用户、可代办任务的产品，从原型到上线共用了 7 个月，负责模型与产品的核心团队不到 200 人。
把方向押注在个人 Agent
Wang 表示，今年年初，Anthropic 在编程 Agent 领域明显领先，行业内不少观点也认为，编程是高级 AI 最重要的应用方向。不过，他与前 GitHub CEO、现任 Meta AI 产品负责人 Nat Friedman 更看好个人 Agent。
在 Wang 看来，Meta 旗下应用每天约有 35 亿人使用，面向普通用户打造 AI 产品，才更符合公司的优势。Meta 也早在 2025 年提出了「个人超级智能」方向，而 OpenClaw 让这一设想有了更具体的产品形态。
从 OpenClaw 到 Muse 原型
今年 2 月，Wang 和 Friedman 在深度体验 OpenClaw 后，分别向董事会提交了备忘录。Friedman 一共写了两份，其中一份题为《Trust Is a Must》，核心观点是个人 Agent 必须先赢得用户信任。
随后，团队只用一两周就做出了 Muse 原型，连吉祥物 Jolly 和专属硬件 Muse Charm 的雏形也一并出现。只是当时的产品稳定性并不理想，偶尔会带来令人眼前一亮的表现，但大多数时候连基础任务都无法顺利完成。
100 多项测试全部通过才上线
接下来几个月，团队持续调整模型，并列出 100 多项必备能力，围绕每一项设计测试，再据此设置上线门槛。
按 Wang 的说法，部分模型版本已经能通过约 80 项测试，但剩余约 20 项仍未过关，因此只能继续训练。直到专门训练的 Muse Spark 1.3 版本把这套评测全部跑通，产品才最终达到上线标准。
全年重点项目，但没有大幅扩编
Meta 高层将 Muse 视为全年最重要的产品之一，但研发团队规模始终没有被大举扩充。Wang 解释说，大公司做产品时，很容易变成许多人想法的拼接：每个产品经理都想往里面加一些内容，最后做成一个「大杂烩」。
Muse 从立项开始就希望维持统一的产品体验，这一点由 Friedman 主导把关。Wang 负责的 AI 研究团队也采用了类似的精简思路。
研究团队管理强调少层级
Wang 透露，他目前有超过 200 名直属下属。TBD 团队的研究人员基本都直接向他汇报，中间没有层层设置人员管理岗位。各个小组仍保留技术负责人，由他们决定技术方向。
Wang 还表示，自己未必是这 200 多人最好的管理者，但这些研究人员已经证明了自身能力，不需要他对所有事务逐一过问，提供足够资源和自由空间更重要。