影片筆記：Meta Muse 实测：给它 10 万订阅目标，再让它去购物比价

<!-- VIDEONOTE_PUBLICATION_WARNINGS_BEGIN -->

⚠️ 可先使用，仍有待修正項目

本筆記已完成可閱讀的逐字稿與時間跳轉；下列為待處理問題，建議播放原片確認。

• 待修正：逐字稿全文快速校讀未完成（已保留自動字幕/原始逐字稿並繼續生成筆記。；未完成的全文速讀項目可在精進模式回聽確認。）

<!-- VIDEONOTE_PUBLICATION_WARNINGS_END -->

一句話總結

影片實測 Meta 新推出的 AI Agent Muse，探討其從廣告模式轉向「交易抽成」的商業邏輯，並通過「訂閱增長至 10 萬」與「跨平台購物比價」兩個實測案例，分析其在任務拆解、API 連接及跨平台操作上的能力與限制，同時對比了國內「千問」等產品的生態差異。

核心重點

1. Muse 的市場表現與定位：

• Muse 於 9 月 8 日上线，前 12 天下載量達 280 萬次，帶動 Meta 股價上漲超過 20%。
• 核心定位為「個人代理（Personal Agent）」，旨在接管用戶個人生活與工作服務（郵件、日曆、購物等），而非僅是資訊查詢工具。
• 明確拒絕處理偏企業端（B 端）業務，專注於掌握用戶個人數據。

1. 商業模式轉變：

• 從傳統的廣告推薦轉向「交易抽成（Transaction Fee）」。
• 透過代理用戶完成交易來獲利，而非單純賣 Token。
• 對競爭對手影響：Shopify 歡迎其帶來新銷售渠道；Amazon 擔心被繞過廣告與商業收入。

1. 技術架構與體驗：

• 雙 Agent 架構：執行 Agent (Muse) 負責規劃任務，安全審核 Agent (Sentinel) 負責監督外部操作合規性。
• 雲端虛擬機：每個 Agent 配備雲端虛擬機，使用 GPT 的 Codex 執行任務，確保任務在用戶關閉設備後仍持續運行。
• 免費資源：新註冊贈送 Token（數值存在疑點，見疑點章節），分享邀請碼可獲額外 Token。

1. 實測能力評估：

• 任務拆解：測試目標為 YouTube 頻道訂閱增長至 10 萬，Muse 能快速生成子項目（如每週增長報告、每日 AI 熱點選題掃描），邏輯結構清晰。
• API 連接：可引導用戶創建 YouTube Data API Key，實現數據監控閉環。
• 購物比價：
• 海外平台（Amazon, Best Buy, B&H）：能同時輪詢價格、庫存與退換貨政策，並給出購買建議。
• 國內平台（淘寶、京东）：需解決登錄問題，若未登錄會嘗試通過品牌官網查詢；若需登錄，可透過虛擬機遠程網絡控制，由用戶手動輸入資訊接管。
• 基礎模型局限性：相比 GPT 或 Anthropic，Muse 的基模在複雜邏輯和資訊廣度上稍弱，存在資訊過時問題，強調「少即是多」。

1. 與國內 Agent（千問）的差異：

• Muse：開放路徑，強調「連接器（Connector）+ 瀏覽器」玩法，意圖成為「超級 App/私人秘書」。
• 千問：封閉生態路徑，依賴阿里內部成熟的商業基礎設施（高德、飛豬、淘寶等 API）。

詳細大綱

I. Muse 爆火現象與市場影響

• 數據表現：9 月 8 日上线，前 12 天下載量 280 萬次，登頂美國 App Store 和 Google Play 免費榜。
• 股價反應：Meta 股價累積上漲超過 20%，華爾街重新認可其市值，視為新的 AI 收入入口。
• 用戶體驗：操作感「絲滑」，雖基模強度可能不及 GPT 的某些版本，但整體體感強烈。

II. Muse 的商業模式與戰略意義

• Meta 的痛點與解法：過去模型強但缺乏獨立產品入口與商業閉環；Muse 提供「Meta 式」答案。
• 從廣告到代理：
• 舊模式：Meta 推薦內容，用戶行動。
• 新模式（Agent 時代）：Muse 接管需求，替用戶選擇服務、比較商品、完成交易。
• 商業變現：不靠賣 Token，而是透過代理用戶完成交易，收取「交易抽成（Transaction Fee）」。
• B 端與 C 端的區隔：Muse 明確傾向個人助理路線，拒絕處理偏企業端（B 端）業務，專注於掌握用戶個人數據（郵件、日曆、購物、旅行、支付）。
• 對競爭對手的影響：
• Shopify：歡迎 Muse 帶來的流量與新銷售渠道。
• Amazon：阻止 Muse 替代其購物入口，擔心廣告與商業收入被侵蝕（若用戶直接對 Muse 下達購買指令，將繞過 Amazon 平台）。

III. Muse 的產品特點與技術架構

• 雲端虛擬機與持續執行：
• 每個 Agent 配備雲端虛擬機，使用 GPT 的 Codex 執行任務。
• 優勢：即使關閉電腦或 Agent，任務仍在雲端繼續執行，無需依賴本地設備（如 Mac mini）保持開機。
• 設計哲學來源：
• 參考 Openclaw 的極客化、開放式設計，但 Muse 進行了產品化、封裝化與大眾化，降低 AI 基礎要求，讓普通人易上手。
• 雙 Agent 架構：
• 執行 Agent (Muse)：負責規劃如何完成任務。
• 安全審核 Agent (Sentinel)：負責監督外部操作是否合規、安全，敏感動作需用戶確認。
• 免費資源與註冊門檻：
• 新註冊贈送 Token（數值存在疑點，見疑點章節），且不過期。
• 分享邀請碼可獲額外 Token。
• 目前主要對美國地區開放，逐步開放至加拿大；註冊對 IP 環境純淨度要求高。

IV. Muse 與國內 Agent（千問）的差異對比

• 定位差異：
• Muse：定義為「Personal AI Agent that get things done」，強調個人化、私人秘書角色，透過對話調用 Agent 執行任務，意圖成為一個「超級 App」。
• 千問：優勢在於背後阿里生態已有的現實世界 API（高德、飛豬、淘寶、盒馬、支付體系），透過對話調用服務接口，將多個超級 App 整合為一個 Agent。
• 生態路徑差異：
• Muse：開放路徑，強調「連接器（Connector）+ 瀏覽器」玩法。瀏覽器作為兜底，Connector 作為高速公路，交易層為核心。Meta 擁有 WhatsApp、Instagram、眼鏡等龐大用戶入口。
• 千問：封閉生態路徑，依賴阿里內部成熟的商業基礎設施。
• 潛在競爭者：影片認為騰訊可能複製 Muse 的邏輯，因為其社交生態與 Muse 的個人助理定位契合。

V. Muse 實測體驗與能力評估

• 任務拆解與執行：
• 測試目標：YouTube 頻道訂閱增長至 10 萬。
• 表現：快速生成子項目（頻道每週增長報告、每日 AI 熱點選題掃描），邏輯結構清晰，宜人性高，普通人易上手。
• API 連接：可引導用戶創建 YouTube Data API Key，連接體驗流暢，實現數據監控閉環。
• 基礎模型（基模）局限性：
• 相比 GPT 或 Anthropic，Muse 的基模在複雜邏輯和資訊廣度上稍弱。
• 資訊過時問題：實測中將「OpenAI 推出 Codex Mac 桌面應用」誤認為新聞，經追問後確認該新聞發生於 2026 年 2 月 2 日（註：此為影片口誤或聽寫錯誤，實際應為過去時間點，但依規則標記為疑點）。
• 策略：強調「少即是多」，避免資訊過載，專注於具體事務處理，而非成為全知型助理。
• 購物比價與跨平台操作：
• 海外平台：能同時在 Amazon、Best Buy、B&H 上輪詢價格、庫存與退換貨政策，並給出購買建議（如大疆 DJI Mic Mini）。能識別平台差異（Best Buy 為直營，B&H 退貨期寬鬆）。
• 國內平台：
• 需解決登錄問題（淘寶/天貓風控嚴，京东較鬆）。
• 若未登錄，會嘗試通過品牌官網（如大疆官網）查詢，因官網通常無反機器人限制。
• 若需登錄，可透過虛擬機遠程網絡控制，由用戶手動輸入資訊接管，完成後交還給 Muse 繼續操作。
• 定時任務：設置「大廠 AI 發布哨兵」，每 8 小時輪詢重大發布，並按優先級（P1-P6）排班提醒。
• 硬體整合潛力：Meta 將 Muse 與鑰匙扣、眼鏡、VR 結合，推動「個人 AI Agent 全面硬體化」，對抗 OpenAI 和 Anthropic 的純軟體路線。

工具 / 模型 / 名詞整理

• Meta 產品/模型：
• Muse：Meta 新推出的 AI Agent 產品。
• Llama：提及的模型。
• Openclaw：設計哲學參考來源。
• Sentinel Agent：安全審核 Agent。
• Codex：提及用於執行任務的模型/環境（疑點：通常 Codex 指程式碼模型，此處語境似指代執行環境或特定模型版本）。
• GPT：提及對比，如 GPT 的 Astra, GPT 的 Luna（疑點：GPT 系列通常無 Astra/Luna 名稱，疑為口誤或特定內部/測試版本名稱）。
• Anthropic：提及對比。
• OpenAI：提及對比。
• Kimi：提及對比。
• 千問：提及對比。
• 豆包手機：提及對比。
• Meta 硬體：鑰匙扣、眼鏡、VR。
• 第三方平台/服務：
• App Store (Apple)
• Google Play
• Shopify
• Amazon
• Best Buy
• B&H (B&H Photo Video)
• PayPal
• Walmart (沃爾瑪)
• Notion
• GitHub
• YouTube (及 YouTube Data API)
• 淘寶 / 天貓
• 京东 (JD.com)
• 高德
• 飛豬
• 盒馬
• 阿里 (生態系統)
• 騰訊 (提及可能複製 Muse)
• 蘋果 (Apple)

操作流程整理

實測一：YouTube 頻道訂閱增長至 10 萬

1. 設定目標：向 Muse 下达將 YouTube 頻道訂閱數增長至 10 萬的任務。
2. 任務拆解：Muse 自動生成子項目，包括：

• 頻道每週增長報告。
• 每日 AI 熱點選題掃描。

1. API 連接：

• Muse 引導用戶創建 YouTube Data API Key。
• 連接 API 實現數據監控閉環。

1. 執行與監控：系統持續運行，生成邏輯結構清晰的執行計劃。

實測二：跨平台購物比價（以 DJI Mic Mini 為例）

1. 任務下达：要求 Muse 比較特定商品（如大疆 DJI Mic Mini）的價格與政策。
2. 海外平台比價：

• Muse 同時在 Amazon、Best Buy、B&H 上輪詢價格、庫存與退換貨政策。
• 識別平台差異（例如：Best Buy 為直營，B&H 退貨期寬鬆）。
• 給出購買建議。

1. 國內平台操作（淘寶/京东）：

• 未登錄狀態：若遇到反機器人攔截，Muse 嘗試通過品牌官網（如大疆官網）查詢，因官網通常無反機器人限制。
• 需登錄狀態：

1. Muse 觸發登錄需求。
2. 透過虛擬機遠程網絡控制，由用戶手動輸入資訊接管。
3. 完成登錄後，交還給 Muse 繼續操作。
4. 定時任務設置：

• 設置「大廠 AI 發布哨兵」。
• 設定每 8 小時輪詢重大發布。
• 按優先級（P1-P6）排班提醒。

值得注意的限制或風險

1. 基礎模型局限性：

• 相比 GPT 或 Anthropic，Muse 的基模在複雜邏輯和資訊廣度上稍弱。
• 存在資訊過時問題（例如誤將舊聞當作新聞）。
• 策略上強調「少即是多」，避免資訊過載，可能導致其無法成為全知型助理。

1. 平台反機器人機制：

• 在淘寶/天貓等平台可能遇到風控攔截。
• Amazon 在實測中曾被反機器人機制攔截，顯示其在特定平台遇到的技術限制。

1. 登錄與隱私接管：

• 對於需要登錄的國內平台，Muse 無法完全自動完成，需要用戶手動介入輸入資訊，這可能影響自動化體驗的流暢度。

1. 地區限制：

• 目前主要對美國地區開放，逐步開放至加拿大；註冊對 IP 環境純淨度要求高。

逐字稿辨識疑點

1. GPT 的 Astra / GPT 的 Luna：

• 逐字稿中提到「並沒有像 GPT 的 Astra 那麼強」以及「有一點像 GPT 的 Luna」。
• 疑點：目前公開的 GPT 系列模型名稱通常為 GPT-3, GPT-3.5, GPT-4, GPT-4o 等，「Astra」與「Luna」並非標準公開模型名稱，疑為口誤、內部代號或聽寫錯誤。

1. Codex Mac 桌面應用新聞日期：

• 逐字稿中提到「Openai 推出 Codex Mac 的桌面應用... 2026 年 2 月 2 日的新聞」。
• 疑點：若當前時間早於 2026 年，則此日期為未來時間，疑為口誤（可能意指 2024 或 2025 年，或為舊聞誤植）。

1. Codex 的指代：

• 逐字稿中提到「我們使用 GPT 的 Codex 在跑這些任務」。
• 疑點：Codex 通常指專為程式碼生成設計的模型，或指代代碼解釋器環境。此處語境模糊，疑為對執行環境或特定模型版本的稱呼。

1. 2 億 vs 20 億 Token：

• 逐字稿前段提到「贈送 2 億的詞元 TOKEN」，後段提到「額外贈送給你 20 億個詞元」。
• 疑點：數字不一致，疑為口誤或聽寫錯誤，需查證實際贈送額度。

1. 80 刀每周 30 億 Token：

• 逐字稿提到「最高可以升级到 80 刀，每周 30 亿的 Muse 口令」。
• 疑點：此價格與 Token 數量的對應關係需查證，且「口令」一詞在此處疑為「Token」的聽寫錯誤。

1. Shopify 歡迎 Muse：

• 逐字稿提到 Shopify 非常歡迎 Muse 接入，這與一般電商平台可能擔心流量外流的邏輯看似矛盾，但影片解釋為「打開新的銷售渠道和流量入口」。
• 備註：此點雖有解釋，但仍屬商業邏輯上的特殊案例，保留原意，但需注意其背後的商業博弈。

1. Amazon 被反機器人攔截：

• 實測中提到「Amazon 被反機器人攔截了，這次沒有覆蓋到」。
• 備註：這屬於具體測試結果，非名稱錯誤，但顯示了 Muse 在特定平台遇到的技術限制。

可延伸追問

1. Muse 的「交易抽成」具體如何計算？是否會導致商品價格上漲或選擇受限？
2. 針對國內平台（淘寶、京东）的登錄問題，Meta 是否有更深入的自動化解決方案，還是長期依賴用戶手動接管？
3. Muse 的「雙 Agent 架構」中，Sentinel