# 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。

2.  **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。

3.  **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。

4.  **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」。

5.  **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。
3.  **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。
4.  **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。
3.  **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。
2.  **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。
3.  **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。
4.  **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。
2.  **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）。
3.  **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。
4.  **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。
5.  **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。
6.  **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。
7.  **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