🎙️ How I AI: Meta’s Muse review + How Warp ships 2,000 PRs a month with AI factories

🎙️ 我的AI之路：Meta Muse体验评测 + Warp如何用AI工厂每月处理2000个PR

我的AI之路

How I AI每周精选（Lenny’s Podcast Network旗下节目）

Lenny Rachitsky

2026年9月21日

Muse评测：真正理解用户体验的个人AI代理

立即收听：YouTube • Spotify • Apple Podcasts

由以下合作伙伴呈现：Optimizely ——面向营销和数字团队的AI代理编排平台 OpenArt ——一站式AI创作平台（支持图像、视频、音乐、音频等）

在这期独白节目中，Claire测试了Meta推出的Muse——一款面向普通用户的个人AI代理。她演示了Muse如何管理家庭日历、制作精美的晨间简报、追踪个人目标，并在处理敏感信息前主动请求授权。她还深入探讨了Muse在建立可信感方面的细节设计、浏览器功能的不足之处，以及这种技术路线对消费级AI未来发展的启示。

#### 最重要发现：

• Meta在消费级产品设计方面的专长，使Muse与其他市场上的AI代理有明显不同。负责Facebook和Instagram的团队深谙如何向非技术人员建立信任，这种经验贯穿于Muse的每个细节。测试过程中，Muse从未让Claire接触到终端界面，没有出现令人困惑的错误提示，也不会在尴尬时刻突然请求授权。她在单次测试中完成了入职引导、日历管理、邮件解析、目标设定和基于浏览器的购买操作，整个过程完全无阻尼感。

• Muse在首次尝试时就生成了Claire家庭晨间简报的最佳版本。Claire曾用OpenClaw和Codex测试过家庭简报生成，但Muse产出的PDF不仅更美观，结构也更合理，无需任何后续提示。它甚至主动添加了"餐桌对话"板块，包含适合儿童的新闻话题，并提前识别出日程冲突。这才是个人代理应有的标准：不仅要完成用户请求，更要主动发现用户未想到的有用信息。

• 对于代理请求授权的方式，与获得授权后能执行的操作同样重要。Muse不会默认提供无限访问权限，也不会频繁打扰用户请求批准。它只在需要访问权限时才提出请求，会确认已获取的信息，并在执行前再次确认。例如在阅读Claire的邮件建立家庭档案后，Muse会总结已获取的信息并询问是否可以使用这些信息。任何开发处理个人数据的代理系统都应重视这种交互模式。

• Muse的活动日志提供了Claire期望的代理透明度。每个任务都包含详细的工具调用记录、脚本、搜索记录和具体操作步骤。虽然大多数普通用户可能不会关注这些信息，但开发者和高级用户会发现其价值非凡。Claire立刻希望在Codex和Claude Code中也使用相同的界面。看到代理如何一步步得出结论，比单纯接收一个没有过程可见的完美结果，能建立更深层次的信任。

• 个人目标需要与任务或聊天不同的产品模型。在狭小的房子里与八个月大的婴儿同房睡觉时，温和地帮助其建立睡眠习惯并不是一次对话就能完成的请求。Muse 在多轮对话中收集了上下文，设定了提醒，并将这种情况视为一个需要跟踪进度的持续目标。它的语气温暖且具体，但不会过度迎合。Claire 表示她对它感到“零%烦躁”，她将这种体验描述为奇迹。

• 浏览器使用仍然是消费者代理的薄弱环节。Muse 在特定配色方案下为 New Balance 9060 鞋款购物时遇到了困难，返回了错误结果且未能完成购买。在购买《奥德赛》演出票时表现更好，但最初打开的是错误的电影页面。这些失败并非 Muse 独有，它们提醒我们，基于浏览器的购物在所有代理类别中仍然不可靠。

• Muse 的动画化身展示了为 AI 专门设计的含义。与其在执行任务时显示通用的加载动画，Muse 会生成其化身在完成任务时拾起微型笔记本电脑、创建媒体时拾起光球的动画。没有人要求这个功能，但它让代理的状态立即变得清晰易懂。对 Claire 来说，这就是顶级工艺运作的体现。它不仅仅是精致的角落和简洁的图标，而是通过图像生成和动画等能力，解决以前无法解决的体验问题。

• Muse 为消费级 AI 引入了新的术语体系。它避免使用“crons”、“tools”、“artifacts”、“plugins”和“connectors”等技术术语，而是围绕“动态流”、“想法”、“目标”和“库”组织产品。这种语言选择是刻意为之的设计决策。产品使用的词汇决定了哪些用户会感到舒适，Muse 明显是为比当今代码和生产力代理更广泛的受众设计的。

#### 本集博客和详细工作流程说明：

Meta Muse 评测：专为家庭生活设计的个人 AI 代理：https://www.chatprd.ai/how-i-ai/meta-muse-review-personal-ai-agent ↳ 如何使用 Meta Muse 创建可打印的家庭通讯：https://www.chatprd.ai/how-i-ai/workflows/meta-muse-printable-family-newsletter ↳ 如何使用 Meta Muse 设置个人目标和提醒：https://www.chatprd.ai/how-i-ai/workflows/meta-muse-personal-goals-reminders ↳ 如何使用 Meta Muse 查找并购买电影票：https://www.chatprd.ai/how-i-ai/workflows/meta-muse-movie-tickets

Warp 如何通过 AI 工厂每月处理 2000 个 PR | Zach Lloyd（Warp 联合创始人兼 CEO）

由 DX 提供支持 —— AI 时代工程智能 | OpenArt —— 一站式 AI 创作平台（图像、视频、音乐、音频等）

Zach Lloyd 是 Warp 的联合创始人兼 CEO，Warp 是一个面向软件团队的代理开发平台。在本期节目中，他展示了 Warp 工厂如何将 Slack 中的请求转化为可追踪、可测试并合并的 Pull Request，首个 PR 最快可在 35 分钟内完成。他还解释了团队如何衡量人工参与度、对每次代理运行进行评分、回放真实任务以比较模型表现，并利用失败运行持续改进工厂本身。

• 软件工厂不仅仅是速度更快的编码代理，而是整个开发生命周期在云端的运行。Warp的工厂Wilson可以将Slack中的请求通过分诊、创建Linear工单、实现、创建拉取请求、计算机使用质量检测，最终完成合并，整个过程无需人工触碰键盘。工厂与编码代理的区别，就像流水线与单个工匠的区别。前者完成任务，后者协调整个生产流程。

• “每个拉取请求的人类交互次数”可能是衡量工厂效率最直观的指标。Slack中的每个后续提示、Linear工单中的澄清说明，以及代码审查中的每次修改都代表额外的人工投入。Zach认为，代理需要的干预越多，工厂的实际吞吐量就会越低。即使代理编写代码的速度再快，只要人类仍然是限制因素，效率就无法提升，但大多数团队并未衡量这一指标。

• 人类在代码审查中已成为Warp工程流程中的最大瓶颈。Wilson从启动到创建拉取请求平均需要35分钟，而第一次人类审查要等到3.5小时后。Warp已通过允许触发代理的人直接审查其工作，而非指定独立审查者，消除了一个延迟来源。公司尚未完全取消人工审查，但Zach预计随着信任的积累，未来某些修改将能够无需人工审查直接合并。

• 企业自身过往的工作比公开排行榜更能提供有效的基准模型。SWE-bench和Terminal-Bench等基准测试衡量的是通用任务的性能，而Warp则通过不同模型配置重放真实工厂任务，使用与生产环境相同的评判系统进行评估，并在帕累托图上绘制成本-质量权衡关系。对于Warp的工作负载，模型选择是影响成本的最关键因素，而上下文管理则远居其次。

• 当软件工厂的配置以代码形式存在时，它们可以自我改进。Warp的改进循环会收集失败的运行记录，直到积累足够多的案例（通常为20到25个）以识别模式。观察代理会分析问题所在，并提出对工厂代理定义的修改建议。由于这些定义以代码形式存储，完成工作的代理本身也可以更新其操作规则。

• 评分层是可靠工厂与凭感觉编码的流水线之间的关键区别。Warp使用AI裁判从多个维度对每次代理运行进行评分，包括是否生成了冗余测试。代理经常编写仅验证当前行为而非防止未来回归的测试。评分模型特意采用中等复杂度，以确保评估成本不会抵消工厂的节省效果，同时Warp可根据工作流程所需的监督程度调整采样率。

• 当AI连接真实业务数据时，其价值在工程领域之外会显著提升。在对话过程中，Zach同时并行执行了三项任务：通过Figma重新设计幻灯片、从四个月的Granola会议记录中提取出最常见的10个销售问题，以及在Google Sheets中创建冷线索重新激活列表。重新设计的幻灯片有一定价值，但Granola分析的影响更为深远。该分析将“购买还是自建”识别为首要客户问题，并用证据支持这一结论，为Warp提供了明确信号，指明了其网站和销售材料下一步需要关注的重点。

• 在公开场合与代理人员协作可以传播专业知识，无需正式培训计划。每个Wilson任务都在共享的Slack频道中运行，使初级员工能够实时观察经验丰富的用户如何提示、引导和纠正系统。Zach在代理使用中观察到幂律效应：少数人会显著优于其他人。使这些工作流程可视化，能让这些技能在组织内悄然扩散。

• 如果团队构建了错误的产品，加快开发速度并无意义。Warp仍然依赖用户访谈、设计会议以及对人们使用产品的直接观察。工厂大幅加速了实施过程，但不会决定哪些内容值得构建或原因。这些决策仍取决于人类的审美、客户理解力和产品判断力。构建阶段可能变化迅速，但构建之前的工作却依然保持显著的传统性。

Inside Warp’s Software Factory: https://www.chatprd.ai/how-i-ai/inside-warps-software-factory ↳ How to Build an Automated Software Factory: https://www.chatprd.ai/how-i-ai/workflows/how-to-build-an-automated-software-factory ↳ How to Build an AI-Powered CEO Toolkit: https://www.chatprd.ai/how-i-ai/workflows/how-to-build-an-ai-powered-ceo-toolkit ↳ How to Measure and Self-Improve Your AI Software Development Factory: https://www.chatprd.ai/how-i-ai/workflows/how-to-measure-and-self-improve-your-ai-software-development-factory

如果你喜欢这些内容，请回复告诉我你最想深入了解的话题：AI工作流程、招聘、增长、产品战略——任何内容都可以。

下周再见，Lenny

P.S. 想在新剧集发布时立即收到通知？在你最喜欢的播客应用上点击“关注”吧。

Previous

Next