AI Agent 学习笔记 – Meta Muse介绍

Agents: Muse介绍: 全球首个面向所有人打造的个人 AI 智能体

Sat, 10 Oct 2026 00:00:00 +0000

来源：Introducing Muse: The World’s First Personal AI Agent Built for Everyone
日期：2026 年 9 月 8 日
更新：2026 年 9 月 30 日

页首有一段介绍视频。

要点

Muse 是个人 AI 智能体。它实际完成工作，而不停留在回答问题。它帮助人们掌握各项事务的进展，承接任务与项目，并把长期目标转化为行动计划。
Meta 从零构建 Muse，使其成为一个注重隐私、使用上安全、具备防护，并且可以广泛提供的个人 AI 智能体。
Muse 运行在 Muse Secure VM 上。这是一台配有自己的浏览器的专用安全计算机。Muse 可以代表用户，在其日常使用的各个应用之间工作；它从对话中学习，反思对用户重要的事情，并在此过程中变得更精准。
每个人都保持对自己的 Muse 的控制，并决定授予它多少访问权限。
若要进一步了解 Muse 如何设计，以及安全、防护与隐私如何被构建进去，可读 How We Built Safety Into Muse 与 How We Designed Muse。

今天，Meta 发布 Muse。这是一个具备防护、注重隐私的个人 AI 智能体，它主动协助人们推进目标，并提出想法。个人智能体需要一种新的安全计算机，因此 Muse 运行在 Muse Secure VM 上。这是一台专用虚拟机（VM），同时容纳智能体与个人的数据。Muse 围绕人们既有的沟通方式设计，与它交谈如同给另一个人发消息，可以在 Muse 应用中进行，也可以直接在 WhatsApp 中进行。

用法简单。人们告诉 Muse 需要完成什么，它便采取行动。驱动它的是 Muse Spark，即 Meta 迄今能力最强的模型，为这类真实环境中的智能体工作而构建。

工作方式

与其他智能体不同，Muse 的构建目标是服务全球数十亿人，因此不需要专门学习。任何人都可以直接开始使用，不需要技术经验。它可以处理发送电子邮件、预订行程这类任务，也可以承接宏大的目标。一旦有人把目标告诉 Muse，它会帮助制定个性化计划，协调时间与资源，然后自行推进这项工作。它可以打开浏览器、填写表单，并代表用户进行协商。

对于耗时更长的任务，人们关闭应用之后，Muse 仍继续工作；当事情发生变化，或它需要批准时，它会回来。需要批准的情形包括发送电子邮件之前，以及完成购买之前。它以更少的投入得到更好的结果，例如以更高的价格卖出汽车、压低一笔账单，或在生活的其余部分发生变化时调整训练计划。

到需要付款时，Muse 可以使用 Stripe 推出的 Link 结账。它是首个被纳入 Link 购买保障的 AI 智能体。对符合条件的购买，保障包括物品损坏或丢失时的免费赔付、降价保障、免手续费退货，以及退货保证。Link 面向智能体的钱包会生成一次性卡，真实卡信息保持隐藏，从而可以在互联网上安全地完成购买。Shop Pay 即将作为另一种支付方式推出；同时将支持 1Password，使 Muse 可以使用用户已经保有的登录信息。

Muse 也会记住对一个人重要的事情，因此可以主动提出建议，并依据此人只提到过一次的细节采取行动。它可以把此人在 Instagram 上保存的菜谱 Reel 转成购物清单，为晚宴建议菜单，并在发出邀请之前记住朋友的饮食限制。

原文在此处嵌入三段演示视频。

为隐私、安全与防护而构建

个人智能体需要一种新的安全计算机，因此 Meta 为所有人构建了一台。Muse Secure VM 内建了隐私、安全与防护；原文将这些防护称为同类中的首创，并且是其他智能体所没有的：

Muse 在云端自己的专用计算机上运行，并加以隔离，使其他人的智能体无法访问它。Muse 驻留于此；用户所连接的任何服务的数据与凭证，也安全地存储于此。
一个独立的 Sentinel 智能体运行在同一台机器上，在系统层面与 Muse 分开。只有在 Sentinel 批准之后，Muse 的操作才会到达互联网；需要时，它会向用户请求许可。
Muse 看不到人们的密码或支付方式。用户分享给 Muse 的任何凭证都进入安全存储，因此 Muse 可以使用这些凭证，但看不到它们。用户自己在浏览器中输入的密码，Muse 也看不到。
在发送电子邮件或完成购买这类敏感动作之前，Muse 会先与用户确认。Muse 向用户展示完整的审计记录，包括它已经完成的事项，以及计划完成的事项。
用户选择 Muse 连接哪些应用，以及确切授予多少访问权限。以电子邮件为例，用户选择 Muse 可以做什么：只读取邮件，或者也可以代表用户发送。
用户可以随时更改访问权限，或断开某项服务。用户也可以退出，不让自己的交互被用于训练 Meta 的 AI 模型。
Muse 不会把个人的对话，或 VM 中的数据，提供给 Meta 的广告系统。
Muse 记住对用户重要的事情；用户随时可以要求它「忘掉」已经学到的特定内容。

原文在此处嵌入一段购物演示视频。

今年晚些时候，Meta 将推出 Muse Confidential VM（机密虚拟机）。整台 VM，包括个人的数据以及与 Muse 的对话，都使用只有用户本人持有的密钥加密，因此 Meta 也无法访问。

展望

Meta 认为，个人超级智能将是一个人一生中最具变革性的技术之一。Muse 是第一步：由智能体承担更多工作，使人们可以把注意力放在对自己重要的事情上。

Muse 正在美国的 iOS、Android 和 muse.ai 上推出，并即将支持 AI 眼镜。对人们所需的大部分用途免费；希望做更多事情的人可以使用订阅方案。

Agents: [官方文章]我们如何设计 Muse

Sat, 10 Oct 2026 00:00:00 +0000

来源：How We Designed Muse
作者：Mona Sarantakos，与 Christine Awad
日期：2026 年 9 月

页首有一段视频，标注为 “Muse organizing everyday life”（Muse 整理日常生活）。

Christine 和我一起做产品已经将近十年。把我们连在一起的，是对两件事的绝对投入：我们所爱的人，以及我们所构建的产品。平衡这两项优先事项并不容易。这些年里，随着孩子和父母进入新的阶段，我们谈得最多的，是如何不致被事务淹没，以及如何从有限的小时里再多争取一点时间。

对我们来说，Muse 归还了我们最稀缺的资源：与所爱之人相处的时间。

Muse 是我们一起构建过的最个人、也最具挑战的产品。这像是在为一个新时代做设计：模型会主动行动，持有多得多的上下文，并且能力强到可以生成它自己的体验。这意味着大量前所未有的产品决策，包括设想新的沟通方式、创造事物的方式，以及保障数据与动作安全的方式。

以下是一个起点：我们作出的决策，以及我们划下的界线。我们也建议阅读同事 Tarek Sheasha 的博文。那篇文章更深入地说明产品在技术上如何构建，以及用于保护用户及其数据的系统。

我们期待你们亲自体验，并告诉我们你们的看法。

Muse 是一个真正能办事的智能体

Muse 最突出的地方，是看着它真正为你办成一件事。

我们希望 Muse 在完成任务与目标时尽可能有帮助。事实上，我们的系统提示第一行是：

你的目的，是让你的用户生活得更好。

对我来说，让生活变得更好，意味着终于处理完我记在脑子里的待办清单。那份清单让我夜间无法安睡，而且似乎从不变短。

Muse 以我做不到的方式完成这些事。它同时处理多项任务，不会疲倦，也不会分心。这是它唯一的工作。

就在本周，我正在为这次发布做准备时，我让 Muse 管理孩子们的开学准备：盯着大量学校邮件和学区网站，把关键日期放到家庭日历上，把他们需要的用品放进购物车，甚至找到我儿子想要的那件运动衫，而且当时正在打折，并预订一顿晚餐来庆祝返校的第一天。

正是这样，它抓住了我肯定会错过的那件事：埋在那些邮件里的，是我儿子的体育队选拔，十二小时后截止。我的 Muse 在我登机前发来消息，于是我打电话给丈夫，他在还剩四小时时提交了表格。如果没有这次捕捉，我儿子就无法参加选拔。

要完成这一切，Muse 必须极具能力，并且主动。

Muse 有自己的计算机，带有文件系统和终端，因此它可以编写自己的代码，并构建一项任务所需的工具。它还可以使用完整的 Web 浏览器，从而能够搜索、浏览网站、填写表单并完成交易，例如预订和购买。

Muse 也可以为你产出结果，包括文档、PDF、网页等。它可以构建支出跟踪器、交互式学习指南，或一个用来发现睡眠规律的仪表板。

原文此处有图：Muse 创建的富内容 Artifacts 示例。

而且 Muse 一直在工作。一旦设定了目标或任务，Muse 就会按日程继续工作，并响应相关事件，迈出下一步并跟进；与此同时，它也处理你在对话中提出的请求。后台工作完成之后，它会评估结果是否值得呈现，只在出现有实质意义的新情况，或需要你输入时，才通知你。

从助手演进为智能体

设计这个产品时，我们把主对话做成一场长对话，就像与另一个人交谈那样。与其他 AI 应用不同，Muse 不是一轮一答的体验。你可以打断它，也可以一次发送多项任务，而不必等待它回应上一项。它的记忆在各次对话之间保持，并且能够管理大量上下文。在早期测试中，有些人仍然希望某些主题有单独的上下文；随着项目变得更复杂，这是合理的。因此我们构建了侧边对话（side chats）。

Muse 也是主动的。它可以在没有提示时向你发送消息。这意味着发送一条消息的门槛必须很高：主动消息必须真正有帮助，并且值得这次打断。我们认为默认设置对大多数人是合适的；你随时可以让 Muse 关闭主动消息，或把主动程度调低、调高。主动性还迫使我们作出一个较小的决定。一旦消息可以不按轮次到达，而用户又会连续发送好几条，一份平坦、没有边界的记录就不再可读。因此 Muse 使用对话气泡：它们标出一条想法在何处结束，下一条从何处开始。

为 Muse 设计头像和个性，既令人愉快，也是最自然的选择。在这些长时间对话中，对着一个公司标志或一个机构说话，显得很不自然。我们每个人想象中的交谈对象都很不一样。团队里的每个人都开始创建自己的 Muse。我们随之意识到，让它真正属于用户，对这个产品至关重要。创建自己的头像、为它命名，并赋予它独特的风格，已经成为人们反应最强烈的核心功能之一。这就说到我的 Muse：Veda，一个令人联想到智慧的梵语名字。

原文此处有图。图注为 “Veda”；图像说明为 “Veda, Mona’s Muse avatar”（Veda，Mona 的 Muse 头像）。

用 Muse 完成事务

后台工作与透明

Muse 可以管理多项任务，并在应用关闭后于后台进行。这种能力很强，但我们也随之追问：它究竟在做什么？看不见的事情无法信任，因此我们把越来越多的透明做进界面。例如，在头像下方，你会看到它正在处理的内容的一段摘要。点按 Muse 头像，会显示完整的活动日志，以及你已经批准的权限。权限界面、设置，以及记忆文件中也内建了透明；记忆文件可以直接阅读和编辑。

原文此处有图：Muse 的状态与活动视图。

目标与跟踪

我们开始让智能体承担多项长期任务，这些任务往往与我们想达成的目标有关。事实上，Muse 相当擅长拆解目标，并给出可执行的计划。因此，我们需要的不只是一个活动标签页。我们需要一个清楚的视图，看到 Muse 正在为我们跟踪的一切，以及它打算如何到达那里。Goals 标签页是 Muse 为你跟踪这些内容的地方。你可以在那里直接交互，也可以在对话中与它谈论这些任务。

原文此处有图：Muse 的目标与进展视图。

确定性控制

Muse 可以用对话处理很多事情，但在少数领域，对话并不够。因此我们有意划定了确定性界面不可让步的位置：结构清楚的审批卡片，带有明确的接受与拒绝动作，以及用于凭证的安全存储。

原文此处有图：Muse 的结账审批控件。

浏览网页是我们最看重的 Muse 能力之一，但这也带来很大的责任。人在环路功能会在关键动作上与你确认，例如撰写电子邮件或完成购买。我们也不希望出现横幅盲视，也就是人们为了让提示消失而一律批准。监督那些难以撤销的动作很重要。因此默认允许常规的网页浏览，并在难以撤销的事项上停下来。我们也内建了控制，让你把这些默认设置改得更谨慎，或更宽松。

Artifacts

有时，一块文本并不是答案的合适形态。如果请一个人规划旅行，你不会想要一篇两千字的回复，而会想要一份行程。如果在跟踪一段时间内的支出，你可能想要一个实时仪表板，而不是每天一条消息。Muse 可以创建丰富的交互式输出。这些输出通过对话发送，也可以存在于对话之外。我们称之为 Artifacts。我们认为，人们会越来越想要更丰富的、按具体需求定制的界面，而不是今天对话以文本交付的内容。

找到关键之处

早期测试暴露了一个出乎意料的问题：Muse 能做的事情太多，以至于人们不知道从哪里开始。因此我们把 Muse 设计成始终思考它能为你做什么，并根据你的目标、你的行为模式，以及它在对话中学到的内容来生成想法。

Muse 为你创建的想法有多种形式：在最初几天的上手过程中作为提示；在 Ideas 标签页中作为建议；如果 Muse 了解你的目标，它会基于自己的观察以及与你的对话，主动分享新的想法，或对计划的调整。

原文此处有图：Muse 建议的想法。

请看产品设计负责人 Alex 更详细地演示 Muse。

此后的方向

我们看重已经建成的成果，同时也知道现在还早。使用 Muse 时需要审慎，因此请花时间熟悉设置与控制。我们将继续向使用者学习，并迭代产品，使它更有帮助，也更安全。我们将以同等的抱负与审慎来构建，因为二者缺一不可。我们打算以此方式与前沿一同前进。

基于这一点，我们希望你从这个起点开始使用，并期待听到你们自己的 Muse 故事。

Agents: 从 ChatGPT 到 Muse：AI 正在长出"云端身体"

Sat, 10 Oct 2026 00:00:00 +0000

来源：从 ChatGPT 到 Muse：AI 正在长出"云端身体"
作者：亨利笔记
日期：2026 年 10 月 8 日

从模型竞赛到个人智能体，下一代 AI 正在争夺任务入口

九月份，AI 行业出现了两种类型的产品发布。

一种是模型：Anthropic 的 Claude Opus 5.5，OpenAI 的 GPT-6.1 Sol，谷歌的 Gemini 4 Argon。超强的参数、推理能力、Benchmark，关注的仍然是 AI 的"大脑能力"。

另一种是智能体：Meta 的 Muse，Manus 的 Cue，以及 OpenAI 的 Dots。它们比拼的已经不是"回答得多好"，而是"能不能替你把事办完"。

还有消息称，国内大厂也在快马加鞭地研发 Muse 对标的个人智能体差评。

这些产品的发布都挤到同一个月之内，绝对不是巧合。可以说，巨头们在同一时间集体转向个人智能体，这是为什么呢？

答案的线索在模型之外。AI 要真正干活，不能只有大脑，还需要一副身体。过去 AI 的入口是"回答"，未来 AI 的入口，可能是"任务"。

从聊天机器人到智能体：AI 从工具变成执行者

聊天机器人是"你问它答"，一次交互就结束，没有长期目标：

用户→问题→模型→回答

Agent（智能体）是"你给目标，它交结果"：

用户目标→任务规划→工具调用→执行任务→反馈调整

你只需要说：“帮我准备一份新能源行业分析。“它会自己搜索资料、阅读研报、整理数据，遇到卡点回头调整，最后交给你一份成果。

最大的变化不是模型更聪明，而是 AI 开始有了行动能力。只能说话的大脑，价值有天花板；一旦能动手，价值就从"提供信息"变成了"交付结果”。

这也是"数字员工"这个说法流行的原因，只不过个人智能体更进一步：它服务的不是企业流程，而是你个人的目标和日常。

但要让 Agent 真正去执行，光有大脑不够，它还需要一副身体。

AI 不仅需要大脑，还需要身体

如果模型是 AI 的"大脑”，这副"身体"就是：能长期运行的环境、长期记忆（Memory）、可使用的工具，以及一块属于自己的工作空间。

这层新的基础设施，称为 Agent Runtime（智能体运行时），也可以理解为 AI 时代的"执行环境"。

1. 为什么是现在

过去不是没人想做智能体，而是做不起来：模型不够可靠，工具调用容易中断，成本太高，安全也没法控。现在三件事同时在变：

模型在复杂任务规划、工具调用和多步骤执行上取得了明显进展。
成本在下降。OpenAI 宣称 GPT-6.1 Sol 在部分 Agent 基准上达到接近 Astra 的表现，成本却只有约五分之一。
隔离环境的工程方案开始成熟。

模型决定它能不能规划，成本决定它能不能一直开着，隔离环境决定它敢不敢被授权。三者缺一，Agent 就只能停留在演示阶段。

2. Agent 是长期运行的软件实体

聊天机器人是一次请求、一次回答。Agent 可能要跑几个小时，也可能每天定时执行：早上总结邮件、持续追踪行业新闻和盯着项目进度，有异常就提醒你。

这样的任务放在个人电脑上很别扭：合盖休眠、网络切换和权限弹窗，任何一个都能让任务中断。

所以 Agent 天然需要一个一直在线的云端环境。OpenAI 的 Dots 把这件事说得很直白：用户关掉网页后，它仍在后台默默地工作。

3. Agent 需要属于自己的工作空间

过去是人拥有一台电脑，未来每个人可能拥有一个 AI 工作空间。这不只是比喻，它真的需要这些东西：

AI Workspace
├ Memory 长期记忆
├ Files 文件
├ Browser 浏览器
├ Tools 工具
├ Credentials 凭证
├ Task History 任务历史
└ Runtime 运行环境

这像是给 AI 配了一间办公室：有自己的文件柜、浏览器和工作日志。下次你再交代任务，它不必从零开始认识你。

4. 为什么必须是虚拟机和沙箱

Agent 要浏览网页、操作应用、运行代码和访问数据。让它直接在你的电脑上做这些事，一次误操作或一次提示词注入，后果都可能很严重。

Agent 越有能力，风险也越大：它能操作你的账户，也可能被诱导去操作你的账户。所以主流做法是给它一个隔离的环境：

用户→ Agent → Secure VM →工具 / 应用

好处是安全、权限可控、出错可恢复，以及过程可审计。

Meta 的 Muse 是目前发展得相对完整的一个。官方说得很明确：个人智能体需要新的安全计算机，所以每个 Muse 都跑在专属的 Muse Secure VM 里，自带浏览器，智能体和用户数据都装在其中。

同一台机器上另有一个独立的 Sentinel 智能体，Muse 的网络请求和连接器操作要经它批准才能放行；密码和支付信息放在凭证库里，Muse 本身看不到真实值。

安全已经不只是模型对齐的问题，而成了整个运行环境的架构问题。未来 Agent 的竞争，不仅是"谁更聪明"，也是"谁敢被用户授权更多"。

三种产品，三种切面

这三款产品在用不同方式回答同一个问题：身体该怎么长。

以下信息基于它们发布时的公开信息：

Manus：执行层加身份层。这条线要分两层看。

Manus 2.0 是执行层：早期产品形态已经体现了"提交目标、后台执行、交付结果"的思路，Manus 2.0 又新增云端电脑和事件触发的 Automations（自动化），底层换成自研的 Cascade 框架。

同一天推出的 Cue 是建在 Manus 基础设施上的独立应用，是身份层：每个 Agent 有自己的邮箱、手机号、钱包和电脑，预算由用户设定，多个 Agent 还能在群聊里分工协作。

这已经是给 AI 一套可以在社会里行事的身份和资源。

Dots：大模型公司把 Agent 平台化。

Dots 在 OpenAi 的 DevDay 上发布，能在 ChatGPT、Slack、Teams 里联系，并会从反馈中学习用户偏好。

据 OpenAI 和多家媒体报道，它由 GPT-6 Astra 驱动。它的卖点是"给模型配了一个不下班的身体"。ChatGPT 正从聊天产品，转变成 Agent 平台。

Muse：个人数据与安全隔离。

连接个人账户是 Agent 最高风险的一步，Muse 的回答是用架构而不是承诺来兜底。它还可以直接在 WhatsApp 里使用，背后是 Meta 的社交入口。

三个产品共同指向的，是一种新的软件形态：AI 自己拥有运行环境、记忆、工具和执行权限。

开源阵营：Agent Runtime 不只是大厂路线

这种形态并不只属于大厂，开源阵营也在用另一种方式验证同一件事。

开源的 OpenClaw 曾是最火的个人智能体项目之一，创始人加入 OpenAI 后，项目转入基金会继续开源。

Nous Research 的 Hermes Agent 则主打持久记忆和内置定时任务，官方宣传"一台 5 美元的 VPS 就能跑"。

大厂是替你准备好服务器，开源用户是自己租一台，本质是同一个需求：Agent 要长期在线，就绕不开一台永远开着的机器。

这说明跑在云端是 Agent 的软件需要长期在线自然推导出的结果。

这也引出一个判断：未来也许不是"云端 vs 本地"，而是混合 Agent：

云端 Agent：规划、记忆、调度

本地 Agent：私有文件、本地环境、敏感数据

苗头已经出现。Dots 在用户授权下可以直接在笔记本上工作，Manus 2.0 也支持通过自然语言远程操控被授权的电脑。混合模式实质上是把身体分成两半：需要长期在线的留在云端，需要贴身、敏感的留在本地。

巨头争的其实是任务入口

但无论云端还是本地，Agent 最终要争夺的，是同一个位置：用户任务的入口。

回看计算史，每一代平台的赢家，都是控制了关键入口的那一方：Windows 控制了 PC，iOS 控制了移动端，搜索控制了信息获取。

Agent 想控制的，是任务入口。用户不再打开一个个 App，而是直接告诉 Agent：“帮我订下周去上海的行程，预算五千元以内。” 谁成了这个"告诉"的对象，谁就握住了下一代的入口。

从这个角度看，个人 Agent 也就是面向个人的"数字助手"。所以这个入口也成了兵家必争之地，各家都在用自己的底牌全力卡位。

OpenAI 有模型和庞大的 ChatGPT 用户基础，Meta 有社交关系和 WhatsApp。谷歌的优势在于搜索、Workspace 和 Android，但 Gemini 4 Argon 目前更像一次模型层面的回归，是否具有个人 Agent 的完整形态仍需观察。

国内厂商的底牌或许各不相同。字节有内容生态和手机入口，阿里有电商、办公和云，腾讯有微信和社交关系。但他们的目标大概率一致：在入口形成之前先站住。

结尾：个人 AI 云，可能是下一代计算平台

PC 时代，软件装在本地；互联网时代，服务搬到云端；移动互联网时代，App 成为主角。下一步，可能是 AI Agent 成为新的平台。

每个人也许会拥有个人 AI 云，里面有 Agent、Memory、Tools 和 Workspace。说白了，它就是每个人自己的"云端身体"。操作系统管理的是文件和进程，Agent Runtime 管理的是记忆、权限和任务，它很可能是下一代的"操作系统"。

但操作系统的前提，是用户愿意把东西交给它。这正是个人 Agent 和过去所有软件最不一样的地方。

当然，真正的难题是：你愿意把多少账户、多少权限、多少钱，交给一个替你行动的 AI？这个问题不是靠"模型更对齐"就能解决的，它需要架构：隔离、权限、凭证和审计。

Manus 的钱包预算、Meta 的 Sentinel，都是在用产品回答同一个问题：信任不是承诺，是设计。

如果说数据是互联网时代的核心资产，用户规模是移动互联网时代的核心资产，那么 AI 时代真正的资产，可能是用户和 Agent 之间长期形成的关系，也就是"个人智能关系"：AI 对你的长期目标、习惯和上下文的理解，以及你对它的长期信任。

下一阶段的竞争，也许是谁能成为你最信任的那个智能伙伴。

本文涉及的产品与模型信息，基于公开报道与官方发布整理；部分产品状态变化较快，请以官方最新信息为准。

Agents: 什么是 Meta Muse：个人 AI 智能体、定价与 Sentinel 权限模型

Sat, 10 Oct 2026 00:00:00 +0000

来源：What Is Meta Muse? Meta’s Personal AI Agent, Pricing and the Sentinel Permission Model
审阅：Tech Jacks Solutions
日期：2026 年 10 月（结构化数据：发布于 2026-10-04，更新于 2026-10-05）
类型：Breakdown

页面唯一的图片是分享用标题卡。正文中没有插图。

审阅：Tech Jacks Solutions · 2026 年 10 月 · Breakdown

Meta Muse AI 智能体可以在已连接的账户上执行任务。它可以打开浏览器、填写表单、预订行程，并代表用户发送邮件。Meta 在 Muse 发布公告中描述了这些动作。实际要回答的问题是：所有者允许哪些动作，以及何时必须由所有者批准。

这篇指南涵盖消费级 Muse 产品、已见报道的订阅价格，以及执行任务的智能体与 Sentinel 之间的边界。Sentinel 是一个独立的权限权威。Muse Spark 模型族与 Muse Code 编程智能体另有专文。

什么是 Meta Muse AI 智能体？

Muse 是 Meta 的消费级个人智能体。Meta 称，它可以追求一个目标、规划步骤，并在应用关闭后继续工作。例子包括发送邮件、预订行程、打开浏览器、填写表单，以及协商。这些是外部服务中的动作，因此需要比一条聊天回答更严格的审视。Meta 的产品公告列出了这些任务与后台工作。

核心区别在于：建议性控制要求任务智能体自行约束行为；强制控制把批准放在任务智能体无法改写的边界上。Meta 称，Sentinel 在系统层面与 Muse 分离，并控制其流量能否离开 VM。这是 Meta 的架构主张，并不是一项独立的安全结论。

用户可以连接服务，并选择 Muse 获得的访问权限。Meta 具体描述了这一选择：Muse 可以只读邮件，也可以同时发送邮件；之后可以更改访问权限，或断开该服务。这些选择属于 Meta 已发布的控制说明。

Muse 在哪里可用？

Meta 于 2026 年 9 月 8 日发布 Muse，并称正在美国的 iOS、Android 与 muse.ai 上推出。发布文还描述了 WhatsApp 中的对话。它把 AI 眼镜支持表述为即将推出，因此该公告不能当作每一项眼镜功能此刻均已可用的证据。

2026 年 9 月发生了变化：Meta 的公告把 Muse 从模型叙事推进为可以通过已连接服务采取动作的消费级智能体。

Meta Muse 如何收费？

Meta 称，Muse 对多数需求免费，并为希望做更多事的人提供订阅。该发布声明没有给出数值额度，也没有写出付费方案的名称。CNBC 报道，Meta 高管 Alexandr Wang 描述了免费档，以及每月 20 美元或 100 美元的选项，具体取决于用量。

已审阅来源实际确立的内容

选项	价格依据	用量依据
免费	Meta 称多数需求可以免费使用	发布声明中没有数值额度
付费档	CNBC 报道为每月 20 美元	在 CNBC 的报道中，Wang 将定价描述为随用量变化
更高付费档	CNBC 报道为每月 100 美元	此处没有确立任务量或计算量的数值上限

不要把报道中的价格当成已经承诺的配额。订阅之前，应查看应用内当前方案的计费周期、用量计量、续订条款，以及达到限额时会发生什么。如果任务在应用关闭后仍能继续工作，这一点尤其相关。Meta 在发布文中描述了这种后台行为。

Muse Secure VM 与 Sentinel 如何强制执行权限？

Meta 称，Muse 运行在一台名为 Muse Secure VM 的专用云虚拟机中。独立的 Sentinel 智能体运行在同一台机器上，并在系统层面与 Muse 分开。Meta 陈述的边界很直接：「Muse 所做的任何事，未经 Sentinel 批准，都不会到达互联网。」这是关于系统路径的强制执行主张，而不是写进提示词的建议。

任务

Muse 准备一项账户动作或浏览器动作。

边界

Sentinel 决定流量能否离开 VM。

人

在发送邮件或购买等敏感动作之前，Muse 会询问用户。

Meta 称，密码与支付细节存放在 Muse 无法查看的位置，并提供已完成工作与计划中工作的动作轨迹。它还称，用户可以授予应用访问权限、收窄邮件权限、更改这些权限，以及断开服务。这些是 Meta 已发布的防护措施；仅凭公告，并不能确立每一个边界情况在真实账户中如何表现。

对于购买，Meta 称 Muse 可以使用由 Stripe 构建的 Link，以及一张隐藏用户卡详情的一次性卡。它称，购买之前 Muse 会询问用户。两项陈述都来自 Meta 的发布公告。这个批准点之所以重要，是因为能够填满购物车的智能体，在付款之前仍应有一次单独的核对。

独立分析如何描述 Secure VM 的内部？

Meta 的发布公告停在边界上：Muse 位于它自己的云 VM 中，Sentinel 位于其旁，凭证进入 Muse 可以使用但看不见的存储。两篇独立文章进一步讨论这一边界可能如何构建。应将它们读作外部分析。Meta 的公告没有逐项确认下面的实现细节。

runtime cell 与主机域

Forkast 的架构分析把这台 VM 描述为两个域。runtime cell 运行 agent harness 及其工具；Forkast 称 runtime cell 是一个 systemd-nspawn 容器。在它之外，主机域存放安全敏感的服务。Forkast 称，网络拦截与进程归属使用 eBPF cgroup 程序，Linux Security Module 钩子负责传播污点：进程一旦读取用户数据即变为污点状态；污点进程失去狭窄的自动允许路径，转入更严格的审批流程。

凭证与替身令牌

在凭证方面，Forkast 指出一项名为 hatch-authd 的主机服务。按该文的记述，智能体收到的是不含访问权限的替身令牌；真实秘密只在动作获批之后，于网络边界插入。一篇 DEV Community 分析把同一设计表述为权限分离，目的是防止遭受提示注入的智能体泄露 OAuth 令牌。

各方对 Muse Secure VM 分别说了什么

细节	Meta 公告	独立分析
每人一台专用云虚拟机	公告中有陈述	Forkast 与 DEV Community 有描述
独立的 Sentinel 批准出站动作	公告中有陈述	被描述为主机侧的权限权威
凭证可供使用，但 Muse 看不见	公告中有陈述	被描述为替身令牌加上 hatch-authd
systemd-nspawn runtime cell，以及 eBPF 污点跟踪	公告中没有陈述	仅见于 Forkast

Muse 在日常中如何工作？

后台工作、记忆与批准

Muse 为超出一次聊天窗口的任务而构建。用 Meta 的话说，对于较长的任务，Muse「在人们关闭应用之后继续工作，并在情况发生变化或需要批准时回来，例如在发送邮件或完成购买之前」。Meta 还称，Muse 会记住对用户重要的事；用户可以让它「忘记」已经学到的特定内容；用户也可以选择不把自己的交互用于训练 Meta 的 AI 模型。

连接器、邮件与 AI 眼镜

连接器是 Muse 触及其他服务的方式。在 Connect 上，Meta 称正在加入 Walmart、Best Buy、American Eagle Outfitters、DICK’S Sporting Goods、Fanatics、Gap、Michael Kors、Sephora、Ulta 与 Wayfair，并以 Shop Pay 和 PayPal 处理支付；Muse 还将获得自己的电子邮件地址。Meta 的 Connect 回顾还称，Muse 将「在未来数月内」进入其 AI 眼镜，并能够根据佩戴者正在看的内容采取动作。

Mac 上的计算机工作、头像与商业模式

TechCrunch 对 Connect 的报道补充了三项。Meta 称正在把 Muse 的计算机工作带到 Mac，使用户离开之后，智能体仍继续处理队列中的作业。一个新模型 Muse Realtime Avatar 用于为每个人的智能体提供视频聊天头像；TechCrunch 称用户很快就能获得这一功能。在收入方面，TechCrunch 引用 Mark Zuckerberg 的话：Meta「让 Muse 对大量 token 免费，并预期随着时间推移，我们将通过从交易中抽取小额费用来获利」。

Muse Confidential VM 会改变什么

一项隐私变化仍在后面。Meta 称，今年晚些时候将推出 Muse Confidential VM（机密虚拟机）。整台 VM，包括用户的数据与对话，都用一把仅由该用户持有的密钥加密，「因此即便 Meta 也无法访问」。在此之前，访问限制依赖 Meta 所陈述的设计，而不是用户持有的密钥。

连接账户之前应核对什么？

从仍能完成预定任务的最窄访问权限开始。只读收件箱，与从收件箱发送，两者的差别在于一次错误会影响到谁。Meta 称，用户可以对邮件作出这一选择，并在之后撤销访问。

连接核对

我知道正在连接的是哪个应用，以及这项任务为什么需要它。
在不需要发送或编辑的地方，我选择了只读访问。
我知道哪些动作需要我批准，尤其是邮件与购买。
我能找到动作轨迹，以及断开该应用的途径。
在分享个人信息之前，我查看了当前的数据使用设置。

Meta 称，用户可以选择不把交互用于训练其 AI 模型，并称 Muse 的对话与 VM 数据不与 Meta 的广告系统共享。这些是厂商陈述。在假定某项设置具有你所期望的效果之前，应查看自己账户中可见的控制项。Meta 描述了这两种数据使用选择。

决策示例：如果任务是汇总收件箱，授予读取权限，并在允许任何发送动作之前查看汇总结果。如果任务以购买结束，应在批准之前核对批准提示所显示的细节。这一建议遵循 Meta 所称 Muse 提供的权限分离；它是用户的决定，并不是「系统能够阻止每一次错误」的主张。

Muse 与 Muse Spark、Muse Code 是什么关系？

Muse 是消费级智能体的界面与服务。Meta 称，它由 Muse Spark 驱动，该模型族提供底层 AI 能力。Muse 发布公告写出了这一关系，并且 Meta 将 Muse Spark 作为模型族发布。模型公告本身并不能确立消费级产品获得了哪些账户权限。

关于模型架构，见我们的 Muse Spark 说明。关于开发者工具，见 Muse Code 的报道。本文聚焦个人智能体的已连接服务、已见报道的价格，以及所主张的 Sentinel 批准边界。

Meta 是否为 Muse 发布了系统卡？

就智能体产品而言，截至 2026 年 10 月 5 日，我们没有找到。Meta 已发布的评估文档覆盖驱动 Muse 的 Muse Spark 模型，并不覆盖带有连接器、VM 与 Sentinel 的消费级智能体。对智能体本身，发布公告是其防护措施的主要描述。

Meta 为 Muse Spark 模型发布了什么

就模型而言，Meta 的 Muse Spark 1.1 文章称，部署前已在其 Advanced AI Scaling Framework 下运行安全评估，覆盖 Chemical & Biological、Cybersecurity 与 Loss of Control 风险类别，并称「我们针对 1.1 的完整安全态势记录在 Muse Spark 1.1 Evaluation Report 中」。Meta 的 Muse Spark 1.1 公告链接了该报告。更早的 Muse Spark 发布文指向一份 Safety & Preparedness Report，其中包含首个版本的完整结果。

为什么模型报告不是产品系统卡

这一缺口为什么重要：模型评估衡量模型在测试上的行为，包括提示注入测试与误用测试。它不衡量某一具体产品如何限制该模型能够触及的对象。对 Muse 而言，第二个问题由上文所述的 VM、Sentinel 与连接器权限来回答；目前这些依据是 Meta 的产品陈述加上外部分析，而不是一份已发布的产品级评估。

Muse 的采用有多快？

App Store 排名与下载量

按目前已报道的度量，速度很快。OfficeChai 报道，Muse 曾短暂超过 ChatGPT，成为 Apple 美国 App Store 免费应用榜首，前五天下载量约为 730,000。已审阅的来源中，没有 Meta 发布的下载量或活跃用户数字，因此应将下载量视为外部对安装量的估计，而不是使用量。

商业伙伴

商业伙伴随后出现。OfficeChai 报道了与 Shopify、Instacart、Expedia 和 PayPal 的集成合作。按 OfficeChai 的表述，Shopify 首席执行官 Tobi Lütke 宣布，该公司正在与 Muse 深度合作，以便在全部 Shopify 商店上通过 Shop Pay 实现智能体结账。PayPal 在 X 上表示，它正与 Meta 合作，使其客户可以在全球 PayPal 商户中通过 Muse 购物并结账。Instacart 的集成把「Taco Tuesday」这类提示变成一个可以结账的杂货车；Expedia 的集成让 Muse 在应用内规划行程并预订酒店。

Amazon 的拦截

Amazon 走了另一条路。Gizmodo 报道，截至 9 月 20 日星期日夜间，试图通过 Muse 在 Amazon 上购买的人看到一条弹窗：「未经授权的 AI 智能体继续访问，违反了 Amazon 的使用条件，而我们的客户已经同意这些条件。」Amazon 确认已要求 Meta 停止 Muse 在 Amazon.com 上购物，并对 Muse 如何处理客户凭证与账户数据提出关切。The Next Web 指出，Amazon 还在针对 Perplexity 的另一起案件中提交了修正起诉，指控该公司误导联邦上诉法院。

已报道的 Muse 采用与伙伴信号

信号	报道内容	来源
App Store 排名	曾短暂成为 Apple 美国 App Store 免费应用榜首	OfficeChai
早期下载量	前五天约 730,000（估计值）	OfficeChai
商业伙伴	Shopify、PayPal、Instacart、Expedia	OfficeChai
已宣布的零售连接器	Walmart、Best Buy、Sephora、Wayfair 等	Meta Connect 回顾
Amazon	截至 9 月 20 日拦截了 Muse 购物	Gizmodo

要点

Muse 可以跨已连接服务采取动作，因此应把任务与账户访问放在一起评估。
Meta 将 Sentinel 描述为 Muse Secure VM 出站动作的独立权威；应将其视为厂商的架构主张。
Meta 确认有免费提供与付费订阅，CNBC 则报道了每月 20 美元与 100 美元的选项；付款前应核对应用内的当前条款。
任务不需要写入动作时授予只读访问，并查看动作轨迹。
比较产品时，把消费级智能体、Muse Spark 模型族与 Muse Code 分开。
Meta 已发布的安全评估覆盖 Muse Spark 模型；截至 2026 年 10 月 5 日，没有找到 Muse 智能体的产品级系统卡。
按外部估计，采用速度很快，商业图景则是分开的：Shopify、PayPal、Instacart 与 Expedia 宣布了集成，Amazon 则拦截了 Muse 购物。

什么是 Meta Muse AI 智能体？

Muse 是 Meta 的消费级智能体，可以在已连接服务中执行任务，包括邮件、行程预订与网页表单。

Meta Muse 如何收费？

Meta 称，Muse 对多数需求免费，并提供付费订阅。CNBC 报道每月有 20 美元与 100 美元的选项，具体取决于用量。

Sentinel 如何控制 Muse？

Meta 称，独立的 Sentinel 智能体批准离开 Muse Secure VM 的出站流量；发送邮件与购买等敏感动作则会提示用户。

来源与延伸阅读

Meta：Introducing Muse（产品动作、可用性、安全主张、账户控制、Confidential VM）。
Meta：The biggest news from Connect 2026（连接器、电子邮件地址、AI 眼镜）。
CNBC：Meta pushes into personal AI agents（已报道的订阅价格）。
Meta AI：Introducing Muse Spark（模型族背景、Safety & Preparedness Report）。
Meta AI：Introducing Muse Spark 1.1（部署前安全评估、Muse Spark 1.1 Evaluation Report）。
TechCrunch：Everything new coming to Meta’s AI agent Muse（Mac 上的计算机工作、头像、商业模式）。
Forkast：Muse agent architecture analysis（对 Secure VM 的独立分析）。
DEV Community：Meta Muse and the Secure VM bet（对凭证隔离的独立分析）。
OfficeChai：Muse tie-ups with Shopify, PayPal, Instacart and Expedia（伙伴、App Store 排名、下载量估计）。
Gizmodo：Amazon blocks Muse（Amazon 的拦截及其陈述的关切）。
The Next Web：Amazon blocks Muse, amends Perplexity complaint（相关诉讼）。

视频

原文给出的是检索入口，不是单条视频。这里不转写画面。

Meta Muse launch videos（YouTube 检索）
Muse Secure VM and Sentinel videos（YouTube 检索）

继续阅读

AI Glossary：智能体与权限概念的定义。
AI Governance Hub：评估已连接 AI 系统时的政策问题。
Agentic AI Hub：关于执行任务的 AI 系统的更多内容。

对照厂商文档与官方来源完成事实核对，时间为 2026 年 10 月。订阅前应在 Muse 应用中核对当前价格。

Meta、Muse、Muse Spark 与 Muse Code 是 Meta Platforms, Inc. 的商标。这是独立编辑报道，并非由 Meta 赞助。

AI Agent 学习笔记 – Meta Muse介绍

Agents: Muse介绍: 全球首个面向所有人打造的个人 AI 智能体

要点

工作方式

为隐私、安全与防护而构建

展望

Agents: [官方文章]我们如何设计 Muse

Muse 是一个真正能办事的智能体

从助手演进为智能体

用 Muse 完成事务

后台工作与透明

目标与跟踪

确定性控制

Artifacts

找到关键之处

此后的方向

Agents: 从 ChatGPT 到 Muse：AI 正在长出"云端身体"

从聊天机器人到智能体：AI 从工具变成执行者

AI 不仅需要大脑，还需要身体

1. 为什么是现在

2. Agent 是长期运行的软件实体

3. Agent 需要属于自己的工作空间

4. 为什么必须是虚拟机和沙箱

三种产品，三种切面

开源阵营：Agent Runtime 不只是大厂路线

巨头争的其实是任务入口

结尾：个人 AI 云，可能是下一代计算平台

Agents: 什么是 Meta Muse：个人 AI 智能体、定价与 Sentinel 权限模型

什么是 Meta Muse AI 智能体？

Muse 在哪里可用？

Meta Muse 如何收费？

Muse Secure VM 与 Sentinel 如何强制执行权限？

独立分析如何描述 Secure VM 的内部？

runtime cell 与主机域

凭证与替身令牌

Muse 在日常中如何工作？

后台工作、记忆与批准

连接器、邮件与 AI 眼镜

Mac 上的计算机工作、头像与商业模式

Muse Confidential VM 会改变什么

连接账户之前应核对什么？

连接核对

Muse 与 Muse Spark、Muse Code 是什么关系？

Meta 是否为 Muse 发布了系统卡？

Meta 为 Muse Spark 模型发布了什么

为什么模型报告不是产品系统卡

Muse 的采用有多快？

App Store 排名与下载量

商业伙伴

Amazon 的拦截

要点

来源与延伸阅读

视频

相关阅读

继续阅读