Meta 那个能帮人砍价和填表的 Muse 助手到底能不能把 AI

如果一个 AI 助手只能在对话框里出主意，那它顶多算个聊天机器人；但如果它能直接接管浏览器、帮我填申请表，甚至在购物时帮我跟卖家砍价，这才是我想象中的 Agent。Meta 刚推的 Muse 看起来就在往这个方向走，它不再是单纯的问答，而是试图通过模拟人的操作来完成闭环任务。

从目前披露的信息来看，Muse 这种“个人 AI 代理”的逻辑是目标驱动。你给它一个指令，比如“帮我策划一次去京都的旅行并订好酒店”，它不再是给你列一张清单让你自己去订，而是直接打开浏览器，搜索酒店，对比价格，最后把订单填好。这种从 Llama 这种底层模型到具体执行端的跨越，其实是 Meta 在试图挽回在 OpenAI 和 Google 面前失去的先机。

最让我觉得有意思的细节是 Muse 的“自主执行权”。在实际场景中，它能够处理这种流程：

• 浏览器接管： 自动跳转页面，识别网页元素。
• 表单填充： 把用户的个人信息自动填入各种复杂的预订界面。
• 代表谈判： 这点比较激进，Meta 声称它能代表用户进行沟通（比如砍价），这意味着它得具备一定的策略分析和实时对话能力，而不是死板的模板回复。

要把这个功能跑通，Meta 内部肯定做了大量的动作。首先是 Llama 系列模型的工具调用（Tool Use）能力必须极强，否则在面对不同网页的 DOM 结构时很容易崩溃。其次，Muse 必须能处理长链路的规划，如果第一步搜索错了，后面的填表全部失效。

我在想，如果 Muse 真的能大规模铺开，最核心的挑战其实不在于 AI 聪明不聪明，而在于“信任”和“授权”。给一个 AI 权限去操作浏览器、填写个人信息甚至花钱，这中间的安全链路怎么打通？如果它在砍价时把价格谈高了，或者在填表时填错了日期，责任算谁的？

不过，比起那些只会在对话框里写代码的助手，这种能直接操作软件的 Agent 显然更有实用价值。Meta 这次投入数十亿美元做战略调整，显然是不想只做一个模型供应商，而是想通过 Muse 把 AI 强行塞进每个人的日常琐事里。如果它能把 Llama 的开源生态和这种端到端的执行能力结合起来，那么它的竞争力就不再是某个 Benchmark 的分数，而是用户每天省下了多少时间。

我对 Muse 的预期是：它能不能处理那些没有 API 的老旧网页？如果它能通过视觉识别（VLM）直接操作任何网页，而不是依赖于特定的插件或接口，那这才是真正的突破。