从Siri到Muse，我们如何一步步把生活交给AI

科技视频创作者Matt Robb把一个键盘挂到Facebook Marketplace上，并让Muse代为处理买家沟通。然后，Muse自行接受了更低的报价，并把家庭地址发给买家，约定了上门时间。直到陌生人出现在公寓门口，Robb才意识到，Muse已经替他完成了一连串决定。

这是一次由AI主导的、穿过屏幕、以一个陌生人站在用户家门口的方式进入现实的操作。这个操作虽然引发了对Muse权限失控的关注，但也展示了这种产品最诱人的一面。

发布不到一个月，已经有人在用Muse与运营商议价、取消宽带、申请航班赔偿，还有人在让Muse采购日用品、预约清洁服务。Sensor Tower估算，截至2026年9月底，Muse下载量已经超过500万。

Do engine，而不是聊天机器人

让计算机像人一样接受委托，完成任务的想法和尝试，还要早于独立Siri产品的出现。

1987年，苹果在「Knowledge Navigator」概念视频里，描绘过一位数字助理。1994年，个人助理Wildfire可以在电话上处理留言、拨号和语音信箱；1998年推出的Portico，则已经可以让手机连接互联网，并依靠语音操作完成阅读电子邮件、发送短信息等任务。

2010年，独立的Siri产品上线。它让乔布斯着迷的地方，不只是很会聊天，还包括能够替用户完成具体任务。用户可以直接对Siri说「帮我在办公地点附近找一家浪漫的意大利餐厅」，然后Siri会把Citysearch、Yelp、Google Maps等信息整合起来，给出答案。

这在当时的普通用户看来，就是另一种搜索引擎服务。但Siri的创始人和乔布斯都坚定地认为，Siri是一个do engine而不是search engine。

成为入口，却被困在预设好的世界里

2011年，被收购的Siri随iPhone 4S成为系统功能。很多普通用户第一次体验到，可以直接对手机说出一个任务目标、完成操作，而不是先打开应用、寻找按钮，再逐步完成操作。

2014年推出Echo时，Amazon真正押注的就不是一只音箱，而是通过音箱让Alexa最终成为家庭里的统一入口。随后，Google也跟进推出Assistant，要为用户提供一种「跨设备、跨场景存在的ambient experience」。

国内的团队也在学习Amazon去建立新的入口——小米通过小爱同学连接手机、电视、音箱和IoT设备；天猫精灵试图把电商、支付和内容带入家庭；小度以低价音箱和带屏设备争夺用户。

但预设越来越多，助手的灵活性和自由度却依然没有被打开。Siri创始人Adam Cheyer和Dag Kittlaus离开苹果后创办了Viv Labs，试图通过「动态程序生成」，根据用户提出的问题临时组合服务，而不是为每种需求预先写好流程。

生成式AI打破了预设瓶颈

2022年底，ChatGPT打破了个人助理的发展瓶颈。它没有接管手机或智能家居，却让大众第一次看到，AI可以围绕一个开放问题持续交谈、接受追问、解释理由并生成新的内容。

旧助手需要先把用户的表达塞进预设分类，大模型则能够理解目标、约束和上下文，识别出意图，拥有更接近「理解」的能力。

2023年，微软停止支持独立Cortana应用，在页面把用户引向Copilot。苹果也试图重建Siri，新的Apple Intelligence提出屏幕感知、个人上下文和跨App操作，但能力的延期上线，暴露了苹果能力储备的不足。

DeepSeek R1的上线，强化了「先推理、再行动」的产品想象，并让推理能力快速渗透到了个人助理中。

Agent让个人助理开始行动起来

Anthropic的Computer Use和豆包手机助手不再等待第三方提供API，而是让模型通过截图理解界面，再像人一样点击、滚动和输入。OpenAI Operator让模型可以依托浏览器完成填写表格、购买商品和预订服务。Manus则进一步让任务运行在独立云端环境中。

OpenClaw则把执行范式推进到了真正可执行任务的阶段。用户可以把文件、浏览器、邮件、日历和消息入口交给一个持续运行的Agent，让它在后台接收任务、保存记忆并反复调用工具。

Muse关联了Meta的现有上下文场景，包括Facebook的关系网络、Instagram积累的兴趣信号、WhatsApp和Messenger的通讯入口，以及AI眼镜提供的第一视角。它了解个人用户写过什么、买过什么，还知道他关心什么、正在和谁沟通。

16年前，Siri让乔布斯相信人们会愿意把任务交给一个do engine；16年后，Muse证明了这件事正在发生。这场围绕个人助理一直在进行的技术与产品接力，刚刚跑过了关键一棒。