Muse火热36天：我们翻了1189个案例，发现很多人用它省钱

图片来自Muse用户案例

相比以往的Agent工具，9月8日正式上线的Muse，凭借更低的使用门槛和更便捷的操作体验，迅速走出技术圈，吸引更广泛的普通用户关注。

Sensor Tower的数据显示，Muse上线5天累计下载约73万，9月30日超过500万，10月6日路透引述Citi估算累计下载超过660万，日活约180万。在美国应用商店比如apple的免费榜单的排名，Muse连续多日位居榜首。

作为AI时代首个爆发的消费级Agent产品，Muse的出圈几乎是个标志性事件。上线一个月后，我们试图通过梳理用户案例，理解Muse如何进入日常生活，以及用户的使用需求和使用方式呈现出怎样的变化趋势。

截至10月12日，Muse官网收录了来自社交平台上的1189条用户案例，这些案例并非所有Muse用户的案例。我们借助多个AI工具（其中主要Manus的CUE）对这些用户案例逐页阅读，并记录下用户的发布时间，去除重复的ID案例后剩下1152条。

先说几个主要呈现的趋势。

1.Muse的场景覆盖范围很广，能看出从个人日常琐碎事务中排名靠后的长尾项目，开始慢慢进入日常高频生活。

2.使用最多或者传播最广的场景依然是Muse如何帮用户省钱，这包括追回淹没在陈年往事或者规模信息中的潜在资产，航班取消后邮件协商退款、取消不用的软件订阅等。这些主动进入金融追回、保险理赔和签名授权等更深入流程的动作，确实改变了人们对AI以往体验方式，也更让人印象深刻。

3.不仅能处理个人生活事务，Muse还可以协助求职、处理工作，让Muse代劳发送求职简历， 在linkedin上联系合适的人才等。这会让人疑惑如果AI办公没能进入企业，在业务工作流上进入更多，作为个人助手，Personal Agent或许会吞掉办公Agent在个人助理上的场景。

4.对许多用户而言，个人agent的使用依然有局限。探索更深入的依然是那些科技圈、创业者、投资人等，普通用户对Muse等Personal Agent帮助自己拓宽个人智能上，还没有足够的认知。许多用户只是把它当做生活娱乐工具，让其模仿某一时代海报风格生成自己的图片等。

尽管当前的Personal Agent还远未成熟，但一个公认的事实是，个人 Agent可能即将迎来大爆发，而且是远超以往任何消费级应用的叙事。腾讯，字节，阿里等国内大厂，都已宣告正在加速研发Personal Agent产品，蚂蚁的灵光、阿里的“千问go”也率先开启内测。

一位创业者给我们做了一个形象的比喻，“现在的Personal Agent就像上一个移动互联网时代的智能手机，是AI时代的新入口，没有大厂会甘愿放弃这一入口机会。”

01

最受欢迎的场景

我们翻阅了Muse收录的大量案例，以及结合AI工具的逐页翻阅后认为，Muse等工具上线初期找到了一个大受欢迎的场景，那就是帮用户找回遗忘在记忆深处的资金。

Muse收录的1189个案例中，按照阅读量Top级排名靠前的是这条：“Muse帮我找到了一笔15年前的欠款”。这位名为Sheel Mohnot的天使投资人，在X上晒出了伊利诺伊州开出的408美元的支票金额。

这张支票签约时间是9月10日，也就是Muse上线两天后。作者没有详细披露具体使用过程，但短短的X文有30多万阅读。

在Muse上线的同一天，科技创业者Matt也用另一个人Agent ——Instinct找回来2182美元。Matt在X上公布了详细过程。

他发给Instinct一段prompt：“搜索每个州的无人认领财产数据库，查找欠我的钱。请使用我的全名和我住过的每个城市。对于你发现的任何信息，告诉我是什么，谁欠的，欠多少钱——然后端到端提交理赔。请详细说明你需要我提供的任何文件或签名，直到每一份申诉都提交完毕，别停下来。”

结果Instinct在5个不同的地方，帮助Matt找到了2182美元。

分别是，State Farm（州立农业保险）的退款；一张VSP（视觉福利计划）支票；你早年在西雅图的一个银行账户；一个联名支票账户；一笔 Blue Shield（蓝盾保险）福利金。

Matt并没有告诉Instinct自己的身份号码，但它通过授权的收件箱访问，找到了Matt的身份证号码。这条有39万人阅读的文章，在X上引发许多网友的教科书式抄作业。许多网友留言，Instinct帮自己在政府无人认领数据库找到的金额。

在Muse的案例库中公布的省钱案例（找优惠）至少就有137例。这样的案例更有话题度，也更能激发用户尝鲜使用。

02

从长尾案例走向日常

Muse官方收录的案例，覆盖了从小众需求到日常事务的多个领域。以省钱为例，过去一个月，用户最初还在尝试借Muse从政府数据库中寻找无人认领的资金，这类需求相对冷门，却能体现Agent处理复杂信息、挖掘长尾机会的能力。

随后，类似的使用开始向更日常的场景延伸，用户不再只是寻找那些隐蔽的省钱机会，也开始让Muse处理生活中更常见的查询、比价和消费决策。

比如，有用户航班被无故取消，本人花了好几个小时交涉退款未果后，交给Muse后，直接收到了退款。用户觉得美国电信运营商AT&T收取的家庭服务账单太贵，让Muse处理后，每月缴纳的上网费从每月80美元降到30美元，而且上网速度还是原来的两倍。

由用户使用Muse将卫星电台服务商SiriusXM月费由27.71美元降到5.99美元，有博主称发现每年约5350美元的遗忘订阅，并取消了约1285美元/年的订阅。

还有用户使用Muse去定航班时，找到了更便宜的航班。甚至，可以打电话给保险公司查询汽车保险报价，定期监控折扣信息、买到价格便宜的商品等更多琐碎的可以节省时间、省钱的方案。

帮助用户省钱仅仅是Muse上千份案例中的十分之一，Muse收录的用户案例库分为17个大类，最多的是艺术、奇思妙想、办事与效率、金钱投资、旅行、开发应用、健身等。

旅行场景也从“出发前做计划”延伸到“旅途中处理变化”。9月9日的一条帖子展示，Muse规划12晚日本行程并安排晚餐。9月25日的案例记录了欧洲旅行第8天的8项现场事务，包括核对景点门票时间、按营业时间调整当天安排、提醒登机口，以及处理重复餐厅预订。前者偏向一次性规划，后者更接近随情境变化的旅行助理。

家庭事务里，这种对照尤其直观。9月24日，一位用户让Muse把1万多条长期未整理的Instagram收藏，整理成食谱和育儿主题PDF，属于一次性的大规模内容整理。

到10月8日，案例呈现的是从收藏食谱生成带日历和购物清单的每周菜单。两天后，又出现每周五为周六晚餐推送一道食谱和步骤的安排。相比“处理完一大堆资料”，后两者更像把助手嵌进每周的生活节律。

03

10月用户案例多样性不足

Muse收录的1189个案例中，基本上都是来自X、threads、Instagram上的用户案例。目前很难判断Muse是依据什么标准筛选并收录这些案例的，1189份个人案例也显然不能代表所有Muse用户。

但至少，这些经过筛选的案例提供了一组可供观察的样本，让我们得以窥见用户正在如何使用Personal Agent，以及他们最希望Agent替自己完成哪些事情。

在使用AI工具统计案例的时间时，我们使用的是帖子发布时间，而并非Muse官网收录案例的时间。为了确保这一点的准确性，花了许多时间。比如多次纠错，在CUE整理出的1159行Excel（编码库）里，我们抽查核实了30多条案例的时间，均符合事实。但不排除这一部分数据呈现和真实情况会有少许差异。

可以看到，这些帖子发布峰值是9月21到9月27日。9月21日，也是Muse上线12天，Sensor Tower统计的下载量突破280万，Muse开始登顶美国IOS榜首。

根据TickerTrends追踪，9月24日，Muse处于下载峰值，此后到10月6日，下载量均低于峰值。新增用户增速明显下滑。

该收录库的帖子变化更直观，也部分印证了这一点。进入10月5日-10月11日的用户案例只有23条。用户案例也比较单一，相比前几周，没有新鲜的用户案例，而且使用比较多的场景很简单，聚焦于把个人照片做成复古电影海报这一AI生成工具早已玩烂的方式。

用户案例很少的原因，不排除没有收录太多重复数据，但也从侧面反映出，后续的案例在多样性上存在不足。

这也说明产品没有打开新的价值场景，它的价值主张依然是"窄而浅"的。用户还是把它当"高级助理工具"用，没有形成较强的依赖性。

针对1152个Muse用户案例，我们依据分成问答与检索、整理与生成、跨应用执行、持续监控与主动触发、长期个性化协作等指标对任务完成进行标注分类买来看个人Agent从建议到行动的成熟度。

其中聚焦在整理与生成上的案例最多，有372个，占比32%。其次是问答与检索占比21%，持续监控与主动触发的占比15%，跨应用执行的占比8%。

用户在使用上仍存在一个陡峭的漏斗。更多用户案例还体现在“给思路、做材料”，而不是替用户跨系统把任务完成。

在持续监控与主动触发上，更多也停留在监控商品价格、邮箱新增信息、定期生成投资、健康等简报信息。

而在跨应用上占比仅有8%。连接真实数据与修改外部状态仍不够普遍。个人Agent要真正有用，必须稳定跨越邮箱、日历、商家网站等系统的登录、权限、表单与确认环节。

04

Agent to Agent的互联网络开始出现

案例库中，Muse的大多数场景还只局限在个人和Agent的交互，尽管出现多Agent交互的案例，但比较少，仅有5条。还远未形成移动互联网时代的网络效用。

9月20日，有用户做了一个共享HTML文档，然后让自己的Muse助理chico，和朋友的助理Bao合作制作了一个出游计划文档，两个Agent围绕具体的细节讨论，比如通过评论的方式，协调双方的出行日程。

这种属于通过共同工作区互动，另一个案例则是通过mesh通信层面实现简单的对话。根据用户帖子以及晒出的图片可以看到，该用户正在用自己的Muse助理Anuki与另一用户的Agent Ren，进行Agent-to-Agent聊天。

用户并没有公布更多细节，看起来会更像是双方Agent初次遇见时对彼此身份的确认。

还有用户建立了一个开放协议muse-protocol，可以帮助多个Agent交互对话，没有中心服务器、没有注册中心、没有中间公司。这也意味着个人开发者、小团队都能自托管自己AI，不需要向任何平台申请、审核、付费。

在这个帖子下面，还有用户正在设置自己的Muse助理，和妻子的助理对话。如果未来有更多的Agent开始交互，切入更多的应用场景，会带来更多超想象的变化。

在阿里巴巴前总参谋长、湖畔大学前教育长曾鸣形容AI时代的网络效应比互联网时代更大，它不只是网络效应，而是升级版，黑洞效应。

Instict已经上线全新的架构“Instinct-to-Instinct”Agent互联网络。扎克伯格在接受采访时也称，多个Agent之间会出现很多新的协作方式。这类能力大多不会随当前版本推出，从长远看，随着用户认识的人越来越多地使用Muse，它就能通过Agent之间的互动，为用户提供更好的体验。

作者｜刘培

编辑｜八尺