关键观点
- Agent 的价值,要看用户是否真的少操心。 任务完成了,但人还得反复解释、检查和返工,负担就没有真正被接走。
- 减少照看,需要清楚的授权边界。 范围内连续执行,涉及重要后果时再请用户决定。
- 记忆和主动性也会制造新负担。 记错的偏好、过时的背景和频繁的通知,都可能让用户更忙。
- 评测应同时记录任务结果与人的投入。 既检查是否完成,也检查用户为这次完成补了多少工作。
把一件事交给 Agent,过一会儿回来,它已经做完了。这大概是个人 AI 助手最吸引人的承诺。
但实际用起来,另一种情况往往更熟悉:先补背景,再解释偏好,回答几个追问,中间还得回来看看有没有跑偏,最后再逐项检查结果。活确实是 Agent 干的,人的注意力却一直挂在上面。
读完 Lenny 对 Muse 产品负责人 Mona Sarantakos 的那期访谈,我最在意的恰好是这一点。临近结尾时 Mona 坦言,现在的 Agent 仍然需要用户花很多精力去照看、补充上下文和回应确认;当照看的负担太重,用户会觉得还不如自己动手。这个问题,连专门做个人 Agent 的团队也还在摸索。
顺着这句话,我想换个角度来看这类产品:一项任务完成以后,用户真的少操心了吗? 模型能力决定了 Agent 能接下什么工作,而产品设计决定了人能不能放心地把注意力从这件工作上移开。
执行被自动化了,管理工作可能还留着
不妨想一个日常场景:让 Agent 根据学校通知整理孩子这一周的安排。它可以自动读邮件、找日期、归纳事项,但如果家长还是得逐条核对有没有漏掉报名截止时间、有没有把两个孩子的活动混在一起,最后还得手动把结果抄进家庭日历,那这个工具其实只接走了工作的一小部分。
用户付出的成本,分布在整条任务链上:开始前,要把脑子里的背景交代清楚;执行中,要回答追问、盯着进度;结束后,要验收、订正,有时还得替它收拾残局。某一步变快了,不代表整件事变轻松了。
我把这些额外投入称为照看成本——既包括花掉的时间,也包括“心里一直记挂着这件事”的负担。一个产品如果只盯着自动完成了多少步骤,就很容易漏掉这部分隐形劳动。为了让 Agent 运转起来,用户往往不知不觉变成了它的项目经理。这也解释了为什么单靠“后台执行”还不够:任务虽然跑在后台,责任和不确定性依然留在用户脑子里。
让用户放心离开,需要看得见的边界
听到“减少照看”,最容易想到的办法是少弹几个确认框。但确认框的数量没法单独拿来优化。替我挑几件商品候选,和直接替我付款,后果显然不同;替我起草一封邮件,和直接发给客户,分量也不一样。如果事事都要逐步批准,流程会繁琐到让人放弃;如果全都自动执行,用户又根本不敢把任务交出去。
Muse 在产品设计说明里聊到了这个取舍:团队既想避免弹窗太多导致用户麻木地点“同意”,又要为难以撤回的操作保留明确控制。他们的做法是引入结构化的批准卡片,让用户一眼看清即将发生什么,再决定接受还是拒绝。在系统底层,Meta 还设计了一套独立于主 Agent 的 Sentinel 权限机制——当 Agent 提出对外操作时,由 Sentinel 负责拦截和判断。当然,官方安全说明也坦承这套机制仍有可能出错。
放到日常的产品设计里,这里的启发很具体:先和用户划清委托范围,范围内的小事连续做完;越靠近对外承诺、资金变动或敏感信息外发,越要让人把后果看清楚。
一张有用的确认卡,至少得交代清楚四件事:要做什么、影响谁、依据是什么、还有哪些地方拿不准。要是还得让用户往回翻几十条聊天记录才能拼出全貌,本质上还是在把核对的工作转嫁给用户。我之前在 Trust UX:让用户敢于委托 里聊过控制感与恢复路径,顺着 Muse 的例子再往前想一步:这些控制机制在帮用户做判断的同时,本身又增加了多少阅读和核对的负担?好的授权体验,应该让人只在真正需要拍板的地方停下来,而且停下来那一刻,手头的信息刚好够做决定。
记住得更多,也要让用户更容易纠正
个人 Agent 的“长期记忆”很诱人。它知道我的偏好、家庭情况和手头正在推进的事,我就不用每次从头交代。可一旦记忆开始直接影响行动,麻烦也就跟着来了:它记住的还是我现在的想法吗?随口提的一次临时要求,会不会被当成长期习惯?工作对话里的上下文,会不会串到私人任务里?
访谈里聊到“主聊天”和“侧边聊天”的演进,特别能体现这种拧巴。连续对话能带来“它一直懂我”的默契,但人在处理不同事务时又天然需要隔离空间。Muse 的产品设计说明也记录了这个过程:团队最初只想做一个长期的主对话流,后来还是根据测试反馈加上了侧边聊天。
不过,界面上分了几个窗口,不代表底层信息真的隔离开了。用户感受到的空间边界,需要和系统实际调用的信息范围对齐。好的记忆设计要同时回答两个问题:“它记住了什么”以及“这些记忆会在哪里起作用”。用户不仅要能看到并改掉过时的信息,最好还能在发起任务时看清这次用到了哪些背景。
目前 Muse 在隐私与安全说明中提供了查看、编辑和删除记忆的入口;当用户要求“忘掉某件事”时,系统会尝试从记忆和关联文件里查找并移除相关内容。但往深处想,减少重复输入只是记忆系统的第一步。只有让用户看懂并能随时修正记忆对行动的影响,才能省掉另一种更累人的照看工作:成天猜它这次又是根据哪句话自作主张的。
主动帮忙,也会消耗注意力
一个全天候运转的 Agent,可以自己在后台找活干。这听着很省心,但它也可能源源不断地给你制造新活:建议、提醒、阶段进展、下一步计划。系统以为自己在交付产出,用户收到的却是一张张新待办。
Muse 团队在设计说明中给主动发消息设了一道门槛:后台任务跑出结果后,系统要先判断有没有值得告知的新信息,或者是不是非得用户拍板不可。
通知到底该怎么发,其实得放回具体任务里看。比如让 Agent 盯着某个报名截止时间,时间改了当然得提醒,但隔三差五发消息说“我还在帮你盯着”就纯属打扰;让它去调研一个课题,攒够了靠谱结论再汇报很有用,每搜到一个网页就弹一条消息,只会打断手头的事。
这也是为什么在消费级 Agent 里,消息打开率甚至日活次数未必是纯粹的好信号。用户每天点开十几次产品,可能是因为离不开它,也可能是因为不放心它。看留存的时候,除了问“用户有没有回来”,还得再问一句:他回来干什么?是来收成果的,还是来救场的?
把照看成本写进验收标准
访谈里花了不小篇幅讨论评测(Evals)。这件事离产品体验其实非常近:如果团队只考核“任务最终完没完成”,就很容易忽视用户为了把这件事推完,在背后垫付了多少精力。
Anthropic 在 Demystifying evals for AI agents 一文中把评测拆成了“执行轨迹”和“最终结果”——既看过程怎么走的,也验证环境状态是不是真的达标,不能光听 Agent 自己汇报“已完成”。在这个基础上,我觉得还可以加上一栏人工介入记录:同样是算作成功的任务,用户中途补了几次原本已经给过的信息?做了几次关键拍板?又替系统擦了多少次屁股?
这不需要一上来就搭多复杂的评测平台,拿一个核心工作流,按下面四个维度检查就能看得很清楚:

当然,减少人工介入必须和任务质量、风险绑在一起看。少问一句话结果把快递寄错了地址,显然不是进步;反过来,一次切中要害的追问帮用户免掉了后面的返工,也不该被算作打扰。
不同任务之间也没必要硬拉着对比。帮人整理资料和替人对外发函,本来就需要不同程度的参与。更有意义的对比,是看同一类任务在迭代了几个版本之后,用户是不是敢交代得更简略、验收起来更省事,真出了错是不是也更容易撤回。
产品经理需要决定,哪些劳动值得被拿走
Mona 在访谈里提到,当做原型的门槛越来越低,产品判断力和对用户处境的理解反而变得更值钱。我很认同这个说法,如果把它落到一个更具体的问题上,就是:团队有没有看清,哪些活其实还留在用户手里?
工具接得越多,前期的配置和授权往往越繁琐;记忆存得越久,记串了的时候越难排查;Agent 越主动,人反而越容易被各种消息打断。这些取舍没有现成的公式,只能放到真实任务里去盯,在具体的翻车现场里一点点调。
并不是所有用 Agent 的场景都在追求“少操心”——有人喜欢拿它当思维碰撞的搭子,也有人用它去做以前根本做不到的探索。但只要一个产品给出的承诺是“替你把事办妥”,那么下次评审功能时,除了看 Agent 完成了什么,不妨再完整记录一次用户在旁边做了什么。
如果用户还是得反复解释、一路催促、逐条核对,那就挑最累人的那一步先改。等到那一步终于能让人彻底放手,个人 Agent 的价值才算真正立住了。
注:本文写于读完 2026 年 11 月 15 日 Lenny 对 Mona Sarantakos 的访谈之后,结合 Muse 与 Anthropic 的公开资料整理而成。文中的“照看成本”与验收维度为个人分析视角,非 Muse 实测报告。
参考资料: