How I AI 评测 Meta Muse Wonder 并分享 Brooke Lacey 的 AI 视频工作流

Meta 的新 Muse Wonder 模型：对 AI 智能体有利，对设计不利

立即收听 YouTube • Spotify • Apple Podcasts

本节目由以下品牌赞助：
DX—为 AI 时代打造工程智能
Jira Product Discovery—以洞察驱动优先级，自信构建

Claire 用 Meta 新的 Muse Wonder 模型完成了近 20 项真实任务，涵盖智能体工作、编程、写作、设计和视频剪辑。她解释了为什么其主动聚焦模式让它在账单支持、收件箱分类、电脑操作和邮件写作方面表现尤为出色，而其原型和视觉作品则始终不尽如人意。她还分享了 Muse 与 Opus 5.5、Astra 和 Fable 的对比，以及为什么她计划在几个智能体工作流中测试它，但绝不让它碰自己的前端。

最大的收获：

Muse Wonder 是 Claire 测试过的其价格档位中最强的智能体模型。它在账单工单解决、收件箱分类、电脑操作和邮件写作方面均排名第一。它的优势在长时间运行的任务中最为明显，在这些任务中它会不断尝试不同的方法，直到达成目标。
Muse Wonder 的“主动聚焦”似乎是一项真实的能力。该模型在复杂的智能体任务上花费的时间比在快速请求上更多，而更强的结果也反映了这种额外的努力。Claire 发现，与竞争模型相比，它在投入时间与输出质量之间的关联更为清晰。
账单工单基准测试可以检验智能体是否能在真实的 SaaS 环境中运作。Muse 修正了一个账户关联错误，处理了重复退款逻辑，更改了客户的套餐，起草了回复并关闭了工单。它还抵御了一次提示注入攻击，并解决了每一个预设的复杂情况。
Claire 会信任 Muse Wonder 代她撰写邮件。它符合她简洁的两句话风格，没有变得正式或冗长。它的语音表现在她的测试中同样自然且口语化，接近 Sonnet 的质量。
Muse Wonder 不应被信任用于前端设计。它的作品默认使用厚重的衬线字体、蓝紫色、圆角和通用的 SaaS 布局。在 ChatPRD 重新设计中，它无视品牌规范，添加了表情符号，破坏了图像渲染，产出的东西与原网站毫无关联。
把原型做到 80% 正确与完成它截然不同。Muse 经常创建出令人信服的框架，然后在交互测试中失败，出现按钮损坏、主题错误和遮挡性覆盖层等问题。它最大的弱点不是生成界面，而是以视觉打磨和功能保真度完成它。
Muse Wonder 有不错的视频剪辑直觉，但视觉执行能力较弱。它找到了正确的 40 秒片段，选择了 Claire 喜欢的音乐，并且几乎完美地把握了剪辑时机。糟糕的覆盖层、位置不当的字幕和有缺陷的音频处理让结果无法显得完整。
Muse Wonder 的速度在很大程度上取决于任务。它在处理 SVG、短原型和其他一次性请求时速度很快，但在收件箱分类、后端实现和视频剪辑时会明显变慢。这种差异很可能反映了主动聚焦在复杂目标上花费了更多时间。
Muse Wonder 已在 Claire 的实验中占据一席之地，但并非她的日常主力工具。她计划在几个 agent 工作流中测试它，因为它的多步推理和自然语音表现出色。只要任务不涉及设计，它在个人 agent 和知识工作编排方面尤其有前景。

本期节目的博客文章和详细工作流讲解：

Meta Muse Wonder 评测：Agents、编码与设计：https://www.chatprd.ai/how-i-ai/meta-muse-wonder-review
↳ 如何为无头 AI 测试设置 Meta 的 Muse Wonder：https://www.chatprd.ai/how-i-ai/workflows/muse-wonder-headless-testing
↳ 如何测试 AI Agent 处理复杂客户支持工单：https://www.chatprd.ai/how-i-ai/workflows/ai-agent-billing-ticket-benchmark

“Claude 剪了我的 TikTok”：这位创作者如何用 AI 扩展视频制作 | Brooke Lacey

立即收听 YouTube • Spotify • Apple Podcasts

本节目由以下赞助商提供：
Firecrawl—为你的 AI agent 提供网络数据及更多
Auros—AI 背后的人类网络

Brooke Lacey 是一位资深技术专家和创作者，在 TikTok 上积累了超过 290,000 名粉丝。在本期节目中，她展示了如何使用 Claude Code、FFmpeg 和 Whisper，在大约 15 秒内将一段原始手机录音变成完全剪辑好、带字幕的视频，全程无需上传素材或打开传统编辑器。她还讲解了如何让 Claude 学习她精确的跳剪节奏、从观众评论中挖掘新脚本，以及通过构建在 Claude Code 内部的个人操作系统来运行她的项目。

核心要点：

Brooke 用一个终端和三个简单工具取代了传统视频编辑器。她的 TikTok 工作流使用 FFmpeg、Whisper 和 Python，由 Claude Code 编排。输入一段原始手机视频，大约 15 秒后，输出一个带字幕、跳剪和缩放的成品竖屏短视频。
在 Brooke 的工作流中，整个剪辑都存放在一个文本文件里。TSV 的每一行定义一次剪辑的开始时间、结束时间、景别和标签。Claude 创建该文件后，同一条命令就能从一次原始拍摄生成 15 秒、30 秒和 60 秒版本，外加一个横屏裁切版。
Brooke 教会了 Claude 识别她的喜剧节奏。它不只是剪掉静音，还学会了她声音的节奏、抛出笑点前的停顿、某个词之后的最佳剪切点，以及哪一条重复拍摄的节奏最好。将这种风格编码需要有针对性的指令和反复迭代，而不是一个巧妙的提示词。
TikTok 的评论区可以变成一份持续更新的内容简报。Brooke 将每条视频与其评论关联起来，然后让 Claude Code 找出观众质疑、争论或希望看到的内容。结果是一份基于真实受众信号的新点子清单。
创作者需要先理解这门手艺，才能将其委派出去。Brooke 能教 Claude 按她的风格剪辑，是因为她早已知道一个好的剪切听起来是什么样、缩放应该落在哪里，以及节奏为何重要。AI 放大了这种判断力，但无法取代培养它所需的经验。
一套个人 AI 操作系统比一堆提示词更有用。Brooke 的“lane OS”为 Claude Code 针对每个产品分别设置了独立的记忆、权限和状态文件。当系统出错时，她会追溯到相关的指令，并将修正记录到全局，以避免同样的错误再次发生。
经验丰富的技术人能为新的平台变革带来宝贵的视角。Brooke 亲历过 Windows 3.1、互联网的兴起、Y2K 以及如今的 AI 转型。这段历史帮助她识别真正的平台变革而不至于恐慌，她认为更有经验的从业者应该分享这种视角，而不是袖手旁观。
只要基础足够扎实，每周发布一次就足够了。Brooke 大约每周发布一次内容，却积累了受众，旧视频也会持续获得新的曝光。她的 Claude Code 工作流并没有帮她发布更多内容；而是消除了数小时的剪辑负担，让每条视频不再占用整整一天的时间。

本期节目的博客文章和详细工作流解析：

Claude Code 能剪辑 TikTok。难的是教会它什么是好笑：https://www.chatprd.ai/how-i-ai/brooke-lacey-claude-code-video-editing
↳ 使用 Claude Code、FFmpeg 和 Whisper 实现短视频剪辑自动化：https://www.chatprd.ai/how-i-ai/workflows/claude-code-short-form-video-editing
↳ 通过 Claude 分析你的 TikTok 评论来生成新的视频创意：https://www.chatprd.ai/how-i-ai/workflows/claude-tiktok-comments-content-ideas

如果你喜欢这些节目，请回复告诉我你想了解更多什么：AI 工作流、招聘、增长、产品策略——任何话题。

下周见，
Lenny

附言：想在每期节目发布的第一时间收到吗？在你常用的播客应用上点击“关注”即可。