Thursday, September 24, 2026
digital typewriter
https://byok.io/digital-typewriter
A digital typewriter is a dedicated, single-purpose electronic writing tool designed to eliminate internet and app distractions while saving your text in digital files. [1]
- Freewrite Smart Typewriter: Features a mechanical keyboard and an E-ink screen, built for distraction-free drafting and cloud syncing. [1, 2]
- Pomera DM250US: A compact, folding Japanese digital typewriter with instant start-up and long battery life. [1]
- AlphaSmart Neo: A popular vintage portable word processor with a basic LCD screen that runs on standard batteries and transfers text via USB. [1]
Meta Muse，是否包括了 Manus 的功能？ Thursday, September 24, 2026 Meta Muse https://ai.meta.com/muse/ https://frankchiu.io/ai-meta-muse-intro/ (ChatGPT, 2026-9-24)
大致可以說：Meta Muse 已經涵蓋了 Manus 最核心的那一類能力，但不是「Muse = Manus 原封不動搬進 Meta」。 更準確地說，Muse 是 Meta 自己做成的 personal autonomous agent platform；它和 Manus 在「長任務代理、瀏覽器操作、多步驟執行、背景運作」這些核心能力上高度重疊。
Meta 官方現在對 Muse 的描述很明確：它有自己的 persistent secure VM + browser，可以自己上網、填表、訂位、處理客服、購物；可以連 email、calendar 與其他 apps；可以建立 action plan、追蹤 goal、在背景繼續工作，即使你把 app 關掉也不中止。它也可以建立文件、做 research、呼叫 connectors，必要時甚至「builds its own tools」。
這些正是 Manus 最有代表性的能力。所以若把兩者抽象化：
Manus
= task → planning → browser/computer → multi-step execution → artifact
Muse
= goal/task → persistent agent → browser/computer/apps → multi-step execution → artifact/action → continued monitoring
換句話說，Muse 至少在產品設計上，甚至比早期 Manus 更往前走了一步：它不只是「交一個工作，等它做完」，而是希望成為一個持續存在的 personal agent。
例如你以前交給 Manus 的那種：
「去讀這二十萬字資料，分析、整理，再做成成果。」
這類 long-horizon task，Muse 的底層模型 Muse Spark 本來就被 Meta 明確定位成可處理 long-horizon agentic workflows，而且具 computer-use 能力：可以 click through apps、跨介面操作並持續做到工作結束。
但兩者還是有一個很重要的差異。
Manus 比較像 project worker。
你把一包資料交給它：
「去工作，最後把成果帶回來。」
Muse 比較像 persistent personal agent。
它想知道你的 goals、apps、calendar、email，然後：
「我一直在這裡，這件事我繼續幫你顧。」
Meta 自己的例子就包括 monitor things you care about、goal tracking、reminders，以及在背景持續工作。
所以我會把兩者放在這條演化線上：
ChatGPT-like assistant
→ 回答問題
Manus-like agent
→ 接受 project，自己完成
Muse-like persistent agent
→ 知道你的 goals，跨 project 持續行動
這跟我們上一題談 Microsoft Scout 幾乎是同一場革命。
不過，對你真正重要的問題其實不是：
「Muse 有沒有 Manus 的功能？」
而是：
它能不能做到你當初 Manus 做得很漂亮的那件事？
也就是：
Google Drive + blog archive → 大規模閱讀 → 找出長期主題與碎片 → conceptual clustering → 做出一個好的 PPT / artist’s-book-like structure。
現在我會回答：
能力架構上，yes；實際品質，還不能直接畫等號。
原因是那種工作真正的瓶頸不是 browser control，而是另外四件事：
context management、retrieval quality、long-horizon coherence、artifact quality。
Agent 會不會點網頁，其實已經不是最難的。
真正難的是：讀到第 150,000 字時，它還知不知道第 5,000 字那個碎片為什麼重要？
以及：
它能不能發現兩個相隔十二年的 fragments 原來屬於同一條 conceptual line？
這正是你之前 Manus 第二次處理二十多萬字時錯字連篇、品質下降所暴露的問題：agentic capability ≠ intellectual coherence。
而 Muse 有一個對你特別有意思的新特徵。
Meta 說 Muse 可以 connect with your apps，而且如果所需工具不存在，Muse 可以自己 build one。
如果這套機制成熟，那麼理論上你可以把它變成：
personal archive agent
它不是一次讀完你的 archive，而是逐漸建立：
2004 → 2026 fragments
然後持續：
index → cluster → cross-reference → rediscover → synthesize
這就跟 Manus 的「一次性 job」有本質差異。
你不再每次把 20 萬字扔給 AI。
而是讓 agent 長期住在 archive 旁邊。
我覺得這反而是 Muse 對你最值得注意的地方。
而 Meta Muse、Microsoft Scout、Manus 三者，可以簡化成：
因此，如果用一句話說：
Manus 是「替你做事的人」；
Scout 是「公司的 AI 同事」；
Muse 想成為「跟著你生活的 AI agent」。
而我認為 2026 真正值得看的，不是誰的 benchmark 高兩分。
而是這三者共同宣告了一件事：
AI 正從 session-based intelligence，進入 persistent intelligence。
這可能比單純模型升級重要得多。
Microsoft Scout
https://youtu.be/dLSU4bXz180?si=Dws2jw9Zu5PKEGmn
Microsoft Scout 是微軟於 2026 年 6 月開發者大會（Microsoft Build）上正式發表的全新「自動駕駛儀」（Autopilot）AI 代理程式（Agent），旨在成為知識工作者永遠在線的數位助理。 [1, 2]
- 預覽階段：目前透過 Microsoft Scout (Frontier) 說明文件 作為實驗性質版本推出。
- 部署條件：存取需透過 Microsoft 365 管理中心註冊、透過 Intune 進行端點管理設定，且使用者需具備有效的 GitHub Copilot 授權。 [1, 2, 3, 4]
- (ChatGPT, 2026-9-24)
你提供的摘要大致正確，而且我查到 Microsoft 官方資料後，會說：Microsoft Scout 真正重要之處，不是它「又是一個更強的 Copilot」，而是 Microsoft 正式把 AI 從 copilot 推進到 autopilot。
Microsoft 在 2026 年 6 月把 Autopilots 定義成一類新的 agent：它們不是等你每次下 prompt，而是可以長時間存在、在背景持續運作，擁有自己的 identity，並在既定權限與企業政策內代表你採取行動。Scout 是 Microsoft 第一個這類產品。
這個差別其實非常大。
以前 Copilot 的基本結構是：
you → prompt → AI → response
Scout 則變成：
you → goal / permission / priorities → agent keeps working
也就是說，人的角色從「每一步都下指令」，開始變成「設定方向、界線與授權」。
這已經不是 chatbot 了，而比較接近一個 persistent digital worker。
Microsoft 官方文件列出的能力很廣：Scout 可以操作本機檔案、執行 shell commands、控制 browser、存取 Microsoft 365 資料，還可以把複雜工作拆給多個 sub-agents 平行處理。它也有 Word、Excel、PowerPoint、Loop 等 bundled skills，而且使用者可以自己加入 SKILL.md 形式的 custom skills。
所以，舉例來說，你不必只是問它：
「幫我看看明天有哪些會議。」
而可以給它一個比較長期的目標：
「幫我注意這個 project；如果 deadline 快到了、有人還沒回覆、會議撞期或資料沒準備好，就處理能處理的部分，把真正需要我決定的事情留下來。」
這才是 Scout 的精神。
更值得注意的是，它不只是 Microsoft 365 裡的一個小 agent。官方明確說它跨：
cloud + desktop + web
並連接 Teams、Outlook、OneDrive、SharePoint，以及你的 browser 和 local resources。
這點非常重要，因為過去 agent 最大的問題之一就是：
它知道，但做不到。
LLM 可以告訴你應該怎麼做，但沒有 hands。
Scout 開始有 hands：
files + browser + shell + apps
所以從認知結構來看，可以非常簡單地說：
LLM = brain
agent = brain + hands
persistent agent = brain + hands + memory + time而 Scout 真正新增的是最後那個：
time。
它不只是一次性的 intelligence，而是可以跨時間持續存在的 intelligence。
另一個非常值得注意的地方是：Scout 是建立在 OpenClaw open-source technology 上，而 Microsoft 再把企業身份、權限、稽核、Microsoft 365 integration 疊上去。
這透露 Microsoft 的策略。
它不是單純想做「最聰明的聊天機器人」，而是想控制整個：
agent infrastructure
也就是：
identity
→ permissions
→ data
→ tools
→ audit
→ enterprise workflowMicrosoft 在 Build 2026 甚至進一步讓 autopilot agents 擁有 Entra Agent ID、email address、Teams presence，甚至可以在組織圖裡有位置。這些 agents 能主動發起對話、修改共享檔案、追蹤 action items，而且所有行動可被歸屬和稽核。
這一句我覺得特別值得停一下：
agent has a place in the org chart.
這已經開始模糊「software」和「colleague」的差別了。
因此我認為 Scout 最有意思的不是 productivity，而是它改變了 agency 的分配。
過去：
human acts; computer assists.
現在變成：
human delegates; agent acts; human supervises.
於是未來 knowledge worker 最大的能力，可能慢慢從：
我能做多少事情？
轉成：
我知道哪些事情可以交出去，哪些一定必須由我自己做。
這是完全不同的職業倫理。
因為真正困難的不再只是 delegation，而是：
boundary of delegation。
哪些東西可以讓 agent 自己處理？
calendar 可以。
整理文件大概可以。
寄一封例行 email 也許可以。
但是：
診斷？
解僱員工？
簽約？
重要的臨床判斷？
倫理判斷？這些就開始出現非常深的問題。
所以 Scout 的核心問題最後不是 AI capability，而是：
Where does human responsibility remain when agency is delegated?
這和我們前面談的 algorithmic self 又剛好接上。
第一代 algorithmic self 是：
algorithm predicts what you want.
例如 YouTube、Facebook、TikTok。
第二代可能變成：
algorithm acts according to what it thinks you want.
Scout 正好站在這個轉折點。
推薦演算法只是說：
「我猜你下一個想看這個。」
Autopilot agent 則可能說：
「我猜你下一步想做這件事，所以我已經替你做了。」
這兩句只差一點點，哲學上卻差得非常遠。
前者操縱 attention。
後者開始介入 agency。
所以我會把 AI 的演化粗略分成四步：
Chatbot → Copilot → Agent → Autopilot
Chatbot：
回答我。Copilot：
跟我一起做。Agent：
替我做這件事。Autopilot：
知道我要做什麼，必要時自己繼續做。而 Scout 的歷史位置就在第四步。
不過目前仍然要加一個很大的星號：Scout 在 2026 年 9 月仍是 Frontier preview，不是一般消費者全面可用的成熟產品。 Microsoft 官方明確表示功能可能更改，甚至不一定全部進入正式 GA。現階段需要 Frontier enrollment、管理員設定與相關條件；Windows 11 和 macOS 都有 desktop app。
所以現在更值得看的，不是「Scout 今天到底多好用」，而是 Microsoft 公開宣告的方向：
AI 不再只是你打開來使用的一個工具。
AI 將成為一個即使你沒有看著它，也仍然持續工作的 entity。而這件事若真的成熟，我甚至認為它比單純「GPT 又聰明了 20%」重要得多。
因為 intelligence 的革命，可能不是 AI 想得更好。
而是 AI 終於開始擁有：
continuity。
它可以昨天知道一件事，今天接著做，明天發現問題，再回來找你。
那時候，我們才真正從 AI as tool 進入：
AI as ongoing actor。