先看素材里那句话说清与没说清的部分

消息提到，有人推荐试用Muse的Feed功能；引用推文称它反转了推荐逻辑——由用户主动告诉系统想看什么，而非依赖间接信号决定展示内容，并称能获得更多掌控、更少噪音，与个人智能体功能搭配使用效果更佳。详情正文只有一句试用号召。功能细节、上线状态与可用范围均未核验。所以对求职者来说，它是一个可讨论的产品信号，不是可验证的结论。面试或选offer时，别急着接受“用户主动表达更好”的叙事，而要问清它落在哪一层。

拆三层：入口、数据、智能体协同

“用户主动表达偏好”可能指三件完全不同的工作。第一层是入口设计：用户在哪里表达？首次进入时选兴趣，还是浏览中轻量反馈？这一层要看表达成本、打断感和是否可跳过。第二层是数据策略：表达出的偏好怎么进入排序与召回？是强信号直接生效，还是先做冷启动、再与间接信号融合？这一层要看数据治理和评估口径。第三层是智能体协同：偏好是否被个人智能体记住并跨场景调用？引用推文说“与个人智能体功能搭配使用效果更佳”，但具体能力未知。面试时只能问协作机制，不能假设已经实现。假设面试官说这个岗位做“主动表达推荐”，你可以追问：“我负责的是表达入口、偏好数据链路，还是智能体侧的调用？”三种答案对应三种日常。

选offer前，用三个问题核查

不要只看推荐语。可以问团队三个问题，每一条都要求具体证据，而非愿景。第一，用户是否愿意主动表达？有没有用户研究或实验验证过表达意愿，而不是内部觉得“掌控感更强”。第二，表达之后是否被系统有效使用？偏好有没有进入线上链路，用什么指标判断它比间接信号更好。第三，团队是否有持续迭代指标？是把它当一次实验，还是有人负责、有迭代节奏。如果对方只能描述愿景，说不出用户研究和数据链路，那这个方向更可能停留在概念包装；如果对方能讲清表达成本、信号权重和评估口径，即使功能尚未上线，也值得继续聊。一个实际可做的小建议：下次面试前，把这三问写进提问清单，听完回答再决定要不要接这个offer。