Notion联合创始人：从笔记工具到AI智能体工作空间

在AI浪潮中，很少有生产力工具像Notion一样如此激进地拥抱大模型。近日，Notion联合创始人Simon Last在No Priors播客中，详细讲述了Notion从一款笔记软件演进为「人与智能体协作平台」的完整历程。这场对话不仅回顾了技术路线的关键抉择，也揭示了一个正在到来的现实——软件工程师正在变成「智能体管理者」。

从墨西哥的GPT-4初体验说起

Simon透露，Notion与AI的深度结缘始于2022年在墨西哥的一次公司团建。当他和联合创始人Ivan第一次拿到GPT-4的访问权限（当时还是类似ChatGPT的原型界面）时，两件事让他们瞬间意识到「时机已到」。

GPT-4是OpenAI于2023年3月正式发布的多模态大语言模型，相比前代GPT-3.5，其在推理能力、指令遵循和知识准确性上有显著提升。Simon等人能在正式发布前就拿到访问权限，得益于OpenAI为企业合作伙伴提供的早期测试通道。这类大语言模型（LLM）通过在海量文本上进行预训练学习语言规律和世界知识，再通过RLHF（基于人类反馈的强化学习）对齐人类意图，从而具备遵循复杂指令的能力。GPT-4的问世被广泛视为生成式AI的关键拐点，直接催生了大量AI原生产品与功能——Notion的早期押注正是这一浪潮中的典型案例。

第一是模型「相当聪明」，能够遵循较复杂的指令、帮你写作和编辑；第二是它的知识广度和深度「极其惊人」。「玩过之后，我们俩立刻就清楚了——现在就是开始思考如何应用它的时候，而且它只会越来越好。」

有意思的是，他们从一开始就同时确立了短期和长期两条路线。短期路线是显而易见的写作助手：选中文本让它重写、生成内容、查找资料并给出来源；长期路线则是更宏大的通用助手——让AI拥有人类在Notion中的所有工具，能创建数据库、查询、操作、生成和编辑文档，并将这些能力编织起来完成长程任务。

短期路线的AI Writer在2023年2月就快速上线，而长期的通用智能体愿景「当时还完全跑不通」，花了数年时间才真正实现。

索引与检索：一场持续数年的攻坚

继AI Writer之后，Notion的下一个重大项目是Q&A（问答）——对整个工作区做语义索引，让用户提问并得到有来源支撑的答案。这个功能的Beta版早期推出，正式GA是在2023年10月。

这里的语义索引是现代AI问答系统的核心技术基础，它区别于传统的关键词匹配检索。其原理是通过embedding（嵌入）模型将文本转换为高维向量，使语义相近的内容在向量空间中距离更近，从而实现「按含义检索」而非「按字面检索」。这套技术通常与RAG（检索增强生成）架构结合：系统先从知识库中检索出与问题最相关的文本片段，再将其作为上下文喂给大模型生成有依据的答案。这正是Notion Q&A能提供「有来源支撑的答案」的技术根基。

Simon坦言，从Notion自身索引跑通后，团队顺势把Slack、Google Drive等外部数据源全部索引进来，如今已构建了一个「相当完整的索引」。当被问到「这些原生产品自己都没把索引做好，Notion凭什么去做」时，他直言不讳：「大多数公司在做索引这件事上都相当糟糕，说实话有点让我们困惑。」

他认为成功的秘诀在于两点：一是「被AI洗礼过的敏锐度」，二是手艺与细节的打磨。「检索这件事必须非常经验主义、反复迭代，真的去试各种查询。每个数据源都有它的特殊性——查询Slack和查询Google Drive完全是两种不同的信息形态，不能一刀切。」

说个细节，借助embedding技术，用户如何组织工作区的结构（树状层级）已经不再那么重要。「AI并不在乎你的目录结构，它只关心有没有一段包含所需上下文的文本能被检索到。」这背后正是向量检索依赖语义相似度而非人工层级来定位信息的技术特性使然。因此Notion现在反而建议用户「别太纠结组织方式，想办法把所有内容都灌进来就行」。

每半年重写一次：拥抱模型演进的节奏

对话中一个反复出现的话题，是Notion每隔约六个月就要重写一次AI harness（智能体框架），这几乎成了公司内部的一个梗。

这里所说的「AI harness（智能体框架）」，指的是包裹在底层模型之外、用于编排智能体行为的工程系统，包括工具调用逻辑、上下文管理、任务规划等。由于大模型能力往往每半年就有代际跃迁，围绕旧模型能力设计的框架很快就会过时——原本需要复杂工程弥补的能力，新模型可能原生就能胜任，这正是Notion需要频繁重写harness的根本原因。

Simon认为这恰恰是许多公司做错的关键点：「很多公司只做一次然后就一直沿用。你必须敏锐地感知模型和技术的当前状态，然后围绕它深度设计框架、系统和产品。这基本意味着你每半年就得重写一次。」

他还提到，随着AI能力加速进化，重写所需的时间也在不断缩短——因为编码智能体本身正在帮他完成这项工作。而这也让团队「敢于构想的雄心大幅提升」。

工程与产品组织的根本性变革

Simon详述了编码智能体给Notion工程组织带来的几个时代：从最早的「Tab自动补全时代」，到智能体开始真正端到端工作。他大约在2024年4月开始使用Claude Code，称之为「巨大的解锁」。

值得一提的是，AI智能体（Agent）指能够自主感知环境、规划任务、调用工具并执行多步操作以达成目标的AI系统，它超越了单轮问答，具备「行动能力」。编码智能体则是专注于软件开发场景的智能体，如Anthropic的Claude Code、GitHub Copilot等，它们能理解需求、编写代码、运行测试并修复错误，实现端到端的开发任务——这也是Simon所说从「Tab自动补全」到「端到端工作」跃迁的本质。

关于团队形态的变化，他有几个鲜明观点：

个体影响力大幅放大，10x变成100x甚至1000x

「每个人的产出上限可以高得多，而你的产出越来越取决于你使用工具的能力和意愿。」他强调，工程师之间的差距正在被拉大：「最低门槛没变，但最高门槛极大提升了。用对工具，你可以成为100x甚至1000x工程师。」

小型Tiger团队依然最优

对团队规模的影响并不显著。「我们大多喜欢用小型Tiger团队。如果能把团队做小，几乎总是更好的——这在以前成立，现在依然成立。」

更混乱，但更高产

「整体感觉更混乱、更嘈杂了，但我挺喜欢这种状态。」他举例说，设计团队自己搭建了一个名为「design playground」的Git仓库，里面是简化版Notion加各种UI原语，设计师可以快速部署高保真原型——不再是对着静态Mock讨论「这看起来会怎样」，而是直接给你一个已部署的URL。

关于代码质量与安全，Notion仍对所有PR做审查。「现在所有PR都是智能体写的，往往更大更复杂——这是最糟的部分；但好的部分是它们通常测试得更充分。我现在从不产出未经完整测试的PR。」他特别提醒，这不是「vibe coding」（凭感觉喊需求），而是要认真思考「我要做的改动是什么、如何验证、如何安全部署」，再让智能体协助完成。

个人智能体与自定义智能体：愿景成真

Notion在通用智能体上「失败」了三四次，直到2024年秋才真正推出可用的个人智能体——几乎每个用户都拥有，能访问用户有权限的一切内容，创建数据库、更新内容、生成文档、搜索网络、做研究。

上周（访谈时），Notion又发布了自定义智能体（Custom Agents）。与个人智能体不同，它默认没有任何访问权限，需要手动授权，但授权后可以在后台自主运行。例如挂载到一个Slack频道，自动响应他人消息并归档任务。

Simon对未来最兴奋的一点是让智能体自举（bootstrap）自身能力：「从一个初始内核出发，让它能自我引导去做任何事。比如构建我们尚未支持的集成，部署它然后使用它。」

在他看来，编码智能体是「AGI的内核」：「AGI将会是一个编码智能体。代码是表达确定性逻辑的极其有用的原语。」把这种能力赋予知识工作智能体，意味着当某个集成不存在时，它可以自己构建；当需要连接新数据源时，它可以自行完成。

「模型界的瑞士」与开源模型的崛起

面对Microsoft等更大规模平台玩家的竞争，Simon将Notion定位为**「模型界的瑞士」**——中立、不锁定。「我们的客户不想被锁死在某个实验室的模型上。各家每个月都在发新版本，各有优劣。我们希望成为一个能随时便捷访问所有最佳模型、并轻松切换的地方。」

他特别看好开源模型：「开源模型现在真的很好了。已经有四个不同的中国模型相当出色，我们上周刚在智能体里上线了其中一个，接下来四个都会上。它们很棒，而且比前沿模型便宜得多。」

近两年来，开源大模型的能力快速逼近乃至在部分任务上追平闭源前沿模型。Simon提到的「中国模型」很可能包括DeepSeek、Qwen（通义千问）、Kimi、GLM等一批表现优异的开源或开放权重模型，它们以更低的推理成本提供了接近顶尖水平的性能，对以OpenAI、Anthropic为代表的闭源前沿模型构成有力竞争。对Notion这类应用层公司而言，多模型策略意味着可以根据成本、性能和任务类型灵活切换，避免被单一供应商锁定——这正是「模型界的瑞士」定位背后的商业逻辑：保持中立，把模型选择权交给用户。

为了让智能体好用，Notion还专门为「智能体这个新客户」重新设计了API：把原本冗长可怕的JSON块格式，改造成一种增强版Markdown方言；数据库则用SQLite让智能体直接「用SQLite说话」，效果非常好。

从「写代码」到「管理智能体」

对话尾声，Simon分享了个人工作方式的剧变：「我从去年夏天开始就不再敲代码了。」他现在的目标是「尽可能多地并行运行智能体，并且全天候运行」。

他甚至有个「睡前仪式」——每晚保证给智能体足够多的任务，确保自己早上醒来时它还没干完，「那才算胜利」。他的个人纪录是让一个编码智能体连续运行了13天不间断。

在Notion智能体侧，他日常重度使用个人智能体，还搭建了多个自定义智能体。最爱的是邮件分拣智能体：访问所有工作和个人邮箱，每天自动归档他不需要看的邮件。训练方式极简——建一个空白页作为「记忆」，让智能体查看邮件并采访用户偏好，逐步生成规则。「头几天我还在纠正它，几周后我完全取消了审批，现在它自动归档所有我不需要看的邮件，彻底解决了我的邮件问题。」

从「为人类打造直接工作的工具」到「为人类打造管理智能体工作的工具」，Simon认为这是一次根本性转变，但底层原语惊人地一致：「你仍然需要文档（智能体爱写Markdown），仍然需要数据库（当你有一百个后台编码智能体时，你不想要一百个聊天线程，你想要一个看板）。」

正如Simon所总结的：「我现在是智能体经理，而不是编码者。」这或许正是所有知识工作者即将面对的未来。

核心要点