Notion的Agent革命

** 核心观点速览**

在展开详细讨论之前，先快速抓住这场对话的五个核心要点：

1. AI进化三部曲。 Notion 的 AI 产品经历了清晰的三个阶段——2023年2月的写作助手（单步任务）→ 2023年10月的语义搜索Q&A（全量索引）→ 2024年秋的通用Agent（自主执行多步任务）。每一步都是之前想象中的「长期愿景」变成现实。

2. 每六个月重写一次AI系统。 Simon 认为这是大多数公司做错的地方——做了一版就死守不放。Notion 的做法是每半年根据模型能力的最新状态彻底重写Agent架构。重写时间还在缩短，因为进步在加速。

3. Agent的真正用户不是人类，是Agent本身。 Notion 发现原有的API对Agent来说「极其糟糕」——JSON格式太冗长。他们专门设计了Markdown方言读写页面、SQLite语法操作数据库，让Agent成为一等公民。

4. 千倍工程师已经出现。 Simon 认为AI工具让工程师之间的产出差距从原来的10倍扩大到了100倍甚至1000倍。最低标准没变，但上限大幅提升。

5. 从编码者到Agent管理者。 Simon 本人从去年夏天起就不再手写代码。他现在的工作方式是：设计端到端任务 → 交给Agent执行 → 做最终验证。每天睡前的目标是给Agent排满足够的任务，确保第二天醒来时还没做完。

一、从墨西哥海边到AI全面转型：Notion 的 GPT-4 时刻

2022年，Simon 和联合创始人 Ivan Zhao 在墨西哥的公司 offsite 上第一次接触到了 GPT-4 的原型接口。Simon 回忆说，那个瞬间两件事变得无比清晰：第一，** 模型足够聪明，能理解相当复杂的指令并执行写作和编辑任务**；第二，** 它的知识范围既深又广**——这种广度和深度的组合是前所未见的。

"It became just instantly clear to both of us --- okay, the time is now to start thinking about how to apply this. It's only going to get better." （我们俩立刻就明白了——时机到了，必须开始思考如何应用这项技术。它只会越来越好。） ——- Simon Last

这个判断催生了两条并行的路线。短期路线是显而易见的——** 写作助手**。让AI在文档中帮你重写文本、生成内容、查找信息。这是最简单的落地形态，因为它是单步任务（single-step task），不需要复杂的检索或多轮交互。Notion 组建了一个tiger team，仅用两三个月就完成了开发，2023年2月正式发布。

长期路线则是一个更宏大的构想——** 通用助理（General Assistant）。给AI所有人类在 Notion 中拥有的工具——创建数据库、查询和操作数据、创建和编辑文档——然后让它自主地把这些工具编排在一起，完成更长链条的任务。但2022-2023年的模型能力还不够。Simon 坦言，他们前后尝试了三到四次构建Agent， 直到2024年秋天才终于让它真正可用。**

** 二、语义索引的炼金术：为什么大公司反而做不好搜索**

在写作助手和通用Agent之间，Notion 还有一个关键中间产品——** 基于语义索引的Q&A系统**。2023年10月GA发布。做法是对整个workspace进行语义嵌入索引，用户提问后检索相关片段并生成有出处的回答。

这里有一个有趣的观察。** Notion不仅索引了自己的内容，还索引了Slack、Google Drive等外部数据源**。当主持人略带调侃地问「这些平台自己的搜索不是应该做得更好吗？」，Simon 的回答相当直接——-

"Most of the companies are pretty bad at making their indexes somehow. It's honestly kind of baffled us a little bit." （大多数公司的索引做得都相当差。说实话，这让我们也有点困惑。） ——- Simon Last

Simon 给出的解释是：让搜索真正好用需要两样东西——一点「AI pilled savviness」（对AI的深度理解），加上大量的** 工匠精神和对细节的关注**。每个数据源都是特殊的——搜索Slack和搜索Google Drive完全不同。你不能用一套通用方案套所有场景，而是需要针对每种数据源反复尝试、每天使用、持续迭代和调优检索策略。

关于Embeddings带来的一个反直觉启示：** 组织结构不再那么重要了**。Simon 表示，AI不关心你的文档树结构是什么样——它只关心是否有一个文本片段包含了你需要的上下文。所以他们现在建议用户「不要太纠结于组织方式，只要把信息都扔进来就好」（Don't worry as much about organization, just find a way to get it all piped in）。当然，对用户透明的Chunking策略和检索pipeline仍然需要精心设计。

** 三、每六个月推倒重来：反直觉的工程哲学**

这场对话中最具启发性的工程洞察之一，是Simon 关于**「每六个月重写AI系统」** 的哲学。他的联合创始人 Ivan 特意让主持人问这个问题，因为这在 Notion 内部几乎成了一个 running joke（大家都习以为常的笑话）。

Simon 认为，大多数公司犯的最大错误就是做了一版系统就死守着不放（doing one thing and then just sticking with it）。在AI领域，你必须敏锐地感知模型和技术的最新状态，然后围绕当前能力深度设计系统架构和产品。这基本意味着每六个月就要重写一次。

"I find it pretty fun. It's part of the process. You get to restart and rethink it." （我觉得这挺有意思的。这是过程的一部分。你有机会重新开始、重新思考。） ——- Simon Last

而且重写的速度在加快。Notion 目前正在准备发布新版本的AI harness，同时** 已经在构思下一版了**。这种「永远在路上」的状态，被Simon 视为一种特权而非负担。尤其在Coding Agent的加持下，重写的意愿和能力都大幅提升——你可以更大胆地推翻旧架构，因为Agent会帮你完成大量的实现和验证工作。

** 四、当你的用户是AI：为Agent重新设计API**

Notion的Agent产品演进到一个关键转折点时，他们发现了一个深层问题：** 原有的API对Agent来说简直是噩梦**。Notion 的API使用一种复杂的JSON格式表示Block，对人类开发者尚可接受，但对Agent来说过于冗长、token消耗巨大、容易出错。

Simon 的团队把这当作一个** 核心工程挑战来对待。他们的解决方案充满巧思： 对页面读写，设计了一种增强版Markdown方言**——看起来像标准Markdown，但扩展支持了所有Notion Block类型。模型天然擅长Markdown（因为训练数据中大量存在），所以效果非常好。** 对数据库操作，则使用SQLite语法**——同样是模型的先验知识中已经充分掌握的语言。

这个设计决策背后的方法论非常值得学习。Simon 描述了一个**「经验主义 + 第一性原理」的双轮驱动方法**：一方面是大量尝试和观察（「oh, it's not very good at that; oh, that's way too many tokens」），另一方面是第一性原理思考——模型被训练了什么数据？它的先验知识是什么？什么是它天然擅长的？然后围绕这些设计API。

一个有趣的比喻是：这相当于一种新型的**「用户研究」，只不过用户是Agent**——而且你拥有无限的访问权限，可以随时和它对话、随时测试，还可以脚本化和规模化地进行测试。这比传统的用户研究高效得多。

** 五、千倍工程师与「美好的混乱」**

当主持人问到AI工具对工程组织的影响时，Simon 给出了一个令人印象深刻的判断：** 如果你善用工具，现在可以成为100倍甚至1000倍工程师**（You can be a 100 or 1000x engineer if you're using the tools right now）。最低标准没有变化，但上限极大地提高了。

这种差距体现在组织内部的一个有趣现象——Simon 称之为**「美好的混乱」。公司里到处都是更多的原型、更大胆的PR（Pull Request），一切都变得更加嘈杂和活跃。Simon 的设计团队创建了一个叫「Design Playground」** 的Git仓库——一个简化版的Notion加上一组UI原语，甚至内置了一个Agent。所有设计师都可以用它快速搭建超高保真度的交互原型，然后部署出来给团队看。再也不是指着一张静态Mock说「大概长这样」——而是直接甩给你一个URL。

但更大的产出也带来更高的审查需求。Simon 表示所有PR仍然需要人工Review，而且由Agent生成的PR通常更大、更复杂——这是坏的一面。好的一面是它们通常** 测试更充分**。Simon 自己现在不会提交任何没有经过完整端到端测试的PR。关键在于你不能只是「vibe coding」（凭感觉编码）——你需要认真思考要做什么变更、如何验证、如何安全部署，然后让Agent帮你执行这个过程。

** 六、Simon Last的Agent生活：个人工作流揭秘**

这场对话最生动的部分之一，是Simon 描述自己的日常工作流。他从去年夏天起就不再手写代码了（I haven't written code since last summer，我从去年夏天起就没写过代码了）。工作方式的演变经历了几个阶段：人类写所有代码 → Tab自动补全 → 让Agent做小任务但人类仍在主循环中 → 现在：设计端到端任务，Agent全权执行，人类只做最终验证。

Simon 目前的工具链是 Claude Code 或 Codex（CLI版本），他喜欢命令行工具的简洁高效。他的哲学是：** 尽可能多地让Agent同时运行**。每天晚上睡前，他会给Agent排好足够多的任务，确保第二天早上醒来时Agent还在干活——这就是他对「胜利」的定义。他的个人记录是让一个Coding Agent ** 连续运行了13天不间断**，持续处理任务队列。

在Notion Agent方面，Simon 展示了几个令人印象深刻的自用Agent案例：

** 邮件分诊Agent：**连接所有工作和个人邮箱。每天自动醒来，归档所有不需要看的邮件。构建方式很有启发性——创建Agent后给它一个空白页作为「记忆」，让Agent查看邮件并「面试」Simon，建议哪些应该归档并接受纠正，逐步积累规则。头几天需要人工校正，几周后 Simon 完全取消了审批模式。现在他的收件箱里只剩下真正需要看的内容。他说95%的邮件都不需要看，这个Agent「completely solved my email problem」（完全解决了我的邮件问题）。

内部反馈分诊Agent： 接入公司的Slack频道，自动把产品反馈和Bug路由到正确的团队，并在对应团队的数据库中创建任务。同样使用记忆模式——随着时间推移积累了数百条路由规则。比如移动端Bug自动分配给移动团队。这解决了过去反馈经常「被半吊子地忽略」的问题。

** 七、Custom Agents：让每个人都成为自动化架构师**

Notion 最近发布的Custom Agents是这场对话中最具前瞻性的产品。与个人Agent（默认拥有用户所有权限）不同，** Custom Agent默认没有任何权限——你需要明确授予它访问特定资源的能力**。一旦授权，它可以在后台自主运行。

Simon 举了一个典型用例：你可以创建一个Custom Agent，给它自己的数据库来记录任务，连接到一个Slack频道，然后它就会自动响应Slack消息并创建任务。另一个用例是给Agent访问周报数据库和网络搜索能力，让它定期汇总信息。

更大胆的愿景是让Agent能够** 自主引导式地构建自己的能力**（bootstrap its own capabilities）。Simon明确表示，他认为** Coding Agent是AGI的内核**（I think of coding agents as the kernel of AGI），因为代码是表达确定性逻辑的最强大原语。如果一个集成不存在，Agent可以自己写一个；如果需要连接新数据源，Agent可以自己搞定。

"AGI will be a coding agent. Code is just a really useful primitive for representing deterministic logic." （AGI将会是一个编码Agent。代码是表达确定性逻辑的最有用的原语。） ——- Simon Last

** 八、Notion的战略定位：模型中立的Agent平台**

在竞争格局方面，Simon 将市场分为三层：实验室（Labs）、软件平台和基础设施。Notion 的定位是** 模型的「瑞士」（Switzerland for models）**——不锁定任何特定模型，让客户可以随时切换到最佳选择。

值得注意的是Simon 对开源模型的态度。他表示** 四个中国开源模型目前已经相当好**，Notion 已经在Agent中上线了其中一个，计划四个全部接入。这些模型不仅质量不错，而且价格远低于前沿模型。对于很多用例来说，开源模型已经是更好的选择。

Notion 的角色定义非常清晰：** 聚合最好的模型 → 构建最高质量的Agent实现 → 提供一个对人类和Agent都友好的协作工作空间**。Simon 强调，过去为人类设计的基础原语——文档（非结构化数据）、数据库（结构化数据）、看板（协调结构）——在Agent时代依然不可或缺。当你有100个后台Coding Agent在运行时，你不会想要100个聊天窗口——你想要一个看板。

** 九、行动启示：从这场对话中你可以带走什么**

** 对产品构建者：**如果你在构建任何有AI功能的产品，请认真思考「Agent是你的用户」这个命题。你的API设计、数据格式、交互模式，可能需要为Agent做专门优化。Notion的经验是：利用模型已有的先验知识（Markdown、SQL），而不是强迫模型学你的私有协议。

** 对工程管理者：**不要害怕「混乱」。Agent时代的组织特征是更多原型、更大胆的PR、更快的迭代。关键是保持Code Review的严格性，并且在Agent辅助下要求更高水平的测试覆盖。

** 对个人效率追求者：**Agent的记忆模式值得学习——先给Agent一个空白的「记忆页」，让它通过「面试」你来积累规则，逐步从人工审批过渡到全自动运行。邮件分诊是一个绝佳的起点。

** 对AI行业观察者：**Simon 的「每六个月重写一次」哲学暗示了一个重要信号——当前AI架构的最佳实践保质期极短。任何声称找到了「终极架构」的团队，可能正在被下一轮模型能力的跃迁甩在身后。

** 附录**

** 金句收录**

"It became just instantly clear to both of us --- okay, the time is now." （我们俩当即就明白了——时机就是现在。） ——- Simon > Last

"I think of coding agents as the kernel of AGI." （我认为编码Agent是AGI的内核。） ——- Simon Last

"You can be a 100 or 1000x engineer if you're using the tools right now." （如果你现在善用这些工具，你可以成为100倍甚至1000倍工程师。） ——- Simon Last

"Our goal shifted from creating the best tool for humans to directly perform their work, to creating the best tool for humans to manage agents to do the work for them." （我们的目标从'创造人类直接执行工作的最佳工具'转变为'创造人类管理Agent执行工作的最佳工具'。） ——- Simon Last

"I haven't written code since last summer. I don't type code anymore." （我从去年夏天起就没写过代码了。我不再手打代码了。） ——- Simon Last

"My whole goal these days is essentially to just have as many running as possible." （我现在每天的目标就是让尽可能多的Agent同时运行。） ——- Simon > Last

"Most of the companies are pretty bad at making their indexes somehow." （大多数公司不知道为什么，索引都做得很差。） ——- > Simon Last

"I find it pretty fun. It's part of the process. You get to restart and rethink it." （我觉得这挺有意思的。这是过程的一部分。你有机会重新开始、重新思考。） ——- Simon Last

"Don't worry as much about organization. Just find a way to get it all piped in." （别太纠结于组织方式。想办法把信息全部灌进来就好。） ——- Simon Last

"You're not just vibe coding. You're thinking carefully about what is the change and how can it be verified." （你不能只是凭感觉编码。你需要认真思考要做什么变更，以及如何验证。） ——- Simon Last

** 时间线索引**

[00:00] 开场介绍，Simon Last 与 No Priors 的渊源

[00:30] GPT-4 初体验：2022年墨西哥 offsite 的「顿悟时刻」

[01:55] 短期 vs 长期愿景：写作助手 vs 通用Agent

[03:10] AI产品时间线：从AI Writer到Q&A到Agent的三步演进

[04:28] 跨平台索引：为什么Notion比Slack和Google Drive更擅长搜索自己的数据

[06:06] Embeddings让组织结构不再重要

[07:22] 每六个月重写AI harness的工程哲学

[08:14] Coding Agent对工程组织的影响

[09:35] 100-1000倍工程师与「美好的混乱」

[11:51] Code Review与测试：Agent时代的质量保障

[12:45] Personal Agent与Custom Agents的产品架构

[14:56] 「Coding Agent是AGI的内核」——Agent自举能力的愿景

[15:54] Notion的竞争定位：模型中立的「瑞士」

[17:34] 为Agent重新设计API：Markdown方言与SQLite

[20:16] Simon的个人开发设置与Agent工作流

[21:53] 邮件分诊Agent与内部反馈路由Agent实例

[24:55] 非技术团队的Agent培训与Hackathon

[26:14] 「从工具到Agent管理平台」——Notion核心使命的转变

[27:35] 个人工作方式的根本性转变：从编码者到Agent管理者