Notion 聯合創始人 Simon Last:我從去年夏天起就沒寫過一行代碼了
整理版優先睇
Notion 聯合創始人 Simon Last 分享 Notion AI 從 GPT-4 初體驗到 Custom Agent 嘅歷程,同埋編碼 Agent 點樣改變工作方式同公司使命。
呢篇文章係 No Priors 播客第 153 期對 Notion 聯合創始人 Simon Last 嘅訪談整理。Simon 係 Notion AI 背後嘅核心推動者,佢同 Ivan Zhao 喺 2013 年創辦 Notion,而家平台用戶超過 1 億。佢喺呢次訪談分享咗 Notion AI 由 2022 年墨西哥全員大會上第一次接觸 GPT-4 開始,經歷寫作助手、語義搜索、通用 Agent 三、四次失敗,到最近發佈 Custom Agent 嘅完整歷程。佢仲分享咗自己點樣用編碼 Agent 工作,個人紀錄係一個 Agent 連續跑咗 13 日,同埋 Notion 嘅使命點樣由「幫人做嘢嘅工具」變成「幫人管理 Agent 嘅工具」。
Simon 反覆強調三個核心訊息:第一,AI 系統必須跟住模型能力持續重寫,唔可以做一版就停;第二,編碼 Agent 唔單止係開發者嘅效率工具,更加係 Agent 自我進化嘅關鍵能力;第三,生產力軟件嘅定義正喺度由「人用嘅工具」變成「人用嚟管理 Agent 嘅工具」。佢認為 AGI 最終就係一個編碼 Agent,因為代碼係表達確定性邏輯最好嘅原語。
呢篇文仲提及 Notion 點樣為 Agent 重新設計 API:頁面用自訂 Markdown 方言,數據庫用 SQLite 語法,因為原有 JSON 格式對 Agent 太冗餘。Notion 自稱「模型界嘅瑞士」,唔綁定任何一家模型廠商…
- Notion AI 嘅 AI harness 大約每六個月推倒重寫一次,好多公司做咗一版就唔鬱,Simon 認為係常見錯誤。
- 編碼 Agent 用得好產出比人寫更健壯,用得差就全部係垃圾;關鍵在於驗證循環嘅設計,唔係「憑感覺編程」。
- Simon 嘅個人紀錄係一個編碼 Agent 連續運行 13 日冇停,佢每晚臨瞓前安排任務,目標係第二朝起身 Agent 仲未做完。
- Notion 為 Agent 專門設計新 API:頁面用自訂 Markdown 方言,數據庫用 SQLite 語法,原有 JSON 格式太冗餘。
- Notion 使命發生根本轉變:由「為人類創造最好嘅直接做嘢嘅工具」變成「為人類創造最好嘅管理 Agent 嚟替你做事嘅工具」。
原始視頻:No Priors 播客第 153 期
Simon Last 受訪影片,2026 年 3 月 12 日,主持人 Sarah Guo
墨西哥嘅 GPT-4 時刻
Simon 話 2022 年佢一直留意 AI 進展,直到拎到 GPT-4 測試權限,事情先變得「非常、非常真實」。佢同 Ivan 即時發現兩件事:呢個模型夠聰明,理解複雜指令,幫到你寫嘢、改嘢;而且知識面極深極廣。佢哋即刻形成短期計劃同長期計劃。
短期計劃:文檔入面嘅寫作助手,兩三個月後就發佈咗。
長期計劃:做一個通用 Agent,畀佢 Notion 裏所有人類用嘅工具,但「嗰陣時根本跑唔通」。
從寫作助手到語義搜索
Notion AI 第一個功能係 AI Writer,2023 年 2 月開放,單步任務,直接調用模型。之後團隊做 Q&A 功能:對整個工作空間做語義索引,用戶提問,AI 畀基於來源嘅回答。呢個功能 2023 年 10 月上線,工程量大好多,要實時更新索引系統同搭建評估體系。
Simon 認為關鍵係兩樣嘢:對 AI 有浸泡出嚟嘅直覺(AI-pilled savviness),同埋工匠精神對細節嘅關注。
- 每個數據源都唔同,唔可以用同一套方案處理 Slack 同 Google Drive。
- 必須大量嘗試唔同查詢,每日使用,不斷迭代分塊策略同檢索流程。
佢甚至建議用戶:「唔好太糾結組織方式,掉啲嘢入去就得。」
每六個月推倒重來
Sarah 問 Ivan 叫佢一定要問:你哋嘅 AI harness 重寫咗幾多次?Simon 話呢個已經係內部嘅一個梗,大概每六個月重寫一次,而且重寫週期仲縮短緊。佢認為好多公司犯嘅關鍵錯誤係:做咗一版就固定唔鬱。
佢哋就快發佈新版 harness,同時已經諗緊下一版。
編碼 Agent 改變咗一切
Simon 由 2025 年 4 月開始用 Claude Code,從此徹底改變工作方式。佢將編碼 Agent 演化分咗幾個階段:Tab 自動補全、插入改寫代碼,到 Agent 端到端實現、驗證同維護代碼。
設計團隊做咗個 Design Playground,所有設計師可以快速搭建高保真、可部署嘅原型,以前指住靜態圖,而家直接畀一個可以打開嘅 URL。
所有 PR 仍然要做代碼審查,但測試覆蓋率大幅提高;Simon 個人唔會提交任何冇完整單元測試嘅 PR。
Sarah 問對團隊規模嘅影響,Simon 話核心變化係每個人產出上限大幅提高,但團隊規模冇顯著縮小。最會用工具嘅人可以成為 100 倍甚至 1000 倍工程師。
為 Agent 重新設計 API 與使命轉變
Notion 現有結構對 Agent 好有用,但有一個新挑戰:要令 Agent 用起嚟方便。原本 API 用冗餘 JSON 表示 blocks,對 Agent 又囉嗦又難處理。佢哋做咗兩件事:頁面讀寫用 Markdown 方言,擴展支援所有 block 類型;數據庫用 SQLite 語法,模型天然擅長 SQL。
Simon 話設計方法係經驗主義加第一性原理:不斷試,發現 Agent 唔擅長咩,Token 太多點壓縮;同時諗模型訓練數據嘅先驗知識。
Sarah 總結:「所以你哋喺度做用戶研究,只不過用戶係 Agent。」Simon 笑住話係,而且呢個用戶隨時傾得偈,有無限存取權限。
- Personal Agent 同用戶有相同權限,被動響應請求。
- Custom Agent 默認冇權限要授權,可以按計劃或觸發器喺後台自主運行,例如自動回覆 Slack 並創建任務。
Simon 話自己由 2025 年夏天起就冇再手寫過代碼,而家係 Agent 管理者,唔係程序員。Notion 嘅使命亦由「為人類創造最好嘅直接做嘢嘅工具」變成「為人類創造最好嘅管理 Agent 嚟替你做事嘅工具」。
Simon Last 係 Notion 嘅聯合創辦人,亦都係 Notion AI 背後嘅核心推手。佢同另一位聯合創辦人 Ivan Zhao 喺 2013 年創立 Notion,而家平台用戶超過 1 億。喺呢次訪問入面,Simon 講咗 Notion AI 由 2022 年墨西哥全員大會上面第一次試 GPT-4 開始,經歷咗寫作助手、語義搜索、通用 Agent 三、四次失敗,到最近推出 Custom Agent 嘅完整過程。佢仲分享咗自己點樣用編碼 Agent 做嘢(個人紀錄:一個 Agent 連續行咗 13 日),同埋 Notion 嘅使命點樣由「幫人做嘢嘅工具」變成「幫人管理 Agent 嘅工具」。
訪問來源:No Priors 播客第 153 期,2026 年 3 月 12 日,主持人 Sarah Guo

原始影片:https://www.youtube.com/watch?v=1dYThQgOyZU
1. Notion 嘅 AI harness(圍繞大模型構建嘅系統層)大約每六個月推倒重寫一次,好多公司做咗一版就唔再改,Simon 認為呢個係常見錯誤。 2. Notion 試咗三到四次先整到一個用得嘅通用 Agent。2025 年 9 月推出 Personal Agent,2026 年 2 月推出可以自主執行嘅 Custom Agent。 3. 編碼 Agent 用得好,產出比人寫嘅更加穩陣;用得差,產出全部都係垃圾。關鍵在於驗證循環嘅設計,唔係「憑感覺編程」。 4. Simon 嘅個人紀錄係一個編碼 Agent 連續行咗 13 日冇停過。佢每日瞓覺前安排好任務,目標係第二朝起身 Agent 仲未做完。 5. Notion 為 Agent 特別設計咗新 API:頁面用自訂 Markdown 方言,數據庫用 SQLite 語法,原本嘅 JSON 格式對 Agent 嚟講太冗餘。 6. Notion 自稱「模型界嘅瑞士」,唔會鎖死任何一間模型廠商,已經開始上線中國開源模型。 7. Notion 嘅使命發生咗根本轉變:由「為人類創造最好嘅直接做嘢嘅工具」變成「為人類創造最好嘅管理 Agent 嚟幫你做嘢嘅工具」"。
【1】墨西哥嘅 GPT-4 時刻
Sarah 問 Simon,聽講 Notion 第一次接觸 GPT-4 係喺墨西哥嘅公司全員大會上?
Simon 話嗰陣係 2022 年。佢一路有留意 AI 領域嘅進展,但係直到攞到 GPT-4 嘅測試權限,件事先變得「非常、非常真實」。當時佢同 Ivan 都攞到一個類似 ChatGPT 嘅早期界面,兩個人即刻發現咗兩件事:一係呢個模型夠聰明,可以理解比較複雜嘅指令,可以幫你寫嘢、改嘢;二係佢嘅知識面好深好廣。
當我哋試用之後,對我哋兩個嚟講即刻就好清楚:而家就係開始諗點樣應用佢嘅時候。佢只會愈來愈好。
(“When we played with it, 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.”)
佢哋即刻形成咗一個短期計劃同一個長期計劃。短期好明顯:文檔裏面嘅寫作助手,揀選文字俾 AI 幫你改寫或者生成。團隊組咗一個突擊小隊,兩三個月之後就推出咗。長期計劃更大膽:做一個通用 Agent,俾佢用曬 Notion 裏麪人類用得嘅工具,等佢可以自己創建數據庫、寫文檔、做搜索,將呢啲嘢串連起嚟完成更長鏈條嘅任務。
短期計劃好快就上線。長期計劃嗰陣根本行唔通。

【注:Simon 同 Ivan 透過 Twitter 上嘅 Tools for Thought(思維工具)社區認識,2013 年創立 Notion。Notion 2024 年達到 1 億用戶,2025 年 ARR 大約 6 億美元,估值大約 110 億美元。】
【2】從寫作助手到語義搜索
Notion AI 嘅第一個功能係 AI Writer,2023 年 2 月對所有用戶開放。呢個係最易實現嘅:單步任務,改寫同編輯文字,唔使檢索,直接叫模型就得。
跟住團隊開始做 Q&A 功能:對成個工作空間做語義索引(semantic index,即係將文字轉成向量,方便按語義而唔係關鍵詞檢索),然後俾用戶問問題,AI 俾出有來源嘅答案。呢個功能 2023 年 10 月上線,但工程量大好多,因為唔係就咁接入大模型,而要整一個即時更新嘅索引系統,仲要認真建立評估體系嚟保證質素。
Q&A 上線之後,Simon 馬上意識到應該將索引擴展到 Notion 以外,於是開始接入 Slack、Google Drive 等外部數據源。
Sarah 追問:呢啲平台自己嘅搜索都做唔好,你哋憑咩覺得自己可以做得更好?
Simon 笑咗:係,我哋都好唔明點解大多數公司做索引做得咁差。佢嘅判斷係,關鍵在於兩樣嘢。一係對 AI 有浸出嚟嘅直覺(佢用嘅詞係 AI-pilled savviness),清楚模型做到啲咩、做唔到啲咩。二係工匠精神同對細節嘅關注。每個數據源都唔同,你唔可以用同一套方案處理 Slack 同 Google Drive,佢哋係完全唔同類型嘅資訊。一定要大量嘗試唔同嘅查詢,每日使用,不斷迭代分塊策略同檢索流程。
Sarah 問 Notion 工作空間嘅組織方式千差萬別,呢個對搜索唔係好大挑戰咩?
Simon 嘅回答有少少反直覺:喺向量嵌入(embedding)時代,工作空間嘅組織結構其實冇咁重要。 AI 唔關心你嘅文件夾樹狀結構係點,佢只關心有冇一段文字包含你需要嘅資訊。佢而家甚至建議用戶:「唔好太執著組織方式,將啲嘢掟入去就得。」
當然,分塊策略(chunking strategy,即係將長文檔切成幾大嘅片段嚟做檢索)呢啲技術決定依然好關鍵,但係對用戶嚟講係透明嘅,同用戶點樣組織自己啲嘢無關。
【3】每六個月推倒重來
Sarah 話 Ivan 叫佢一定要問一個問題:你哋嘅 AI harness 重寫咗幾多次?
【注:harness 喺呢度指圍繞大模型構建嘅成個系統層,包括提示詞管理、工具調用、上下文拼裝、輸出處理等。】
Simon 話呢個已經變成內部嘅一個笑話。大概每六個月重寫一次,而且重寫週期喺度縮短,因為技術進步加速咗。
佢認為呢個係好多公司犯嘅一個關鍵錯誤:做咗一版就固定唔再改。你一定要時刻留意模型同技術嘅最新狀態,然後圍繞當前狀態深度設計成個系統同產品。呢個意味住每六個月就要重寫。
我覺得幾好玩。呢個係過程嘅一部分。你可以重新開始,重新思考。
(“I find it pretty fun. It's part of the process. You get to restart and rethink it.”)
佢話佢哋就快推出新版 harness,同時已經諗緊下一版。

【4】編碼 Agent 改變咗一切
Sarah 接住呢個話題問:既然你哋咁願意推倒重來,編碼 Agent 係咪令呢件事變得更加輕鬆?
Simon 話完全正確。佢 2025 年 4 月左右開始用 Claude Code,從此徹底改變咗工作方式。
佢將編碼 Agent 嘅演化分咗幾個階段:先係 Tab 自動補完嘅時代,然後係可以幫你插入同改寫一啲代碼,但真正嘅轉折係 Agent 開始可以端到端咁實現、驗證同維護代碼。

關鍵在於:你需要認真諗架構同驗證循環。唔係「憑感覺編程」(vibe coding),唔係隨口講一句你想要咩就完事。你要諗清楚「我要做咩改動?點樣驗證佢係啱嘅?點樣安全部署?」然後俾 Agent 幫你執行呢個過程。
用得好嘅話,你可以做比以前更加雄心勃勃嘅事,而且比人寫嘅更加穩陣。用得差嘅話,產出全部都係垃圾。
(“If you do it well, you can be much more ambitious about what you're building and also make it much more robust than you could have done with humans writing it. And then the flip side is, if you do it badly, it's all slop.”)
佢仲提到 Notion 內部一個有趣嘅變化。設計團隊做咗一個叫 Design Playground 嘅 git 倉庫,就係一個簡化版嘅 Notion,裏面有一堆 UI 基礎組件同一個內置 Agent。所有設計師都可以快速整出高像真度、可以部署嘅原型。以前討論設計方案係指住一張靜態圖話「呢個會係咩樣?」,而家設計師直接俾你一個可以打開嘅 URL。
成個工程團隊都在經歷呢種變化。內部感覺更加混亂咗少少,但 Simon 話佢鍾意呢種混亂:更多原型、更多實驗、每個 PR 更加有野心。
Sarah 問:對於涉及數據安全等高風險嘅部分,你哋會劃線嗎?
Simon 話所有 PR 仍然要做代碼審查。而家嘅 PR 都係 Agent 寫嘅,更大更複雜,呢個係唔好嘅一面。但好嘅一面係測試覆蓋率大幅提高。佢個人而家唔會提交任何冇齊全單元測試嘅 PR。
【5】100 倍工程師係真嘅
Sarah 問:AI 工具對團隊規模同人才結構有咩影響?
Simon 話核心變化係:每個人嘅產出上限都大幅提高咗,而產出越來越取決於你使用工具嘅能力同意願。
但團隊規模冇因此明顯縮細。Notion 一直鍾意用細規模嘅突擊小隊,呢個喺 AI 之前已經係啱嘅,AI 之後可能稍微更加啱,但變化唔大。
Sarah 追問:普通工程師同啲特別識用工具嘅工程師之間,差距會唔會越來越大?
差距更加大。如果你而家識用呢啲工具,你可以成為 100 倍甚至 1000 倍工程師。最低門檻冇變,但上限極大咁提高咗。
(“You can be a 100 or 1,000x engineer if you're using the tools right now. The minimum bar has not changed, but the maximum bar has extremely increased.”)
【6】三、四次失敗之後,Agent 終於上線
Sarah 問:你之前話通用 Agent 嗰陣仲行唔通,而家去到咩程度?
Simon 話佢哋掙扎咗好幾年去整 Agent。每次整出嚟「差唔多用得」,但就係唔夠有用。主要原因係時機太早。佢哋前後試咗三到四次。
終於喺 2025 年 8、9 月上線。 而家你喺 Notion 入面用嘅 AI 就係一個完整嘅 Agent,可以存取 Notion 入面幾乎所有嘢:創建數據庫、更新內容、創建文檔、搜索網頁、做研究。每個用戶都有一個 Personal Agent,擁有同用戶一樣嘅存取權限。
【注:呢個就係 2025 年 9 月 18 日推出嘅 Notion 3.0。Notion 將佢定位為繼 1.0(文檔協作)同 2.0(數據庫與工作流)之後嘅第三次重大進化。】
然後喺訪問嘅大約兩星期前,Notion 推出咗 Custom Agent。同 Personal Agent 唔同,Custom Agent 預設冇任何權限,你要手動授權佢可以存取啲咩。但一旦授權,佢可以喺後台自主執行。
例如你可以俾佢一個數據庫用嚟記錄任務,然後將佢接駁到一個 Slack 頻道,佢就會自動回覆 Slack 上面嘅訊息同埋創建任務。或者你可以叫佢定期搜索網頁同工作空間,然後自動填充週報數據庫。
【注:Custom Agent 於 2026 年 2 月 24 日正式推出。Notion 話早期測試者已經創造咗超過 21000 個 Agent,Notion 內部運行嘅 Agent 數量已經超過員工數。】
【7】AGI 嘅內核係編碼 Agent
Simon 話佢最興奮嘅一個方向係讓 Agent 可以從一個初始內核出發,自我引導(bootstrap)出新嘅能力。例如如果某個整合仲未存在,Agent 可以自己寫代碼建立呢個整合,部署佢,然後使用佢。
Sarah 確認:所以 Notion 嘅 Agent 係嗰種更廣義嘅定義,寫代碼都係一種工具?
編碼 Agent 就係 AGI 嘅內核。AGI 就會係一個編碼 Agent。代碼係表達確定性邏輯非常好嘅原語。
(“I think of coding agents as the kernel of AGI. AGI will be a coding agent, and code is just a really useful primitive for representing deterministic logic.”)

Simon 認為呢個對知識工作 Agent 特別有意義:佢可以自己「生」出新能力。整合唔存在?自己整。需要連接新數據源?自己接。
【8】「模型界嘅瑞士」
Sarah 提出一個競爭格局嘅問題:Notion 面對嘅係規模更大嘅生產力平台同 AI 實驗室,佢哋都喺度嘗試做跨數據源嘅整合同 Agent。Notion 憑咩贏?
Simon 將市場分成三層:實驗室(模型商)、軟件平台、基礎設施。
喺模型層面,Notion 將自己定位為「模型界嘅瑞士」:唔會綁死任何一間模型商,客戶唔想被鎖死,唔同月份唔同模型各有優勢,Notion 要讓用戶隨時用到最好嘅模型,而且可以方便噉切換。
Sarah 追問:開源模型呢?
Simon 話開源模型確實變得好咗。有四間中國模型而家都「相當唔錯」,佢哋啱啱喺 Agent 入面上線咗其中一款,計劃全部接入。呢啲模型比前沿模型平好多,好多場景用佢哋更加適合。
Notion 嘅定位係:將最好嘅模型都接入嚟,做高質素嘅 Agent 實現,然後提供一個真係適合人類同 Agent 協作嘅工作空間。
【注:截至訪問時,Notion 已經支援 GPT-5、Claude Sonnet 4 等前沿模型,以及 MiniMax 等開源模型。用戶可以喺 Agent 設定入面揀模型。】
【9】為 Agent 重新設計 API
Sarah 問:Notion 現有嘅結構,例如 blocks、數據庫,對 Agent 有用嗎?
Simon 話非常有用。但有一個新挑戰:要令 Agent 用起嚟方便。以前 Notion 嘅 API 係為人類開發者設計嘅,而家多咗一個「新客戶」,就係 Agent 本身。
最初呢個的確係一個問題。Notion 嘅 API 用一種非常冗餘嘅 JSON 格式嚟表示 blocks,對 Agent 嚟講又囉嗦又難處理。
佢哋接受咗呢個挑戰,做咗兩件事:第一,為頁面嘅讀寫設計咗一種 Markdown 方言,睇落似標準 Markdown,但擴展咗對所有 Notion block 類型嘅支援,模型對呢種格式非常擅長。第二,數據庫互動用 SQLite 語法,模型本身都擅長 SQL。
Sarah 問點樣搞清楚咩對 Agent 更好?
Simon 話兩條路。一係經驗主義:不斷嘗試,發現「哦,佢唔擅長呢個」「哦,呢個 Token 太多,點樣壓縮?」二係第一性原理:模型訓練數據裏面有啲咩?佢嘅先驗知識係咩?佢天生擅長咩格式?Agent 循環嘅高效率模式係咩?
Sarah 總結:所以你哋做緊用戶研究,只不過用戶係 Agent。
Simon 笑着話:係,而且呢個「用戶」隨時可以傾偈,你有無限嘅存取權限,仲可以寫 script 批量測試。

【10】13 日不間斷
Sarah 問到 Simon 個人嘅 Agent 工作流程。
Simon 話佢喺度整一個新原型,同時行緊好幾個 Agent。佢嘅日常工具係 Claude Code 或 Codex 嘅命令行版本,佢鍾意命令行工具,簡單好用。
佢而家嘅目標就係盡可能多地同時運行 Agent,全天候不間斷。每日夜晚瞓覺前,佢會確保俾 Agent 安排咗足夠多嘅任務,保證第二朝起身時佢仲未做完。
Sarah 話:咁就係勝利。
係,咁就係勝利。我嘅個人紀錄係一個編碼 Agent 連續行咗 13 日冇停過,一直按任務列表做嘢。
(“My personal record is that I've had a coding agent running for, I think it was 13 days straight, without stopping and just basically working through tasks.”)
Sarah 承認自己呢個星期亦都多次半夜醒嚟檢查 Agent 係咪仲喺度行緊。Simon 話佢都係,每日瞓覺前都要最後確認一次佢仲喺度轉緊。
Simon 嘅 Personal Agent 都係佢嘅日常工具,因為佢可以存取公司工作空間嘅所有內容。例如訪問前一日夜晚,佢叫 Agent 幫佢睇 Custom Agent 推出後嘅用戶反饋。
但佢最滿意嘅係一個郵件分類 Agent。呢個 Agent 連接咗佢所有嘅工作同個人郵箱,每日自動將唔需要睇嘅郵件歸檔。建立過程好簡單:創建一個 Custom Agent,俾佢郵件存取權限,再俾佢一個空白 Notion 頁面做「記憶」。然後叫佢去睇郵件,反過嚟「訪問」Simon:提出佢認為應該歸檔嘅郵件,Simon 進行糾正。Agent 用呢啲反饋自動生成一套規則。頭幾日 Simon 仲喺度糾正佢,幾星期後佢完全取消咗審批環節,Agent 就全自動運行了。
Simon 話呢個徹底解決咗佢嘅郵件問題。佢做嘢主要用 Slack,95% 嘅個人郵件同工作郵件佢根本唔需要睇。而家佢打開收件箱,裏面只有真正需要佢處理嘅內容。
佢仲有一個反饋路由 Agent。Notion 內部有一個 Slack 頻道,同事們會喺入面隨手發產品反饋同 bug 報告。以前呢啲反饋有時有人回應,有時就被忽略咗,因為牽涉太多團隊。呢個 Agent 嘅全部工作就係將反饋路由到正確嘅地方。佢用類似嘅「記憶」模式,喺實際運行中學路由規則,久而久之積累咗數百條規則。例如如果係移動端嘅 bug,佢知道要路由俾移動團隊,然後喺佢哋嘅數據庫入面創建任務。
Simon 話佢喺最初會檢查 Agent 學到嘅規則係咪合理,但一旦信任佢喺正常運作,就唔再睇。間中會出問題,佢再去整。
佢嘅通用模式係:先做原型,放喺審批模式下密切觀察,行幾輪之後確認佢喺正常工作,然後完全放手。

【11】由「做嘢嘅工具」變成「管 Agent 嘅工具」
Sarah 提到 Simon 同 Ivan 最初係喺 Tools for Thought 社區認識嘅。經過呢幾年嘅 AI 變革,Notion 嘅核心定位變咗未?
Simon 話變化相當大。
AI 之前,Notion 嘅目標係為人類創造最好嘅直接執行工作嘅工具。
而家嘅目標係為人類創造最好嘅管理 Agent 嚟幫你做嘢嘅工具。
之前嘅目標係創造最好嘅工具俾人類直接做嘢。而家嘅目標係創造最好嘅工具俾人類管理 Agent 幫你做嘢。呢個係一個好大嘅轉變。
(“Before AI, our goal was to create the best tool for humans to directly perform their work. And then now the goal is to create the best tool for humans to manage agents to do the work for them. That's a big shift.”)

但佢接着講咗一個重要嘅發現:Notion 之前建立嘅所有原語,喺 Agent 時代依然非常有用。文檔依然需要,Agent 好鍾意寫 Markdown。數據庫依然需要,結構化數據依然係剛需。如果你有 100 個後台編碼 Agent 同時做嘢,你唔會想要 100 個聊天視窗,你會想要一個看板。 同以前一樣。
Notion 只需要增加一啲新原語:Agent 係咩?佢點樣同頁面同數據庫互動?
Sarah 最後問:過去六個月,你個人嘅工作方式有咩變化?
Simon 話完全變曬。佢由 2025 年夏天起就唔再手寫代碼。
經歷咗幾個階段:人手動寫曬所有代碼→Tab 補完→同 Agent 對話叫佢做細任務,但人仲喺外層循環→而家佢設計一個端到端嘅任務,包括改動同驗證,佢只負責最外層嘅確認。如果 Agent 行錯咗,佢去糾正。
佢而家係 Agent 管理者,唔係程序員。
【12】讓非技術團隊都可以整 Agent
Sarah 問 Notion 內部係點樣幫非技術團隊建立用 Agent 嘅直覺。
Simon 話佢哋定期做內部 workshop 同 hackathon。一個月前佢啱啱同人力資源團隊(People Team)做咗一次。呢個團隊反而成為咗 Custom Agent 最積極嘅使用者,因為佢哋日常就有大量喺 Slack 同 Notion 之間來回搬運資訊嘅重複工作。
佢嘅觀察係,大家其實都好興奮想試,只係需要少少推動幫佢哋起步。一旦跨過「咩係 prompt」、「Agent 點樣被觸發同喚醒」呢啲最初嘅技術門檻,Agent 嘅互動方式其實非常符合直覺,因為你只不過係同佢講嘢。
最大嘅障礙可能唔係能力問題,而係信心問題:令人相信呢樣嘢真係用得。
Q&A
Notion 嘅 AI harness 幾耐重寫一次?點解?
大約每六個月一次。因為模型同技術進步太快,系統一定要貼合當前狀態設計,做咗一版就唔改係常見錯誤。
編碼 Agent 對團隊規模有影響嗎?
個人產出上限大幅提高,但 Notion 嘅團隊規模冇明顯縮細。小團隊一直更好,呢點喺 AI 前後冇本質變化。
Notion 點樣為 Agent 設計 API?
頁面讀寫用 Markdown 方言,數據庫用 SQLite。設計方法係經驗主義試錯加第一性原理推演:既睇 Agent 實際表現,亦諗模型訓練數據嘅先驗。
Custom Agent 同 Personal Agent 有咩分別?
Personal Agent 同用戶有相同權限,被動回應請求。Custom Agent 預設冇權限要授權,可以按計劃或觸發器喺後台自主執行。
Simon 認為 AGI 會係咩樣?
AGI 就係一個編碼 Agent。代碼係表達確定性邏輯最好嘅原語,而寫到代碼嘅 Agent 可以不斷自我擴展能力。
Simon 喺呢次對話入面反覆傳遞嘅核心信息有三個:第一,AI 系統一定要跟住模型能力持續重寫,唔可以做一版就停;第二,編碼 Agent 唔止係開發者嘅效率工具,佢係 Agent 自我進化嘅關鍵能力;第三,生產力軟件嘅定義正在由「人用嘅工具」變成「人用嚟管理 Agent 嘅工具」。
一個值得追問嘅問題係:Custom Agent 自主運行帶嚟嘅 prompt injection 安全風險,Simon 喺訪問入面冇提及,但 Notion 官方文檔已經寫咗呢個係佢哋正在投入嘅領域。當你嘅 Agent 數量超過員工數量時,安全同控制嘅問題只會越來越大。
另一個懸而未決嘅點:如果 AGI 真係編碼 Agent,咁模型廠商自己做嘅 Agent 同 Notion 嘅 Agent 會係咩關係?「模型嘅瑞士」呢個定位,喺模型廠商都想做平台嘅時代,可以維持幾耐?不過 Simon 自己俾出咗一個方向:管理 100 個 Agent 嘅人需要咩?唔係 100 個聊天視窗,係一個看板。如果呢個判斷成立,Notion 十幾年積累嘅協作基礎設施就唔係包袱,而係壁壘。
原始影片:https://www.youtube.com/watch?v=1dYThQgOyZU
Simon Last 是 Notion 的聯合創始人,也是 Notion AI 背後的核心推動者。他和另一位聯合創始人 Ivan Zhao 在 2013 年創辦 Notion,目前平台用戶超過 1 億。在這期訪談中,Simon 講了 Notion AI 從 2022 年墨西哥全員大會上的 GPT-4 初體驗開始,經歷寫作助手、語義搜索、通用 Agent 三四次失敗,到最近發佈 Custom Agent 的完整歷程。他還分享了自己怎麼用編碼 Agent 工作(個人紀錄:一個 Agent 連續跑了 13 天),以及 Notion 的使命如何從“幫人做事的工具”變成“幫人管理 Agent 的工具”。
訪談來源:No Priors 播客第 153 期,2026 年 3 月 12 日,主持人 Sarah Guo

原始視頻:https://www.youtube.com/watch?v=1dYThQgOyZU
1. Notion 的 AI harness(圍繞大模型構建的系統層)大約每六個月推倒重寫一次,很多公司做了一版就不動了,Simon 認為這是常見錯誤。 2. Notion 嘗試了三到四次才做出能用的通用 Agent。2025 年 9 月發佈 Personal Agent,2026 年 2 月發佈可自主運行的 Custom Agent。 3. 編碼 Agent 用得好,產出比人寫的更健壯;用得差,產出全是垃圾。關鍵在於驗證循環的設計,不是“憑感覺編程”。 4. Simon 的個人紀錄是一個編碼 Agent 連續運行 13 天不停。他每天睡前安排任務,目標是第二天醒來 Agent 還沒做完。 5. Notion 為 Agent 專門設計了新 API:頁面用自定義 Markdown 方言,數據庫用 SQLite 語法,原有的 JSON 格式對 Agent 太冗餘。 6. Notion 自稱“模型界的瑞士”,不鎖定任何一家模型廠商,已開始上線中國開源模型。 7. Notion 的使命發生了根本轉變:從“為人類創造最好的直接做事的工具”變成"為人類創造最好的管理 Agent 來替你做事的工具"。
【1】墨西哥的 GPT-4 時刻
Sarah 問 Simon,聽說 Notion 第一次接觸 GPT-4 是在墨西哥的公司全員大會上?
Simon 說那是 2022 年。他一直在關注 AI 領域的進展,但直到拿到 GPT-4 的測試權限,事情才變得“非常、非常真實”。當時他和 Ivan 都拿到了一個類似 ChatGPT 的早期界面,兩人立刻發現了兩件事:一是這個模型夠聰明,能理解比較複雜的指令,能幫你寫東西、改東西;二是它的知識面極深極廣。
當我們試用之後,對我們倆來說立刻就很清楚:現在就是開始思考怎麼應用它的時候了。它只會越來越好。
(“When we played with it, 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.”)
他們立刻形成了一個短期計劃和一個長期計劃。短期很明顯:文檔裏的寫作助手,選中文本讓 AI 幫你改寫或生成。團隊組了一個突擊小隊,兩三個月後就發佈了。長期計劃更大膽:做一個通用 Agent,給它 Notion 裏所有人類能用的工具,讓它能自己創建數據庫、寫文檔、做搜索,把這些串起來完成更長鏈條的任務。
短期計劃很快就上線了。長期計劃那時候根本跑不通。

【注:Simon 和 Ivan 通過 Twitter 上的 Tools for Thought(思維工具)社區認識,2013 年創辦 Notion。Notion 2024 年達到 1 億用戶,2025 年 ARR 約 6 億美元,估值約 110 億美元。】
【2】從寫作助手到語義搜索
Notion AI 的第一個功能是 AI Writer,2023 年 2 月對所有用戶開放。這是最容易實現的:單步任務,改寫和編輯文本,不需要檢索,直接調用模型。
緊接着團隊開始做 Q&A 功能:對整個工作空間做語義索引(semantic index,即把文本轉化為向量以便按語義而非關鍵詞檢索),然後讓用戶提問,AI 給出基於來源的回答。這個功能 2023 年 10 月上線,但工程量大得多,因為不是簡單接入大模型,而是要做一個實時更新的索引系統,還要認真搭建評估體系來保證質量。
Q&A 上線後,Simon 馬上意識到應該把索引擴展到 Notion 之外,於是開始接入 Slack、Google Drive 等外部數據源。
Sarah 追問:這些平台自己的搜索也沒做好啊,你們憑什麼覺得自己能做得更好?
Simon 笑了:對,我們也很困惑為什麼大多數公司做索引做得這麼差。他的判斷是,關鍵在於兩樣東西。一是對 AI 有浸泡出來的直覺(他用的詞是 AI-pilled savviness),清楚模型能做什麼、不能做什麼。二是工匠精神和對細節的關注。每個數據源都不一樣,你不能用一套方案處理 Slack 和 Google Drive,它們是完全不同類型的信息。必須大量嘗試不同的查詢,每天使用,不斷迭代分塊策略和檢索流程。
Sarah 問 Notion 工作空間的組織方式千差萬別,這對搜索不是很大挑戰嗎?
Simon 的回答有點反直覺:在向量嵌入(embedding)時代,工作空間的組織結構其實不那麼重要了。 AI 不關心你的文件夾樹狀結構長什麼樣,它只關心有沒有一段文本包含你需要的信息。他現在甚至建議用戶:“不要太糾結組織方式,把東西扔進去就行。”
當然,分塊策略(chunking strategy,即把長文檔切成多大的片段供檢索)這些技術決策依然很關鍵,但那是對用戶透明的,跟用戶怎麼組織自己的東西無關。
【3】每六個月推倒重來
Sarah 說 Ivan 讓她一定要問一個問題:你們的 AI harness 重寫了多少次?
【注:harness 在這裏指圍繞大模型構建的整套系統層,包括提示詞管理、工具調用、上下文拼裝、輸出處理等。】
Simon 說這已經成了內部的一個梗了。大概每六個月重寫一次,而且重寫週期在縮短,因為技術進步在加速。
他認為這是很多公司犯的一個關鍵錯誤:做了一版就固定下來不動了。你必須時刻關注模型和技術的最新狀態,然後圍繞當前狀態深度設計整個系統和產品。這意味着每六個月就得重寫。
我覺得這挺好玩的。這是流程的一部分。你可以重新開始,重新思考。
(“I find it pretty fun. It's part of the process. You get to restart and rethink it.”)
他說他們馬上要發佈新版 harness,同時已經在想下一版了。

【4】編碼 Agent 改變了一切
Sarah 接着這個話題問:既然你們這麼願意推倒重來,編碼 Agent 是不是讓這件事變得更輕鬆了?
Simon 說完全正確。他 2025 年 4 月左右開始用 Claude Code,從此徹底改變了工作方式。
他把編碼 Agent 的演化分了幾個階段:先是 Tab 自動補全的時代,然後是能幫你插入和改寫一些代碼,但真正的轉折是 Agent 開始能端到端地實現、驗證和維護代碼。

關鍵在於:你需要認真思考架構和驗證循環。不是“憑感覺編程”(vibe coding),不是隨口說一句你想要什麼就完事了。你得想清楚“我要做什麼改動?怎麼驗證它是對的?怎麼安全部署?”然後讓 Agent 幫你執行這個過程。
用得好的話,你可以做比以前更雄心勃勃的事情,而且比人寫的更健壯。用得差的話,產出全是垃圾。
(“If you do it well, you can be much more ambitious about what you're building and also make it much more robust than you could have done with humans writing it. And then the flip side is, if you do it badly, it's all slop.”)
他還提到了 Notion 內部的一個有趣變化。設計團隊做了一個叫 Design Playground 的 git 倉庫,就是一個簡化版的 Notion,裏面有一堆 UI 基礎組件和一個內置 Agent。所有設計師都可以快速搭建高保真、可部署的原型。以前討論設計方案是指着一張靜態圖說“這個會長什麼樣?”,現在設計師直接給你一個可以打開的 URL。
整個工程團隊都在經歷這種變化。內部感覺更混亂了一點,但 Simon 說他喜歡這種混亂:更多原型、更多實驗、每個 PR 都更有野心。
Sarah 問:對於涉及數據安全等高風險的部分,你們會畫線嗎?
Simon 說所有 PR 仍然要做代碼審查。現在的 PR 都是 Agent 寫的,更大更復雜,這是不好的一面。但好的一面是測試覆蓋率大幅提高。他個人現在不會提交任何沒有完整單元測試的 PR。
【5】100 倍工程師是真的
Sarah 問:AI 工具對團隊規模和人才結構有什麼影響?
Simon 說核心變化是:每個人的產出上限都大幅提高了,而產出越來越取決於你使用工具的能力和意願。
但團隊規模沒有因此顯著縮小。Notion 一直喜歡用小規模的突擊小隊,這在 AI 之前就是對的,AI 之後可能稍微更對一點,但變化不大。
Sarah 追問:普通工程師和那些特別會用工具的工程師之間,差距會不會越來越大?
差距更大了。如果你現在會用這些工具,你可以成為 100 倍甚至 1000 倍工程師。最低門檻沒變,但上限極大地提高了。
(“You can be a 100 or 1,000x engineer if you're using the tools right now. The minimum bar has not changed, but the maximum bar has extremely increased.”)
【6】三四次失敗之後,Agent 終於上線了
Sarah 問:你之前說通用 Agent 那時候還跑不通,現在到什麼程度了?
Simon 說他們掙扎了好幾年來做 Agent。每次做出來“差不多能用”,但就是不夠有用。主要原因是時機太早。他們前後嘗試了三到四次。
終於在 2025 年 8、9 月上線了。 現在你在 Notion 裏用的 AI 就是一個完整的 Agent,可以訪問 Notion 裏幾乎所有東西:創建數據庫、更新內容、創建文檔、搜索網頁、做研究。每個用戶都有一個 Personal Agent,擁有和用戶相同的訪問權限。
【注:這就是 2025 年 9 月 18 日發佈的 Notion 3.0。Notion 將其定位為繼 1.0(文檔協作)和 2.0(數據庫與工作流)之後的第三次重大進化。】
然後在訪談的大約兩週前,Notion 發佈了 Custom Agent。和 Personal Agent 不同,Custom Agent 默認沒有任何權限,你需要手動授權它能訪問什麼。但一旦授權,它可以在後台自主運行。
比如你可以給它一個數據庫用來記錄任務,然後把它接到一個 Slack 頻道,它就會自動回覆 Slack 上的消息並創建任務。或者你可以讓它定期搜索網頁和工作空間,然後自動填充週報數據庫。
【注:Custom Agent 於 2026 年 2 月 24 日正式發佈。Notion 稱其早期測試者已創建了超過 21000 個 Agent,Notion 內部運行的 Agent 數量已超過員工數。】
【7】AGI 的內核是編碼 Agent
Simon 說他最興奮的一個方向是讓 Agent 能從一個初始內核出發,自我引導(bootstrap)出新的能力。比如如果某個集成還不存在,Agent 可以自己寫代碼構建這個集成,部署它,然後使用它。
Sarah 確認:所以 Notion 的 Agent 是那種更廣義的定義,寫代碼也是一種工具?
編碼 Agent 就是 AGI 的內核。AGI 就會是一個編碼 Agent。代碼是表達確定性邏輯非常好的原語。
(“I think of coding agents as the kernel of AGI. AGI will be a coding agent, and code is just a really useful primitive for representing deterministic logic.”)

Simon 認為這對知識工作 Agent 特別有意義:它可以自己”長出”新能力。集成不存在?自己建。需要連接新數據源?自己接。
【8】“模型界的瑞士”
Sarah 提出一個競爭格局的問題:Notion 面對的是規模更大的生產力平台和 AI 實驗室,它們也在試圖做跨數據源的集成和 Agent。Notion 憑什麼贏?
Simon 把市場分成三層:實驗室(模型商)、軟件平台、基礎設施。
在模型層面,Notion 把自己定位為“模型界的瑞士”:不綁定任何一家模型商,客戶不想被鎖定,不同月份不同模型各有優勢,Notion 要讓用戶隨時能用到最好的模型,而且能方便地切換。
Sarah 追問:開源模型呢?
Simon 說開源模型確實變得很好了。有四家中國模型現在都“相當不錯”,他們剛在 Agent 中上線了其中一款,計劃全部接入。這些模型比前沿模型便宜很多,很多場景用它們更合適。
Notion 的定位是:把最好的模型都接進來,做高質量的 Agent 實現,然後提供一個真正適合人和 Agent 協作的工作空間。
【注:截至訪談時,Notion 已支持 GPT-5、Claude Sonnet 4 等前沿模型,以及 MiniMax 等開源模型。用戶可在 Agent 設置中選擇模型。】
【9】為 Agent 重新設計 API
Sarah 問:Notion 現有的結構,比如 blocks、數據庫,對 Agent 有用嗎?
Simon 說非常有用。但有一個新挑戰:要讓 Agent 用起來方便。以前 Notion 的 API 是為人類開發者設計的,現在多了一個“新客戶”,就是 Agent 本身。
最初這確實是個問題。Notion 的 API 用一種非常冗餘的 JSON 格式來表示 blocks,對 Agent 來說又囉嗦又難處理。
他們接受了這個挑戰,做了兩件事:第一,為頁面的讀寫設計了一種 Markdown 方言,看起來像標準 Markdown,但擴展了對所有 Notion block 類型的支持,模型對這種格式非常擅長。第二,數據庫交互用 SQLite 語法,模型也天然擅長 SQL。
Sarah 問怎麼搞清楚什麼對 Agent 更好?
Simon 說兩條路。一是經驗主義:不斷嘗試,發現“哦,它不擅長這個”“哦,這個 Token 太多了,怎麼壓縮?”二是第一性原理:模型訓練數據裏有什麼?它的先驗知識是什麼?它天然擅長什麼格式?Agent 循環的高效模式是什麼?
Sarah 總結:所以你們在做用戶研究,只不過用戶是 Agent。
Simon 笑着說:對,而且這個”用戶”隨時可以聊天,你有無限的訪問權限,還能寫腳本批量測試。

【10】13 天不間斷
Sarah 問到 Simon 個人的 Agent 工作流。
Simon 說他正在做一個新原型,同時跑着好幾個 Agent。他的日常工具是 Claude Code 或 Codex 的命令行版本,他喜歡命令行工具,簡單好用。
他現在的目標就是儘可能多地同時運行 Agent,全天候不間斷。每天晚上睡覺前,他會確保給 Agent 安排了足夠多的任務,保證第二天早上醒來時它還沒做完。
Sarah 說:那就是勝利。
對,那就是勝利。我的個人紀錄是一個編碼 Agent 連續跑了 13 天沒停過,一直在按任務列表工作。
(“My personal record is that I've had a coding agent running for, I think it was 13 days straight, without stopping and just basically working through tasks.”)
Sarah 承認自己這周也多次半夜醒來檢查 Agent 是不是還在跑。Simon 說他也是,每天睡前都要最後確認一遍它還在轉。
Simon 的 Personal Agent 也是他的日常工具,因為它能訪問公司工作空間的所有內容。比如訪談前一天晚上,他讓 Agent 幫他看 Custom Agent 發佈後的用戶反饋。
但他最得意的是一個郵件分揀 Agent。這個 Agent 連接了他所有的工作和個人郵箱,每天自動把不需要看的郵件歸檔。搭建過程很簡單:創建一個 Custom Agent,給它郵件訪問權限,再給它一個空白 Notion 頁面當“記憶”。然後讓它去看郵件,反過來“採訪”Simon:提出它認為應該歸檔的郵件,Simon 進行糾正。Agent 用這些反饋自動生成一套規則。頭幾天 Simon 還在糾正它,幾周後他完全取消了審批環節,Agent 就全自動運行了。
Simon 說這徹底解決了他的郵件問題。他工作主要在 Slack 上,95% 的個人郵件和工作郵件他根本不需要看。現在他打開收件箱,裏面只有真正需要他處理的內容。
他還有一個反饋路由 Agent。Notion 內部有一個 Slack 頻道,同事們會在裏面隨手發產品反饋和 bug 報告。以前這些反饋有時候有人回應,有時候就被忽略了,因為涉及太多團隊。這個 Agent 的全部工作就是把反饋路由到正確的地方。它用類似的“記憶”模式,在實際運行中學習路由規則,久而久之積累了數百條規則。比如如果是移動端的 bug,它知道要路由給移動團隊,然後在他們的數據庫裏創建任務。
Simon 說他在最初會檢查 Agent 學到的規則是否合理,但一旦信任它在正常運作,就不再看了。偶爾會出問題,他再去修。
他的通用模式是:先做原型,放在審批模式下密切觀察,跑幾輪之後確認它在正常工作,然後完全放手。

【11】從“做事的工具”變成“管 Agent 的工具”
Sarah 提到 Simon 和 Ivan 最初是在 Tools for Thought 社區認識的。經過這幾年的 AI 變革,Notion 的核心定位變了嗎?
Simon 說變化相當大。
AI 之前,Notion 的目標是為人類創造最好的直接執行工作的工具。
現在的目標是為人類創造最好的管理 Agent 來替你工作的工具。
之前的目標是創造最好的工具讓人直接做事。現在的目標是創造最好的工具讓人管理 Agent 替你做事。這是一個很大的轉變。
(“Before AI, our goal was to create the best tool for humans to directly perform their work. And then now the goal is to create the best tool for humans to manage agents to do the work for them. That's a big shift.”)

但他接着說了一個重要的發現:Notion 之前構建的所有原語,在 Agent 時代依然非常有用。文檔依然需要,Agent 很喜歡寫 Markdown。數據庫依然需要,結構化數據依然是剛需。如果你有 100 個後台編碼 Agent 在同時工作,你不會想要 100 個聊天窗口,你會想要一個看板。 跟以前一樣。
Notion 只需要增加一些新原語:Agent 是什麼?它怎麼跟頁面和數據庫交互?
Sarah 最後問:過去六個月,你個人的工作方式有什麼變化?
Simon 說完全變了。他從 2025 年夏天起就不再手寫代碼了。
經歷了幾個階段:人手動寫所有代碼→Tab 補全→跟 Agent 對話讓它做小任務,但人還在外層循環→現在他設計一個端到端的任務,包括改動和驗證,他只負責最外層的確認。如果 Agent 跑偏了,他去糾正。
他現在是 Agent 管理者,不是程序員。
【12】讓非技術團隊也能造 Agent
Sarah 問 Notion 內部是怎麼幫非技術團隊建立用 Agent 的直覺的。
Simon 說他們定期做內部 workshop 和 hackathon。一個月前他剛跟人力資源團隊(People Team)做了一次。這個團隊反而成了 Custom Agent 最積極的使用者,因為他們日常就有大量在 Slack 和 Notion 之間來回搬運信息的重複工作。
他的觀察是,大家其實都很興奮想試,只是需要一點推動幫他們起步。一旦跨過“什麼是 prompt”、“Agent 怎麼被觸發和喚醒”這些最初的技術門檻,Agent 的交互方式其實非常符合直覺,因為你就是在跟它說話。
最大的障礙可能不是能力問題,而是信心問題:讓人們相信這東西真的能用。
Q&A
Notion 的 AI harness 多久重寫一次?為什麼?
大約每六個月一次。因為模型和技術進步太快,系統必須緊貼當前狀態設計,做完一版就不動是常見錯誤。
編碼 Agent 對團隊規模有影響嗎?
個人產出上限大幅提高,但 Notion 的團隊規模沒有顯著縮小。小團隊一直更好,這一點在 AI 前後沒有本質變化。
Notion 怎麼為 Agent 設計 API?
頁面讀寫用 Markdown 方言,數據庫用 SQLite。設計方法是經驗主義試錯加第一性原理推演:既看 Agent 實際表現,也想模型訓練數據的先驗。
Custom Agent 和 Personal Agent 有什麼區別?
Personal Agent 跟用戶有相同權限,被動響應用戶請求。Custom Agent 默認無權限需要授權,可以按計劃或觸發器在後台自主運行。
Simon 認為 AGI 會長什麼樣?
AGI 就是一個編碼 Agent。代碼是表達確定性邏輯的最好原語,而能寫代碼的 Agent 可以不斷自我擴展能力。
Simon 在這次對話裏反覆傳遞的核心信息有三個:第一,AI 系統必須跟着模型能力持續重寫,不能做一版就停;第二,編碼 Agent 不只是開發者的效率工具,它是 Agent 自我進化的關鍵能力;第三,生產力軟件的定義正在從“人用的工具”變成“人用來管理 Agent 的工具”。
一個值得追問的問題是:Custom Agent 自主運行帶來的 prompt injection 安全風險,Simon 在訪談中沒有提及,但 Notion 官方文檔裏已經寫了這是他們正在投入的領域。當你的 Agent 數量超過員工數量時,安全和控制的問題只會越來越大。
另一個懸而未決的點:如果 AGI 真的是編碼 Agent,那模型廠商自己做的 Agent 跟 Notion 的 Agent 會是什麼關係?“模型的瑞士”這個定位,在模型廠商也想做平台的時代,能維持多久?不過 Simon 自己給出了一個方向:管理 100 個 Agent 的人需要什麼?不是 100 個聊天窗口,是一個看板。如果這個判斷成立,Notion 十多年積累的協作基礎設施就不是包袱,而是壁壘。
原始視頻:https://www.youtube.com/watch?v=1dYThQgOyZU