Notion如何把AI Agent变成真正能用的“同事”

这期对谈并不是炫技式的AI发布，而是一次关于“AI如何真正进入日常知识工作”的坦诚展示。通过几个生活化的故事和现场演示，Akshay 与 Ryan 解释了 Notion 为什么选择 Agent 形态、它如何利用工作区上下文，以及他们对 AI 应用节奏的克制判断。

为什么AI Agent必须从“真实使用”开始

这一段最打动人的地方，不是技术，而是一个有点自嘲的家庭故事。Akshay 开场就说：“I've tried to get my wife to use notion for 7 years… and then just give me the report afterwards.” 七年推广失败，反而成了他们理解普通用户的起点。

这件小事背后，是一个很重要的判断：如果一个工具需要用户投入大量学习成本，它永远走不进真正的工作流。AI Agent 的意义，不是让用户“学会怎么用 AI”，而是替用户把事情先做一半，最后只需要确认和调整。也正因为如此，他们对 Agent 的期待不是惊艳一次，而是能不能在每天的工作中反复被用到。

这种视角，解释了为什么 Notion 团队会反复强调“给用户一个巨大 head start”。不是自动完成一切，而是先把信息填好、结构搭好，让人类保留判断权。这比全自动更慢，却更可能被长期接受。

Agent 真正的差异点：实时性与全工作区上下文

当 Ryan 被请上来现场展示 Agent 时，主持人点出了一个关键感受：“The other thing I love about it is that it works like real time.” 这里的实时，并不只是响应快，而是 Agent 能随着你的操作不断更新理解。

另一个被反复提到的能力，是上下文。正如嘉宾调侃的那样：“Funny like Ryan talks about his wife… but you have the context of like all of the content in your entire workspace.” Agent 并不是在“猜你想要什么”，而是直接读取你整个工作区已有的内容作为背景。

这种设计，决定了 Agent 更像一个长期共事的同事，而不是一次性的问答工具。它知道你过去写过什么、项目是如何推进的，也因此能在新任务中给出更贴合实际的初稿。这是很多通用 AI 工具很难做到的地方。

模型不是在“思考”，而是在认真阅读

在一段关于技术原理的对话中，Peter 试图确认 Agent 的工作方式：“So the model is kind of just like reading… Exactly.” 这个“reading”的说法非常克制，却很准确。

他们并没有把 Agent 描述成拥有神秘智能的存在，而是强调它对既有资料的系统性阅读和整理能力。类似在提到 “NPS study” 时的反应，也是基于已有内容进行理解和归纳，而不是凭空生成结论。

这种表述方式，其实降低了用户的心理预期：Agent 不负责创造真理，而是负责把你已经拥有的信息用好。这也解释了为什么他们在发布节奏上非常谨慎，“until that happens we will not move to the next thing.” 只有当前能力在真实场景中站得住脚，才会继续往前。

从炫技到原型：AI应用的真正门槛

在结尾，话题被拉回到更大的行业判断。嘉宾直言，Notion 之所以“put notion on the map”，正是因为它一直站在“AI 将如何影响知识工作”的问题上。

Peter 在总结时给了听众一个非常直接的建议：“there's no excuse for you to not prototype.” 工具已经足够成熟，真正的门槛不在技术，而在品味和判断力。Ryan 也呼应道：“Yeah， you just got to have some taste.”

这句话背后，其实是一种乐观但不浮躁的态度。正如他们所说，这是一个“quite a fun world to live in”的阶段——前提是你愿意亲手去试，而不是等一个完美答案。

总结

这场对谈没有给出宏大的 AI 未来蓝图，却用一系列具体而真实的片段，解释了为什么 AI Agent 必须嵌入真实工作流、为什么上下文比参数更重要，以及为什么节制发布反而更难。对读者来说，最大的启发或许是：与其追逐最新模型，不如思考你是否真的理解自己的工作信息，并愿意把它交给一个“正在学习的同事”。

关键词： Notion， AI Agent， 知识工作， 工作区上下文， AI应用

事实核查备注： 视频标题为《How Notion Built the Best AI Agents For Work》，频道 Peter Yang；提及人物 Akshay、Ryan、Peter；原话引用包括关于妻子使用 Notion、实时性、模型在“reading”、原型与品味；涉及概念：AI Agent、工作区上下文、NPS study；未使用具体模型名称或技术参数。