Simon Last 是 Notion 的聯合創始人，也是 Notion AI 背后的核心推動者。他和另一位聯合創始人 Ivan Zhao 在 2013 年創辦 Notion，目前平臺用戶超過 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，到最近發布 Custom Agent 的完整歷程。他還分享了自己怎么用編碼 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 來替你做事的工具"。

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

要點速覽

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 月發布 Personal Agent，2026 年 2 月發布可自主運行的 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。關鍵在于驗證循環的設計，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 太冗余。

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，能理解比較復雜的指令，能幫你寫東西、改東西；二是它的知識面極深極廣。

"當我們試用之后，對我們倆來說立刻就很清楚：現在就是開始思考怎么應用它的時候了。它只會越來越好。"

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：文檔里的寫作助手，選中文本讓 AI 幫你改寫或生成。團隊組了一個突擊小隊，兩三個月后就發布了。長期計劃更大膽：做一個通用 Agent，給它 Notion 里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。

短期計劃很快上線了。長期計劃那時候根本跑不通。

【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。

緊接著團隊開始做 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），然后讓用戶提問，AI 給出基于來源的回答。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 上線后，Simon 馬上意識到應該把索引擴展到 Notion 之外，于是開始接入 Slack、Google Drive 等外部數據源。

Sarah 追問：這些平臺自己的搜索也沒做好啊，你們憑什么覺得自己能做得更好？

Simon 笑了：對，我們也很困惑為什么大多數公司做索引做得這么差。他的判斷是，關鍵在于兩樣東西。一是對 AI 有浸泡出來的直覺（他用的詞是 AI-pilled savviness），清楚模型能做什么、不能做什么。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。

【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？

Simon 說這已經成了內部的一個梗了。大概每六個月重寫一次，而且重寫周期在縮短，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，然后圍繞當前狀態深度設計整個系統和產品。這意味著每六個月就得重寫。

"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。"

他說他們馬上要發布新版 harness，同時已經在想下一版了。

【4】編碼 Agent 改變了一切

Sarah 接著這個話題問：既然你們這么愿意推倒重來，編碼 Agent 是不是讓這件事變得更輕松了？

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，然后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。

關鍵在于：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么就完事了。你得想清楚"我要做什么改動？怎么驗證它是對的？怎么安全部署？"然后讓 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。

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，里面有一堆 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著一張靜態圖說"這個會長什么樣？"，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。

【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么影響？

Simon 說核心變化是：每個人的產出上限都大幅提高了，而產出越來越取決于你使用工具的能力和意愿。

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 之后可能稍微更對一點，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。

【6】三四次失敗之后，Agent 終于上線了

Sarah 問：你之前說通用 Agent 那時候還跑不通，現在到什么程度了？

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。他們前后嘗試了三四次。

終于在 2025 年 8、9 月上線了。現在你在 Notion 里用的 AI 就是一個完整的 Agent，可以訪問 Notion 里幾乎所有東西：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。

然后在訪談的大約兩周前，Notion 發布了 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么。但一旦授權，它可以在后臺自主運行。

比如你可以給它一個數據庫用來記錄任務，然后把它接到一個 Slack 頻道，它就會自動回復 Slack 上的消息并創建任務。或者你可以讓它定期搜索網頁和工作空間，然后自動填充周報數據庫。

【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，然后使用它。

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。

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臺和 AI 實驗室，它們也在試圖做跨數據源的集成和 Agent。Notion 憑什么贏？

Simon 把市場分成三層：實驗室（模型商）、軟件平臺、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廠商，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，然后提供一個真正適合人和 Agent 協作的工作空間。

【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 用一種非常冗余的 JSON 格式來表示 blocks，對 Agent 來說又啰嗦又難處理。

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 問怎么搞清楚什么對 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，怎么壓縮？"二是第一性原理：模型訓練數據里有什么？它的先驗知識是什么？它天然擅長什么格式？Agent 循環的高效模式是什么？

Sarah 總結：所以你們在做用戶研究，只不過用戶是 Agent。

Simon 笑著說：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，同時跑著好幾個 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。

他現在的目標就是盡可能多地同時運行 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，我有一個編碼 Agent 連續跑了 13 天沒停過，一直在按任務列表工作。

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，每天睡前都要最后確認一遍它還在轉。

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 發布后的用戶反饋。

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"。然后讓它去看郵件，反過來"采訪"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，幾周后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，里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，同事們會在里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，然后在他們的數據庫里創建任務。

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，跑幾輪之后確認它在正常工作，然后完全放手。

【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。

但他接著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 個后臺編碼 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 是什么？它怎么跟頁面和數據庫交互？

Sarah 最后問：過去六個月，你個人的工作方式有什么變化？

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 內部是怎么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復工作。

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"什么是 prompt"、"Agent 怎么被觸發和喚醒"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？為什么？
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 前后沒有本質變化。

Notion 怎么為 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，也想模型的訓練數據和先驗知識。

Custom Agent 和 Personal Agent 有什么區別？
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后臺自主運行。

Simon 認為 AGI 會長什么樣？
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 在這次對話里反復傳遞的核心信息有三個：第一，AI 系統必須跟著模型能力持續重寫，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 官方文檔里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 會是什么關系？"模型的瑞士"這個定位，在模型廠商也想做平臺的時代，能維持多久？不過 Simon 自己給出了一個方向：管理 100 個 Agent 的人需要什么？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。