做模型界的瑞士：Notion 如何把 AI Agent 變成它的新客戶

本文整理自《No Priors》2026 年 3 月播出的單集。

{{< youtube 1dYThQgOyZU >}}

{{< spotify "episode/33TEE8FPYupsQecWy6Tvqi" >}}

{{< apple-podcast "tw/podcast/from-coder-to-manager-navigating-the-shift-to-agentic/id1668002688?i=1000754826750" >}}

---

Notion 共同創辦人賽門·拉斯特（Simon Last）在 AI Podcast《No Priors》上用一句話總結了公司願景的轉變：「以前，我們的目標是打造讓人類直接完成工作的最佳工具。現在，我們的目標是打造讓人類管理 agent 去完成工作的最佳工具。」這不是行銷口號，而是一個正在重新定義自己的產品公司，對未來做出的根本性押注。

Notion 曾經是一個筆記和專案管理工具。現在它要成為讓人類和 AI agent 協作的平台。拉斯特認為這個轉變比聽起來更基進，但同時也承認，Notion 過去十年打造的那些基礎元件在新時代依然派得上用場。「你還是需要文件，那是一種非結構化的寫作方式。Agent 也很愛寫 Markdown 文件，」他說，「你也還是需要資料庫和結構化資料。如果你同時有 100 個 coding agent 在背景跑，你不會想要 100 個聊天視窗。你會想要一個 Kanban 看板。」舊的積木沒有過時，只是需要加上新的積木。

長短期雙軌並行：2022 年就埋下的種子

Notion 的 AI 故事要回到 2022 年。那一年拉斯特和另一位共同創辦人 Ivan Zhao 在墨西哥的公司外訓中第一次接觸到 GPT-4 的原型。拉斯特回憶，當時兩件事立刻變得很明確：第一，這個模型夠聰明，能遵循相當複雜的指令，能寫東西、能編輯；第二，它的知識範圍「極深且廣」。兩人當場決定，現在就是開始把 AI 融入 Notion 的時機，「它只會越來越好。」

他們馬上定出了短期和長期兩條路線。短期路線很直覺：做一個寫作助手。選取一段文字、讓 AI 改寫、查資料、給建議。這條路線由一個精銳小組（tiger team）負責，兩三個月後就上線了。2023 年 2 月，Notion 推出了 AI Writer，那是他們的第一個 AI 功能，本質上是單步驟的文字改寫任務，不涉及檢索，就是直接讓模型讀寫文字。長期路線則是一個「通用助手」：給 AI 所有 Notion 裡人類有的工具，讓它能自己建資料庫、查詢、修改資料、建立文件、編輯，把這些能力串在一起完成比較複雜的多步驟任務。這條路線的願景從第一天就很清楚，但模型能力還不到位，花了好幾年才真正做出來。

接下來的兩年是一段漫長的建設期。2023 年 10 月，Notion 上線了 Q&A 功能，做的是整個工作空間的語義索引。使用者可以用自然語言提問，得到基於工作空間內容的回答，並附上來源出處。索引範圍隨後擴大到 Slack 和 Google Drive，做到跨平台的知識檢索。到了 2025 年 8 月，長期路線終於完成，Notion 發布了 Personal Agent（Notion 3.0）。每位使用者都有一個專屬 agent，它能存取使用者有權限的所有內容，可以建資料庫、更新資料、建文件、搜尋網路、做調研。拉斯特坦言他們其實前前後後嘗試了三、四次才把 agent 做到真正好用，之前每次「有點能用，但就是不夠實用。本質上是太早了。」

Agent 是新客戶：為什麼要重新設計 API

Notion 的 API 原本是為人類開發者設計的，用了一套繁複的 JSON 格式來表示 block 結構。拉斯特坦言，這套格式對 AI agent 來說「極度冗長，而且很糟糕」。agent 一碰到那堆 JSON，token 使用量暴增，解析效率低落。但 Notion 沒有把這當作一個無法解決的限制，而是當作工程挑戰正面迎擊。

他們為 agent 設計了一套 Markdown 方言（markdown dialect）。外觀上就是標準的 Markdown，但經過擴充，可以表示所有的 Notion block 類型。拉斯特解釋了為什麼這行得通：語言模型的訓練資料裡有大量 Markdown 內容，所以模型對這種格式天生就很擅長。agent 透過這套方言來讀取和寫入頁面，效果非常好。至於資料庫的互動，他們選擇了 SQLite。agent 可以直接用 SQL 語法來查詢和操作 Notion 資料庫，而 SQL 也是語言模型的訓練資料中高度存在的語法。「預設的做法效果不好，但我們把它當工程挑戰來處理。我可以說，現在我們有了非常方便的 API，agent 天生就很擅長使用。」

這背後的設計思維值得注意：為 agent 設計 API，不是把人類的 API 簡化一下就好。拉斯特提到他們的方法結合了經驗試錯和第一原理思考。經驗試錯的部分是不斷試用，發現 agent 在哪裡卡住、哪裡 token 太多、哪裡效果不好。第一原理的部分是問：模型的訓練資料裡有什麼？它的先驗知識是什麼？它天生擅長什麼？agent 的迴圈運作方式是怎樣的？什麼樣的存取模式對它來說最方便、最有效率？主持人 Sarah Guo 精準地總結了這種做法：「使用者研究，但使用者是 agent。」

Custom Agents：讓非技術團隊也能打造 AI 員工

2026 年 2 月，Notion 推出了 Custom Agents（Notion 3.3）。跟 Personal Agent 不同，Custom Agent 預設不能存取任何東西，你必須手動授權它可以碰哪些資料。但一旦授權完成，它就能在背景自主執行，不需要你在線。拉斯特舉了幾個例子：你可以給 agent 一個資料庫的存取權限，讓它記錄任務，然後把它連接到一個 Slack 頻道，它就會自動回應頻道裡的訊息並建立任務。另一種用法是讓它存取一個週報資料庫，搭配網路搜尋或工作空間搜尋，自動彙整每週的資訊。

更讓拉斯特興奮的是讓 agent 能「自我引導」（bootstrap）新能力。他把 coding agent 稱為「AGI 的核心」，因為程式碼是一種表達確定性邏輯的強大原語（primitive）。在知識工作 agent 的場景裡，這意味著如果某個整合功能還不存在，agent 可以自己寫程式碼來建造它；如果需要連接到新的資料來源，agent 也可以自己完成。這不是假設性的未來，而是 Notion 正在推動的方向。Custom Agent 加上 coding 能力，等於是一個可以自我擴展工具箱的自主工作者。

在 Notion 內部，非技術團隊對 Custom Agents 的接受度出乎意料地高。拉斯特舉了人資（People）團隊的例子，說他們是 Custom Agents 的「最高採用者」。這個團隊原本就有大量在 Slack 和 Notion 之間來回的手動工作流程，Custom Agents 剛好契合了這類重複性的協調工作。拉斯特會定期辦工作坊和 hackathon，幫助非技術團隊上手。他觀察到一個有趣的現象：一旦越過「什麼是 prompt、agent 怎麼被觸發、它怎麼醒來」這些初始技術門檻，agent 的互動方式其實非常直覺。因為它本質上就是跟一個人溝通，告訴它你想要什麼，它就去做。最大的障礙反而不是技術，而是讓人們願意相信它真的能動。

模型界的瑞士：不綁定任何一家

在 AI 模型的競爭版圖中，Notion 選擇了一個很特別的定位。拉斯特用「模型界的瑞士」（Switzerland for models）來形容自家策略。他的觀察是，Notion 的企業客戶不想被鎖定在任何一家 AI 實驗室的模型上，因為每個月都有不同的模型在某些面向勝出，領先者輪流交替。Notion 要做的是讓使用者可以隨時取用當下最好的模型、隨時切換，完全不被綁住。

這個策略甚至延伸到了開源模型。拉斯特透露他們最近把一個中國開源模型整合進了 agent 系統，而且準備再加入更多。他的評價很直接：「這些模型品質其實相當不錯，而且比前沿（frontier）模型便宜很多。」對許多使用場景來說，不需要最頂級的模型，一個成本低十倍但品質夠用的選項反而更合理。Notion 想要把這個選項擺在使用者面前，讓他們自己決定，而不是強迫所有人都用最貴的。

拉斯特把 Notion 的角色總結為三件事：第一，拿到最好的模型（無論來源）；第二，打造真正高品質、符合最新技術水準的 agent 實作，讓使用者簡單方便地使用；第三，提供一個讓人類和 agent 都好用的協作工作空間。這段描述聽起來更像在講一個基礎設施平台，而不是一個筆記軟體。Notion 正在從「你用它來寫筆記、管專案」變成「你用它來管理你的 AI 工作團隊」。這個轉變的速度，可能會比大多數使用者預期的還快。

我的觀察

Notion 在臺灣的使用率不低，很多新創團隊和科技公司都把它當作核心的知識管理和專案管理工具。但大部分人對 Notion 的認知可能還停留在「一個很好用的筆記軟體」。拉斯特在這次訪談中揭示的方向，跟多數臺灣使用者目前的體驗有很大的落差。Custom Agents 可以在背景自主執行、可以連接 Slack、可以自己學習路由規則，這些能力已經不是「進階功能」的層次，而是一種全新的產品類別。如果你的團隊還在用 Notion 當 wiki 和看板，可能是時候認真看一下 Custom Agents 能幫你省掉哪些重複性的工作了。

「模型界的瑞士」這個定位也值得臺灣企業留意。在評估 AI 工具時，供應商鎖定（vendor lock-in）是很常見的顧慮。很多公司不敢全押某一家 AI 實驗室，因為半年後局勢可能完全不同。Notion 把這個焦慮變成了自家的賣點：你不需要選邊站，我們幫你整合最好的選項。更值得觀察的是，Notion 願意整合中國開源模型這件事本身，反映了它在策略上選擇實用主義，而非地緣政治站隊。對於成本敏感的團隊來說，一個便宜十倍但品質堪用的模型選項，可能就是決定導入與否的關鍵因素。