Notion 联合创始人 Simon Last：我从去年夏天起就没写过一行代码了

Notion 联合创始人 Simon Last：我从去年夏天起就没写过一行代码了 Notion 联合创始人 Simon Last：我从去年夏天起就没写过一行代码了 Modified March 28 No access 84cba4f8309946d0aaf995ee56f1c121 00:00 Simon 说他们挣扎了好几年来做 Agent。每次做出来“差不多能用”，但就是不够有用。主要原因是时机太早。他们前后尝试了三到四次。 终于在 2025 年 8、9 月上线了。 现在你在 Notion 里用的 AI 就是一个完整的 Agent，可以访问 Notion 里几乎所有东西：创建数据库、更新内容、创建文档、搜索网页、做研究。每个用户都有一个 Personal Agent，拥有和用户相同的访问权限。 【注：这就是 2025 年 9 月 18 日发布的 Notion 3.0。Notion 将其定位为继 1.0（文档协作）和 2.0（数据库与工作流）之后的第三次重大进化。】 然后在访谈的大约两周前，Notion 发布了 Custom Agent。和 Personal Agent 不同，Custom Agent 默认没有任何权限，你需要手动授权它能访问什么。但一旦授权，它可以在后台自主运行。 比如你可以给它一个数据库用来记录任务，然后把它接到一个 Slack 频道，它就会自动回复 Slack 上的消息并创建任务。或者你可以让它定期搜索网页和工作空间，然后自动填充周报数据库。 【注：Custom Agent 于 2026 年 2 月 24 日正式发布。Notion 称其早期测试者已创建了超过 21000 个 Agent，Notion 内部运行的 Agent 数量已超过员工数。】 【7】AGI 的内核是编码 Agent Simon 说他最兴奋的一个方向是让 Agent 能从一个初始内核出发，自我引导（bootstrap）出新的能力。比如如果某个集成还不存在，Agent 可以自己写代码构建这个集成，部署它，然后使用它。 Sarah 确认：所以 Notion 的 Agent 是那种更广义的定义，写代码也是一种工具？ 编码 Agent 就是 AGI 的内核。AGI 就会是一个编码 Agent。代码是表达确定性逻辑非常好的原语。 （“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 认为这对知识工作 Agent 特别有意义： 它可以自己”长出”新能力 。集成不存在？自己建。需要连接新数据源？自己接。 【8】“模型界的瑞士” Sarah 提出一个竞争格局的问题：Notion 面对的是规模更大的生产力平台和 AI 实验室，它们也在试图做跨数据源的集成和 Agent。Notion 凭什么赢？ Simon 把市场分成三层：实验室（模型商）、软件平台、基础设施。 在模型层面，Notion 把自己定位为“模型界的瑞士”： 不绑定任何一家模型商 ，客户不想被锁定，不同月份不同模型各有优势，Notion 要让用户随时能用到最好的模型，而且能方便地切换。 Sarah 追问：开源模型呢？ Simon 说开源模型确实变得很好了。有四家中国模型现在都“相当不错”，他们刚在 Agent 中上线了其中一款，计划全部接入。这些模型比前沿模型便宜很多，很多场景用它们更合适。 Notion 的定位是：把最好的模型都接进来，做高质量的 Agent 实现，然后提供一个真正适合人和 Agent 协作的工作空间。 【注：截至访谈时，Notion 已支持 GPT 5、Claude Sonnet 4 等前沿模型，以及 MiniMax 等开源模型。用户可在 Agent 设置中选择模型。】 【9】为 Agent 重新设计 API Sarah 问：Notion 现有的结构，比如 blocks、数据库，对 Agent 有用吗？ Simon 说非常有用。但有一个新挑战：要让 Agent 用起来方便。以前 Notion 的 API 是为人类开发者设计的，现在多了一个“新客户”，就是 Agent 本身。 最初这确实是个问题。Notion 的 API 用一种非常冗余的 JSON 格式来表示 blocks，对 Agent 来说又啰嗦又难处理。 他们接受了这个挑战，做了两件事：第一，为页面的读写设计了一种 Markdown 方言，看起来像标准 Markdown，但扩展了对所有 Notion block 类型的支持，模型对这种格式非常擅长。第二，数据库交互用 SQLite 语法，模型也天然擅长 SQL。 Sarah 问怎么搞清楚什么对 Agent 更好？ Simon 说两条路。一是经验主义：不断尝试，发现“哦，它不擅长这个”“哦，这个 Token 太多了，怎么压缩？”二是第一性原理：模型训练数据里有什么？它的先验知识是什么？它天然擅长什么格式？Agent 循环的高效模式是什么？ Sarah 总结： 所以你们在做用户研究，只不过用户是 Agent。 Simon 笑着说：对，而且这个”用户”随时可以聊天，你有无限的访问权限，还能写脚本批量测试。 【10】13 天不间断 Sarah 问到 Simon 个人的 Agent 工作流。 Simon 说他正在做一个新原型，同时跑着好几个 Agent。他的日常工具是 Claude Code 或 Codex 的命令行版本，他喜欢命令行工具，简单好用。 他现在的目标就是尽可能多地同时运行 Agent，全天候不间断。每天晚上睡觉前，他会确保给 Agent 安排了足够多的任务，保证第二天早上醒来时它还没做完。 Sarah 说：那就是胜利。 对，那就是胜利。我的个人纪录是一个编码 Agent 连续跑了 13 天没停过，一直在按任务列表工作。 （“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 承认自己这周也多次半夜醒来检查 Agent 是不是还在跑。Simon 说他也是，每天睡前都要最后确认一遍它还在转。 Simon 的 Personal Agent 也是他的日常工具，因为它能访问公司工作空间的所有内容。比如访谈前一天晚上，他让 Agent 帮他看 Custom Agent 发布后的用户反馈。 但他最得意的是一个 邮件分拣 Agent 。这个 Agent 连接了他所有的工作和个人邮箱，每天自动把不需要看的邮件归档。搭建过程很简单：创建一个 Custom Agent，给它邮件访问权限，再给它一个空白 Notion 页面当“记忆”。然后让它去看邮件，反过来“采访”Simon：提出它认为应该归档的邮件，Simon 进行纠正。Agent 用这些反馈自动生成一套规则。头几天 Simon 还在纠正它，几周后他完全取消了审批环节，Agent 就全自动运行了。 Simon 说这彻底解决了他的邮件问题。他工作主要在 Slack 上，95% 的个人邮件和工作邮件他根本不需要看。现在他打开收件箱，里面只有真正需要他处理的内容。 他还有一个 反馈路由 Agent 。Notion 内部有一个 Slack 频道，同事们会在里面随手发产品反馈和 bug 报告。以前这些反馈有时候有人回应，有时候就被忽略了，因为涉及太多团队。这个 Agent 的全部工作就是把反馈路由到正确的地方。它用类似的“记忆”模式，在实际运行中学习路由规则，久而久之积累了数百条规则。比如如果是移动端的 bug，它知道要路由给移动团队，然后在他们的数据库里创建任务。 Simon 说他在最初会检查 Agent 学到的规则是否合理，但一旦信任它在正常运作，就不再看了。偶尔会出问题，他再去修。 他的通用模式是： 先做原型，放在审批模式下密切观察，跑几轮之后确认它在正常工作，然后完全放手。 【11】从“做事的工具”变成“管 Agent 的工具” Sarah 提到 Simon 和 Ivan 最初是在 Tools for Thought 社区认识的。经过这几年的 AI 变革，Notion 的核心定位变了吗？ Simon 说变化相当大。 AI 之前，Notion 的目标是为人类创造最好的直接执行工作的工具。 现在的目标是为人类创造最好的管理 Agent 来替你工作的工具。 之前的目标是创造最好的工具让人直接做事。现在的目标是创造最好的工具让人管理 Agent 替你做事。这是一个很大的转变。 （“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.”） 但他接着说了一个重要的发现：Notion 之前构建的所有原语，在 Agent 时代依然非常有用。文档依然需要，Agent 很喜欢写 Markdown。数据库依然需要，结构化数据依然是刚需。 如果你有 100 个后台编码 Agent 在同时工作，你不会想要 100 个聊天窗口，你会想要一个看板。 跟以前一样。 Notion 只需要增加一些新原语：Agent 是什么？它怎么跟页面和数据库交互？ Sarah 最后问：过去六个月，你个人的工作方式有什么变化？ Simon 说完全变了。他从 2025 年夏天起就不再手写代码了。 经历了几个阶段：人手动写所有代码→Tab 补全→跟 Agent 对话让它做小任务，但人还在外层循环→现在他设计一个端到端的任务，包括改动和验证，他只负责最外层的确认。如果 Agent 跑偏了，他去纠正。 他现在是 Agent 管理者，不是程序员。 【12】让非技术团队也能造 Agent Sarah 问 Notion 内部是怎么帮非技术团队建立用 Agent 的直觉的。 Simon 说他们定期做内部 workshop 和 hackathon。一个月前他刚跟人力资源团队（People Team）做了一次。这个团队反而成了 Custom Agent 最积极的使用者，因为他们日常就有大量在 Slack 和 Notion 之间来回搬运信息的重复工作。 他的观察是，大家其实都很兴奋想试，只是需要一点推动帮他们起步。一旦跨过“什么是 prompt”、“Agent 怎么被触发和唤醒”这些最初的技术门槛，Agent 的交互方式其实非常符合直觉，因为你就是在跟它说话。 最大的障碍可能不是能力问题，而是信心问题 ：让人们相信这东西真的能用。 Q&A Notion 的 AI harness 多久重写一次？为什么？ 大约每六个月一次。因为模型和技术进步太快，系统必须紧贴当前状态设计，做完一版就不动是常见错误。 编码 Agent 对团队规模有影响吗？ 个人产出上限大幅提高，但 Notion 的团队规模没有显著缩小。小团队一直更好，这一点在 AI 前后没有本质变化。 Notion 怎么为 Agent 设计 API？ 页面读写用 Markdown 方言，数据库用 SQLite。设计方法是经验主义试错加第一性原理推演：既看 Agent 实际表现，也想模型训练数据的先验。 Custom Agent 和 Personal Agent 有什么区别？ Personal Agent 跟用户有相同权限，被动响应用户请求。Custom Agent 默认无权限需要授权，可以按计划或触发器在后台自主运行。 Simon 认为 AGI 会长什么样？ AGI 就是一个编码 Agent。代码是表达确定性逻辑的最好原语，而能写代码的 Agent 可以不断自我扩展能力。 Simon 在这次对话里反复传递的核心信息有三个：第一， AI 系统必须跟着模型能力持续重写 ，不能做一版就停；第二， 编码 Agent 不只是开发者的效率工具，它是 Agent 自我进化的关键能力 ；第三，生产力软件的定义正在从“人用的工具”变成“人用来管理 Agent 的工具”。 一个值得追问的问题是：Custom Agent 自主运行带来的 prompt injection 安全风险，Simon 在访谈中没有提及，但 Notion 官方文档里已经写了这是他们正在投入的领域。当你的 Agent 数量超过员工数量时，安全和控制的问题只会越来越大。 No access 84cba4f8309946d0aaf995ee56f1c121 00:00 No access 84cba4f8309946d0aaf995ee56f1c121 00:00 Simon 说他们挣扎了好几年来做 Agent。每次做出来“差不多能用”，但就是不够有用。主要原因是时机太早。他们前后尝试了三到四次。 终于在 2025 年 8、9 月上线了。 现在你在 Notion 里用的 AI 就是一个完整的 Agent，可以访问 Notion 里几乎所有东西：创建数据库、更新内容、创建文档、搜索网页、做研究。每个用户都有一个 Personal Agent，拥有和用户相同的访问权限。 【注：这就是 2025 年 9 月 18 日发布的 Notion 3.0。Notion 将其定位为继 1.0（文档协作）和 2.0（数据库与工作流）之后的第三次重大进化。】 然后在访谈的大约两周前，Notion 发布了 Custom Agent。和 Personal Agent 不同，Custom Agent 默认没有任何权限，你需要手动授权它能访问什么。但一旦授权，它可以在后台自主运行。 比如你可以给它一个数据库用来记录任务，然后把它接到一个 Slack 频道，它就会自动回复 Slack 上的消息并创建任务。或者你可以让它定期搜索网页和工作空间，然后自动填充周报数据库。 【注：Custom Agent 于 2026 年 2 月 24 日正式发布。Notion 称其早期测试者已创建了超过 21000 个 Agent，Notion 内部运行的 Agent 数量已超过员工数。】 【7】AGI 的内核是编码 Agent Simon 说他最兴奋的一个方向是让 Agent 能从一个初始内核出发，自我引导（bootstrap）出新的能力。比如如果某个集成还不存在，Agent 可以自己写代码构建这个集成，部署它，然后使用它。 Sarah 确认：所以 Notion 的 Agent 是那种更广义的定义，写代码也是一种工具？ 编码 Agent 就是 AGI 的内核。AGI 就会是一个编码 Agent。代码是表达确定性逻辑非常好的原语。 （“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 认为这对知识工作 Agent 特别有意义： 它可以自己”长出”新能力 。集成不存在？自己建。需要连接新数据源？自己接。 【8】“模型界的瑞士” Sarah 提出一个竞争格局的问题：Notion 面对的是规模更大的生产力平台和 AI 实验室，它们也在试图做跨数据源的集成和 Agent。Notion 凭什么赢？ Simon 把市场分成三层：实验室（模型商）、软件平台、基础设施。 在模型层面，Notion 把自己定位为“模型界的瑞士”： 不绑定任何一家模型商 ，客户不想被锁定，不同月份不同模型各有优势，Notion 要让用户随时能用到最好的模型，而且能方便地切换。 Sarah 追问：开源模型呢？ Simon 说开源模型确实变得很好了。有四家中国模型现在都“相当不错”，他们刚在 Agent 中上线了其中一款，计划全部接入。这些模型比前沿模型便宜很多，很多场景用它们更合适。 Notion 的定位是：把最好的模型都接进来，做高质量的 Agent 实现，然后提供一个真正适合人和 Agent 协作的工作空间。 【注：截至访谈时，Notion 已支持 GPT 5、Claude Sonnet 4 等前沿模型，以及 MiniMax 等开源模型。用户可在 Agent 设置中选择模型。】 【9】为 Agent 重新设计 API Sarah 问：Notion 现有的结构，比如 blocks、数据库，对 Agent 有用吗？ Simon 说非常有用。但有一个新挑战：要让 Agent 用起来方便。以前 Notion 的 API 是为人类开发者设计的，现在多了一个“新客户”，就是 Agent 本身。 最初这确实是个问题。Notion 的 API 用一种非常冗余的 JSON 格式来表示 blocks，对 Agent 来说又啰嗦又难处理。 他们接受了这个挑战，做了两件事：第一，为页面的读写设计了一种 Markdown 方言，看起来像标准 Markdown，但扩展了对所有 Notion block 类型的支持，模型对这种格式非常擅长。第二，数据库交互用 SQLite 语法，模型也天然擅长 SQL。 Sarah 问怎么搞清楚什么对 Agent 更好？ Simon 说两条路。一是经验主义：不断尝试，发现“哦，它不擅长这个”“哦，这个 Token 太多了，怎么压缩？”二是第一性原理：模型训练数据里有什么？它的先验知识是什么？它天然擅长什么格式？Agent 循环的高效模式是什么？ Sarah 总结： 所以你们在做用户研究，只不过用户是 Agent。 Simon 笑着说：对，而且这个”用户”随时可以聊天，你有无限的访问权限，还能写脚本批量测试。 【10】13 天不间断 Sarah 问到 Simon 个人的 Agent 工作流。 Simon 说他正在做一个新原型，同时跑着好几个 Agent。他的日常工具是 Claude Code 或 Codex 的命令行版本，他喜欢命令行工具，简单好用。 他现在的目标就是尽可能多地同时运行 Agent，全天候不间断。每天晚上睡觉前，他会确保给 Agent 安排了足够多的任务，保证第二天早上醒来时它还没做完。 Sarah 说：那就是胜利。 对，那就是胜利。我的个人纪录是一个编码 Agent 连续跑了 13 天没停过，一直在按任务列表工作。 （“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 承认自己这周也多次半夜醒来检查 Agent 是不是还在跑。Simon 说他也是，每天睡前都要最后确认一遍它还在转。 Simon 的 Personal Agent 也是他的日常工具，因为它能访问公司工作空间的所有内容。比如访谈前一天晚上，他让 Agent 帮他看 Custom Agent 发布后的用户反馈。 但他最得意的是一个 邮件分拣 Agent 。这个 Agent 连接了他所有的工作和个人邮箱，每天自动把不需要看的邮件归档。搭建过程很简单：创建一个 Custom Agent，给它邮件访问权限，再给它一个空白 Notion 页面当“记忆”。然后让它去看邮件，反过来“采访”Simon：提出它认为应该归档的邮件，Simon 进行纠正。Agent 用这些反馈自动生成一套规则。头几天 Simon 还在纠正它，几周后他完全取消了审批环节，Agent 就全自动运行了。 Simon 说这彻底解决了他的邮件问题。他工作主要在 Slack 上，95% 的个人邮件和工作邮件他根本不需要看。现在他打开收件箱，里面只有真正需要他处理的内容。 他还有一个 反馈路由 Agent 。Notion 内部有一个 Slack 频道，同事们会在里面随手发产品反馈和 bug 报告。以前这些反馈有时候有人回应，有时候就被忽略了，因为涉及太多团队。这个 Agent 的全部工作就是把反馈路由到正确的地方。它用类似的“记忆”模式，在实际运行中学习路由规则，久而久之积累了数百条规则。比如如果是移动端的 bug，它知道要路由给移动团队，然后在他们的数据库里创建任务。 Simon 说他在最初会检查 Agent 学到的规则是否合理，但一旦信任它在正常运作，就不再看了。偶尔会出问题，他再去修。 他的通用模式是： 先做原型，放在审批模式下密切观察，跑几轮之后确认它在正常工作，然后完全放手。 【11】从“做事的工具”变成“管 Agent 的工具” Sarah 提到 Simon 和 Ivan 最初是在 Tools for Thought 社区认识的。经过这几年的 AI 变革，Notion 的核心定位变了吗？ Simon 说变化相当大。 AI 之前，Notion 的目标是为人类创造最好的直接执行工作的工具。 现在的目标是为人类创造最好的管理 Agent 来替你工作的工具。 之前的目标是创造最好的工具让人直接做事。现在的目标是创造最好的工具让人管理 Agent 替你做事。这是一个很大的转变。 （“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.”） 但他接着说了一个重要的发现：Notion 之前构建的所有原语，在 Agent 时代依然非常有用。文档依然需要，Agent 很喜欢写 Markdown。数据库依然需要，结构化数据依然是刚需。 如果你有 100 个后台编码 Agent 在同时工作，你不会想要 100 个聊天窗口，你会想要一个看板。 跟以前一样。 Notion 只需要增加一些新原语：Agent 是什么？它怎么跟页面和数据库交互？ Sarah 最后问：过去六个月，你个人的工作方式有什么变化？ Simon 说完全变了。他从 2025 年夏天起就不再手写代码了。 经历了几个阶段：人手动写所有代码→Tab 补全→跟 Agent 对话让它做小任务，但人还在外层循环→现在他设计一个端到端的任务，包括改动和验证，他只负责最外层的确认。如果 Agent 跑偏了，他去纠正。 他现在是 Agent 管理者，不是程序员。 【12】让非技术团队也能造 Agent Sarah 问 Notion 内部是怎么帮非技术团队建立用 Agent 的直觉的。 Simon 说他们定期做内部 workshop 和 hackathon。一个月前他刚跟人力资源团队（People Team）做了一次。这个团队反而成了 Custom Agent 最积极的使用者，因为他们日常就有大量在 Slack 和 Notion 之间来回搬运信息的重复工作。 他的观察是，大家其实都很兴奋想试，只是需要一点推动帮他们起步。一旦跨过“什么是 prompt”、“Agent 怎么被触发和唤醒”这些最初的技术门槛，Agent 的交互方式其实非常符合直觉，因为你就是在跟它说话。 最大的障碍可能不是能力问题，而是信心问题 ：让人们相信这东西真的能用。 Q&A Notion 的 AI harness 多久重写一次？为什么？ 大约每六个月一次。因为模型和技术进步太快，系统必须紧贴当前状态设计，做完一版就不动是常见错误。 编码 Agent 对团队规模有影响吗？ 个人产出上限大幅提高，但 Notion 的团队规模没有显著缩小。小团队一直更好，这一点在 AI 前后没有本质变化。 Notion 怎么为 Agent 设计 API？ 页面读写用 Markdown 方言，数据库用 SQLite。设计方法是经验主义试错加第一性原理推演：既看 Agent 实际表现，也想模型训练数据的先验。 Custom Agent 和 Personal Agent 有什么区别？ Personal Agent 跟用户有相同权限，被动响应用户请求。Custom Agent 默认无权限需要授权，可以按计划或触发器在后台自主运行。 Simon 认为 AGI 会长什么样？ AGI 就是一个编码 Agent。代码是表达确定性逻辑的最好原语，而能写代码的 Agent 可以不断自我扩展能力。 Simon 在这次对话里反复传递的核心信息有三个：第一， AI 系统必须跟着模型能力持续重写 ，不能做一版就停；第二， 编码 Agent 不只是开发者的效率工具，它是 Agent 自我进化的关键能力 ；第三，生产力软件的定义正在从“人用的工具”变成“人用来管理 Agent 的工具”。 一个值得追问的问题是：Custom Agent 自主运行带来的 prompt injection 安全风险，Simon 在访谈中没有提及，但 Notion 官方文档里已经写了这是他们正在投入的领域。当你的 Agent 数量超过员工数量时，安全和控制的问题只会越来越大。 另一个悬而未决的点：如果 AGI 真的是编码 Agent，那模型厂商自己做的 Agent 跟 Notion 的 Agent 会是什么关系？“模型的瑞士”这个定位，在模型厂商也想做平台的时代，能维持多久？不过 Simon 自己给出了一个方向：管理 100 个 Agent 的人需要什么？不是 100 个聊天窗口，是一个看板。如果这个判断成立， Notion 十多年积累的协作基础设施就不是包袱，而是壁垒 。 原始视频：https://www.youtube.com/watch?v=1dYThQgOyZU 🔗 原文链接： https://mp.weixin.qq.com/s? biz=Mz... https://mp.weixin.qq.com/s? biz=Mz... 原创 宝玉 宝玉 宝玉AI2026年3月28日 14:04 美国 Simon Last 是 Notion 的联合创始人，也是 Notion AI 背后的核心推动者。他和另一位联合创始人 Ivan Zhao 在 2013 年创办 Notion，目前平台用户超过 1 亿。在这期访谈中，Simon 讲了 Notion AI 从 2022 年墨西哥全员大会上的 GPT 4 初体验开始，经历写作助手、语义搜索、通用 Agent 三四次失败，到最近发布 Custom Agent 的完整历程。他还分享了自己怎么用编码 Agent 工作（个人纪录： 一个 Agent 连续跑了 13 天 ），以及 Notion 的使命如何从“帮人做事的工具”变成“帮人管理 Agent 的工具”。 访谈来源：No Priors 播客第 153 期，2026 年 3 月 12 日，主持人 Sarah Guo 原始视频：https://www.youtube.com/watch?v=1dYThQgOyZU 1. Notion 的 AI harness（围绕大模型构建的系统层） 大约每六个月推倒重写一次 ，很多公司做了一版就不动了，Simon 认为这是常见错误。 2. Notion 尝试了三到四次才做出能用的通用 Agent 。2025 年 9 月发布 Personal Agent，2026 年 2 月发布可自主运行的 Custom Agent。 3. 编码 Agent 用得好， 产出比人写的更健壮 ；用得差，产出全是垃圾。关键在于验证循环的设计，不是“凭感觉编程”。 4. Simon 的个人纪录是一个编码 Agent 连续运行 13 天不停 。他每天睡前安排任务，目标是第二天醒来 Agent 还没做完。 5. Notion 为 Agent 专门设计了新 API： 页面用自定义 Markdown 方言，数据库用 SQLite 语法 ，原有的 JSON 格式对 Agent 太冗余。 6. Notion 自称 “模型界的瑞士” ，不锁定任何一家模型厂商，已开始上线中国开源模型。 7. Notion 的使命发生了根本转变：从“为人类创造最好的直接做事的工具