Inside Notion AI: The 5 Rebuilds Behind Custom Agents — Simon Last & Sarah Sachs, Notion

Notion 的 AI 团队分享了他们如何通过“不逆流而上”的直觉和“为未来而建”的耐心，将 AI 从早期实验打磨成真正可用的产品功能。

这期内容非常适合 AI 产品经理、工程师和团队管理者。它值得看，是因为它没有停留在“AI 很酷”的层面，而是坦诚地分享了 Notion 从 2022 年就开始踩坑、多次推倒重来的真实历程。最值得注意的洞见是，他们的成功并非单纯依赖模型能力的突破，而在于一种独特的团队文化和产品哲学：如何判断何时是在“逆流而上”，何时又该提前为“河流的方向”做好准备。

这期播客邀请了 Notion 的 AI 团队负责人，回顾了他们从 2022 年 GPT-4 刚发布时就开始尝试构建 AI 助手（当时还不叫 Agent），到最终成功推出“自定义智能体”（Custom Agents）的曲折过程。对话深入探讨了产品决策背后的思考、团队如何应对早期技术不成熟的困境，以及他们如何构建一种鼓励快速原型、容忍失败并持续迭代的组织文化。

• 产品节奏的平衡术：Notion 采取“投资组合”策略，同时维护已发布的功能、打磨即将可用的功能，并投入一些面向未来的“疯狂项目”。关键在于，要能敏锐感知何时是在对抗模型能力的极限（逆流而上），何时又该为即将到来的能力提前布局。
• 文化驱动创新：团队的核心优势在于一种“无 ego”的文化。工程师乐于删除自己的代码，领导不垄断想法，任何员工基于用户痛点的原型都可能成为正式项目（如图像生成功能）。他们强调“演示胜过备忘录”，用可运行的原型代替文档来驱动决策。
• AI 时代的新角色：团队创造了一个新职能——“模型行为工程师”（MBE）。这些人不一定有工程背景（可能是语言学博士），但擅长定义和评估 AI 在具体用户场景下的表现。他们的工作结合了数据科学、产品直觉和提示工程，是连接技术与产品体验的关键。
• 从“工具”到“工作流”的转变：Notion 认为 AI 的价值不在于打造酷炫的工具，而在于替换和优化低效的流程。例如，用智能体自动处理邮件申请、在 Slack 中自动创建任务并分配，这些都是在消除信息流转的摩擦，而非取代人。
• 面向“软件工厂”的未来：团队正在探索“软件工厂”的概念，即用多个智能体协作完成编码、调试、审查、部署的全流程。人类的角色将逐渐上移，从写代码变为设计和管理这个由智能体构成的“外部系统”。

“我们的目标不是取代人，而是取代流程。” 这句话精准概括了 Notion 将 AI 融入产品的务实思路：关注如何让工作流本身更顺畅，而不是制造一个看似智能却脱离实际工作的“黑科技”。

对 AI 从业者而言，这期内容最大的启发在于 “产品化思维”与“工程化能力”的并重。Notion 的经验表明：

1. 评估体系是产品护城河：他们投入专门团队构建“Notion 的终极考试”，这不仅是质量监控，更是理解模型能力边界、指导产品方向的核心基础设施。这提示我们，在模型趋同的背景下，精心设计、贴合自身业务场景的评估体系可能比模型选型更重要。
2. 平台化支撑快速实验：他们通过构建统一的“智能体平台”和评估框架，降低了全公司范围内构建和试验 AI 功能的门槛。这启示我们，在内部打造一个允许快速原型、安全试错的 AI 中台，是激活组织创新力的关键。
3. 重新定义团队能力：引入“模型行为工程师”这类跨界角色，并坚信其独立于软件工程师的职业路径，这是一种前瞻性的组织设计。对于正在探索 AI 应用的公司，思考如何吸纳和培养具备“产品直觉+AI理解”的复合型人才，是必须面对的课题。