本文首发于 21notion.com
在全世界对 AI 几乎才刚有实感的 2022 年，Notion 已经是最早就接入 GPT 3 的工具之一，至今在 AI 层面的功能布局已经很多年了，因此如果要问当前哪一款「笔记软件」与 AI 的结合做得最深、实践价值最大，我会毫不犹豫地推荐 Notion。
然而在这 3 年时间里，Notion AI 迭代进化了无数版，但我关注的时间线上却鲜有人讨论 Notion AI 的易用和强大，不免让我感到些许遗憾。模型的迭代总是能轻易掀起一阵阵狂热，但在冷静之后，能否让 AI 真正优化、甚至改写陈旧的工作流，而不是沦为各大账号吞噬流量的密码，才是我真正在意的事情。
因此今天这篇文章我想分享以下几个话题：
- Notion AI 为什么值得尝试
- Notion Agent 潜力有多大
- 我是怎么使用 Notion AI 的
- Notion AI 的订阅建议
每次写 Notion 都有点控制不住篇幅，全文很长，但我确信这些都是很少人会去写的细节。接下来我会先简单介绍 Notion AI 的基本能力，如果你想看本文的核心内容 Notion Agent，可以从第二部分开始阅读。
一、Notion AI 的基础能力
首先，和你用过的所有 AI 工具一样，与 Notion AI 进行交互的基本方式也是一问一答式的聊天。你可以选中页面的某个段落然后直接提问，也可以在右侧展开的 AI 窗口中进行更长的讨论，如下图所示。
另外，被选中的段落内容也会被自动添加到右侧窗口的上下文信息中，这样就不用多一步复制粘贴的操作了。
除了针对特定内容的问答，Notion AI 还可以在整个工作区内进行语义搜索。当你只记得一篇笔记的大概内容，却忘了标题叫什么、存在于哪个数据库时，你可以直接用模糊的描述去询问 AI，AI 就能帮你找到相关笔记的位置。
基于这个特性，我在我的 Notion 系统中搭建了一个物品管理中心，一些不常用的重要物品都设置了收纳位置，所以我可以这么提问：
而且 Notion AI 因为接入了 Anthropic、OpenAI 以及 Google 的最新模型，因此具备多模态的处理能力，能处理文本信息，能分析你上传的 CSV、PDF 和图像，可以联网搜索，也可以手动向它发送网页链接，然后让它读取网页文本再回答。
生成答案后，Notion AI 可以直接对你的页面或者数据库进行增删改查，因此你可以让 Notion AI 直接修改笔记原文，也可以要求 AI 新建一个页面，然后在指定位置（包括数据库）存储生成的答案。
基本上 DeepSeek 或者豆包能回答的问题，Notion 都能可以，而且通常还能回答得更好。但这里真正的关键在于，你在写作、记笔记、总结、反思、复盘的所有时刻，当你需要 AI 的时候，都不需要打开第二个 AI 工具，所有的 AI 需求都不必离开 Notion，真正做到 All in One。
在没有集成 AI 的笔记场景中，你通常需要在多个窗口之间反复切换，如果你需要多轮对话，或者需要引用多个笔记内容，这个跳转次数会成倍增加。而当你想要保存 AI 生成的答案时，又要重新整理格式、添加标签、删减多余内容，这些操作都需要手动完成。
这种繁琐的流程不仅浪费时间，更重要的是打断了你的心流，因为等待答案生成时，你往往会分心去做别的事情，或者刷刷手机看看视频，然后十几分钟就悄无声息地浪费掉了。
而 Notion AI 的便利不仅在于它能回答你的问题，更在于它能一站式地处理你工作区「内和外」的所有信息。你不用再复制某个笔记段落让豆包去阅读，也不需要把 ChatGPT 生成的答案搬运回你的笔记软件中，少一步跳转，产品体验就是天差地别。
当你需要写日报或周报，你可以直接在 Notion AI 窗口里引用这一周你写过的所有文档，然后让它直接阅读并生成报告；当你需要回顾某个项目的关键决策过程，你可以引用多条会议记录，让 AI 提取出所有讨论过的方案，或者直接读取页面的历史编辑记录，并分析拆解决策的原因。
你也可以用 Save to Notion 插件在 Notion 中搭建一个剪藏数据库，然后再创建一个 AI 字段，就可以在这个字段中预设特定的信息处理 Prompt，例如生成阅读摘要、或者提炼特定的关键信息等，这样一来你无需订阅 Readwise 也可以拥有一个不限量的 AI 辅助阅读中心。
Notion 本就适合用来组织高信息密度、高价值的内容，再凭借最新的 AI 模型和最快捷的 AI 交互方式，自然能获得比其他笔记软件更好的效果。
而且得益于 Notion 这 10 年来开放的生态建设，你还可以直接在 AI 窗口中直接搜索你关联的 Google Drive、Google Calendar、Github、Gmail 等外部信息源，不过当然前提是你需要在这些生态内。
除了这些内置的「连接器」，你还可以通过 MCP 与更多工具建立关联，例如 Cursor、Manus、Perplexity、ChatGPT 等。你可以将 Notion 的页面链接发给这些工具，它们就能直接读取笔记内容，而不需要繁琐的复制粘贴操作。这些工具也可以根据你的需求，对 Notion 页面直接进行修改。
例如当你通过 Manus 获得了一篇长长的研究报告，过去你可能需要手动复制粘贴到其他笔记软件里面，但现在你可以把 Notion 的页面链接发给 Manus，Manus 就可以直接帮你写入到 Notion 的指定位置。
Notion AI 可以全面接管你的信息处理流程，你的笔记、你的任务、你的项目文档，甚至你连接的第三方工具数据，全都可以被更快地直接处理。但这些只是 Notion AI 的基础应用，如果只是「聊天窗口 + 信息源」的快速调用，那 Notion AI 还不足以让我长期使用下去。
本文的真正目的，是向你揭示 Notion Agent 的关键能力和潜力。
二、Notion Agent
什么是 Agent
简单来说，Agent 就是一个可以代替人类自主完成多步骤任务的 AI 系统。
你用过的大多数 AI 问答工具都只能提供信息或创意，在获得答案之后，依然需要你手动去执行。并且它们不知道你是谁，不知道你在做什么项目，不知道你的工作习惯和偏好，每次对话都是从零开始，你需要反复解释背景、说明需求。当然如果这个 AI 具备「记忆」或者「项目」功能的话，这种情况可能会有所改善。
但 Agent 还可以根据你交付的任务，在被授权的信息范围内，智能地做出决策、主动地调用多种工具，然后自主执行具体的复杂任务，并将最终的结果交付给你，你需要的就是「坐享其成」。而且 Agent 不仅可以拥有记忆，还可以被训练，可以在一次又一次地交互中，变得越来越聪明，从而让结果越来越符合你的预期。
如何实现 Notion Agent
要想使用 Notion Agent，你需要先为这个 Agent 创建一份文档，然后在这个文档里定义 Agent 的基本行为准则，例如身份和使命、沟通与行为准则，或者工作场景与行动目标等。
假设你的需求是让 Notion AI 可以更好地协助你的内容创作，那么这个 Agent 的最小可用文档可以这么写：
写完这份文档后，再在 Notion AI 个性化设置里，将它指定为 Agent 的底层说明，如下图所示：
这样一来，Notion AI 在每一次给出回答之前，都会遵循这份文档的指示，按照你预设的行为准则去和你进行交互。于是面对同一个问题，有设置 Agent 文档和无设置 Agent 文档，Notion AI 给出的答案就会是截然不同的，前者更加精准个性化，后者更通用但也更平庸。
但这时候可能就有人会好奇，这不就是提前给 AI 一段写好的提示词吗？如果我在使用豆包或者 DeepSeek 之前，手动给它这段提示词不也是一样的效果？某种程度上确实如此，但 Notion Agent 与其他 AI 聊天工具还有以下几个区别。
- 文档即规则
其他 AI 问答工具需要你每次都手动输入或复制粘贴提示词，而 Notion Agent 的规则是写在 Notion 文档页面里的，它可以被自动加载、随时可改、立即生效。更重要的是，你还可以直接在这个 Agent 文档里引用你已经写好的其他 Notion 笔记，就像这样：
也就是说，你可以把你已经写好的创作 SOP、你记录的写作心得、你常用的写作方法极其快速地接入（引用）到这个 Agent 里面，完全不需要任何复杂的操作，因为它本身就是 Notion 的一个笔记页面。
如此一来就有一种左脚踩右脚上天的感觉，Notion 本身提供了一个记录笔记的绝佳环境，Agent 则让这些沉淀下来的经验可以被快速验证，你在和 Agent 的协作过程中，如果发现这些经验笔记的优点、缺点，或者有缺漏的地方，就可以再去进一步优化补充这些笔记，正反馈循环就建立起来了。
这就是「文档即规则」的含义，你的笔记不再只是静态的记录，而是可以被执行的规则、可以被复用和验证的经验。
- Agent 能直接操作 Notion 工作区
这是 Notion Agent 的另一个底层能力，也就是拥有对页面和数据库进行增删改查的权限。其他 AI 工具只能生成文字回答，而 Notion AI 可以直接执行底层操作。举几个具体的例子：
1️⃣ 创建与修改笔记
当你和 AI 讨论完某个想法后，你可以直接让它把对话内容整理成笔记，然后保存到指定的数据库中。AI 会自动读取这个数据库的字段属性，理解每个字段的用途，然后智能地填充内容：自动打上合适的标签、关联相关项目、设置优先级等。
例如我正在学习 Claude Skill 的相关知识，我可以要求 Notion Agent 全网搜索并总结成笔记，然后存储到我的「笔记数据库」中，如下图所示
Notion Agent 不仅正确地整理了相关笔记，还知道我的「笔记数据库」是哪个，并且连对应的数据库字段都帮我填写完毕了，它正确理解了我在 这篇文章 中介绍的，关于笔记类型的六个基本标签的用法。
2️⃣ 批量操作数据库页面
当你需要批量处理任务时，Notion AI 可以对这个数据库一次性完成多个操作，例如
- 把所有逾期的任务标记为高优先级
- 找出本周所有已完成的任务并生成总结
这些在其他工具里需要你一个个手动点击、重复操作的事情，在 Notion 里只需要一句话，AI 就能直接完成所有操作。
另外，其实这个示例数据库也是让 Notion Agent 直接创建的，我告诉它「请你理解上下文信息，然后为这句话创建一个演示用的数据库」。
3️⃣ 工作流自动化
更进一步，你可以让 AI 根据特定条件自动执行复杂的操作序列。比如「帮我生成周报」这个任务就不是简单的信息查询，而是完整的工作流，这需要访问多个数据源 → 筛选符合条件的页面 → 读取页面内容 → 按照特定格式生成报告 → 保存到指定位置并自动填充属性，所有步骤依然是按照预设的规则全自动执行，无需人工干预。
后面还会有更大的篇幅介绍自动化工作流，此处就先不展开了。
4️⃣ 根据要求实时修改规则和记忆
当你第一次让 Agent 生成周报，发现它总结得太简略，你可以直接说「记住，周报里每个任务都要写具体做了什么」，然后 Agent 就会主动去修改 Agent 文档里的规则，下次生成周报时，它就会自动按这个标准执行。或者你发现 Agent 审阅文章时总是过度夸赞，你可以说「以后直接指出问题，不要夸奖」，它就会立刻调整回应方式，并自动修改 Agent 文档。
一旦习惯了这种交互方式，更新 Agent 的行为就变得极其简单，一句话就能让它记住并执行，不需要重新写复杂的规则文档，你们的协作会越来越默契。
例如：
效果如下
以上几个基础特性共同构成了 Notion Agent 的底层能力基础：
- 文档即规则：你的笔记直接变成 Agent 的行为准则
- 数据库即记忆：Agent 知道从哪里读、往哪里写
- 对话即训练：一句话就能让 Agent 记住并改进
但光有底层能力还不够，如何把这些能力组织起来、并应用到真实工作场景中，才是真正考验系统设计的地方。接下来我会分享一些 Agent 文档的设计思路，帮你把这些底层能力串联成真正可用的工作流。
三、 Agent 设计思路
场景路由
真实的工作场景是复杂的，当你说「帮我看看」时，你可能是在审阅一篇文章，也可能是在检查一个视频脚本，也可能是在回顾一个项目的进展。同样的话在不同情境下，意味着完全不同的需求。我们当然可以在 Agent 文档中直接写清楚所有情况，但这样一来每次开启对话，Agent 都需要同时加载所有文档，必然会浪费一定的上下文空间。
所以我的建议是，可以用渐进式披露的思维去构建你的 Agent 文档，也就是分层展示信息，需要时再深入，避免一次加载所有内容。我的个人做法是先指定每次对话都必须加载下图所示的四个核心文档，每次开启新的对话，只加载最少的必要信息。
这些核心文档因人而异，你可以根据自己的使用场景灵活配置，但一般建议至少需要包含这几个要素：
- 身份与使命：定义 Agent 是谁、核心目标是什么、服务的对象是谁
- 互动风格：沟通语气、回复格式、什么时候简洁，什么时候详细
- 持续更新的记忆：用户的偏好、最新的习惯和要求等
- 关于用户：用户的身份、背景、工作方式、价值观等
然后只有当 Agent 在对话中识别到特定关键词后，才进一步加载子文档，就像下图这样，每个场景的子文档内都有完整的执行手册，定义了该流程具体的工作流程、判断标准、输出格式，这样就不会一次性加载所有的子文档，可以让 Agent 的回答更加高效。
以我现在正在创作的这篇文章为例，我可以直接选中文章段落，然后在 Agent 窗口中提出需求「生成图片」，Notion Agent 就会读取到「生图」的关键词，从而只触发「场景 N：内容配图生成」这个子文档，如下图所以：
根据我事先在「场景 N：内容图片生成」这个文档中定义的 SOP，Notion 会根据这份文档的指示自动执行以下操作：
- 选择风格：默认选择预先确定的画图风格
- 理解内容：
- 如果是局部配图：分析选中文本的含义和配图目的
- 如果是全文封面：提炼文章核心主题和情绪调性
- 生成画图 Prompt：根据选中的文本内容 + 默认的设计风格文档 + 上下文信息 + 聊天窗口中备注的额外要求，直接输出完整的画图提示词
在步骤 3 中 ，我要求 Notion Agent 需要优先参考我预设的「顶层设计风格」，这份文档规定了默认的生图提示词的风格、比例、偏好等。所以你可以看到，本文用 Nano Banana 生成的配图风格都是比较一致的。
生成的过程和结果如图下所示：
同样的运行逻辑也适用于其他的场景，比如我模拟了一个「饮食记录」的子流程，然后就可以直接把食物的照片发给 Notion Agent，再用关键词「今天吃的」触发这个「饮食记录」的 SOP，Notion Agent 就会自动分析图上的食物，然后记录热量、碳水、脂肪等数据，并保存到指定的数据库中。
需要说明的是，AI 识图后评估的热量数据并不完全准确，只能当做参考，但对图中的食物类型的分辨还是挺简单的，所以我们是不是可以用来构建一个饮食评估系统？
假设我是一个身患糖尿病的患者，我创建了一份「二型糖尿病个人健康档案」的笔记，然后将这份笔记放在了「饮食记录」这个流程的必要加载项目中，并要求 Agent 必须将读取到的食物与档案中的禁忌清单逐一比对，并在反馈中明确说明该食物对血糖的影响：
吃完饭后，将照片发给 Agent，并用关键词「今天吃的」去触发这个流程
以下是 Agent 给我的反馈：
- 记录了饮食数据
- 给了我明确的健康提醒
虽然 AI 模型本就具备针对特定疾病提供参考建议的能力，但如果能加入个人健康档案和病历提醒，回答的结果必然可以具备更高的参考性。
通过以上案例我们可以看出，Notion Agent 的真正威力在于「关键词 + 子文档」的组合。
通过触发关键词让 Agent 进入特定场景，而场景内嵌套的子文档（如健康档案）又进一步细化了执行规则，同时这个健康档案又是可以快速修改和调整的 Notion 页面。这种层层递进的结构，让 Agent 既能保持通用性，又能在具体场景中展现出更高的专业性。
如果你用过 Claude 的 Skill 功能，就会发现它和「关键词触发 + 子文档执行」的逻辑是相似的，都可以遵循渐进式加载的原则。
相较之下，Notion Agent 的劣势是，它可调用的工具局限在 Notion 生态之内，不能像 Skill 那样还可以执行自定义的脚本代码，但 Notion Agent 全程只需要和文档打交道，门槛更低，只要你会写文档，只要说清楚你的想法，甚至都不用太清晰地表达你的需求，你只需要不断地跟 Notion Agent 对话，让它向你提问，哪怕你的回答含糊其辞，AI 模型都可以慢慢摸清你的意图，然后智能地帮你把整套流程搭建完毕。
信息的边界
有了场景路由，我们还需要解决的另一个问题就是信息的输入来源，以及信息输出的目标位置，我把这个问题称为「信息的边界」。
你让 Agent 生成周报，它需要知道从哪里读取本周的任务数据；你让 Agent 保存一条灵感，它需要知道应该存到哪个笔记数据库。如果每次都需要你手动指定「去读这个数据库」或者「保存到那个位置」，那使用成本就太高了。
而且如果不明确信息的边界，答案的准确性必然受到影响，因为 Notion Agent 可访问的信息源是极其丰富的。
但我们又不可能在 Agent 文档中事无巨细地预设「如果用户问 A，就去读取页面 X；如果用户问 B，就去读取页面 Y」，这样做不仅维护成本极高，而且缺乏灵活性。所以我的解决方案是数据库结构化存储 + 场景预设。
举个具体例子，我有一个 Agent 场景 F 是自动生成日报、周报和月报，触发的关键词如下所示：
在这个场景 F 的执行文档中，我是这样定义信息的输入来源的：
这样一来，当我说「生成本周周报」时，Agent 就知道：
- 该去哪几个数据库查询信息
- 查询的筛选条件是什么
- 不需要搜索其他无关的页面或数据库
查询的结果如下
查询到指定的信息后，再告诉 Agent 要如何处理这些信息
在这之后还会有很多分析、处理信息的规则，但最终的核心是根据预设的周报、月报模板，直接帮我生成一条系统完整的报告。
这种明确的边界带来了三个好处，首先是 Agent 不会在整个工作区漫无目的地搜索，而是精准地从指定数据源获取信息。其次，明确的数据源意味着更快的查询速度，不会浪费时间在不相关的信息上。最关键的是你知道 Agent 会从哪里读取信息，它的行为变得可预测和可控。如果某次结果不理想，你也能快速定位问题，是数据源本身的信息不完整，还是 Agent 的提取逻辑有问题。
不过这一切的前提是，你的 Notion 工作区本身是依托于结构化的数据库：
- 任务有固定的存储位置
- 笔记按类型分类存储
- 项目信息有清晰的组织方式
- 剪藏文章有独立的管理中心
也就是说，Notion Agent 的能力，必须建立在 Notion 本身的组织能力之上。 如果你的工作区是一团乱麻，Agent 也无法很好地发挥作用。但如果你有清晰的信息架构，Agent 就能准确定位到需要的信息，给出精准的结果。很多人试用过 Notion AI 之后觉得鸡肋、没用，本质上就是缺少两个东西，其一是丰富的记录、其二是清晰的结构。
解决了信息从哪里来，接下来再用相同的方式，解决信息该往哪里去。
如果每次和 Agent 交互完之后，都需要手动指定保存到哪个数据库、填写哪些字段、设置什么标签，那么使用体验会非常糟糕，信息流动的自动化也就无从谈起。所以我的解决方案还是预设存储规则 + 智能字段填写。
Notion Agent 的强大之处在于，它不仅能在数据库创建页面，还能理解数据库的结构，智能地填写各个字段。
接着前面的月报例子，Agent 生成的月报不会停留在聊天窗口里等我手动复制粘贴，而是会自动保存到「我的笔记 DB」这个数据库中，因为我已经在这个流程的文档中注明以下几个要素：
- 生成月报的存储位置
- 生成月报的格式模板
Agent 在访问「笔记数据库」后，会去理解数据库字段的语义，它知道「笔记类型」字段中 Exp 代表经验复盘，Idea 代表灵感记录，Log 代表日志记录，所以这篇月报就被自动打上了 Exp 的标签，这种语义理解能力，让整个信息流动变得更加自动化。
回顾前面两个小节，「场景路由」解决的是 Agent 该怎么思考的问题，「信息的边界」解决的是 Agent 该看哪里、该写哪里的问题。两者结合起来，才能让 Agent 既有足够的智能去理解你的意图，又有足够的约束去避免出错。
这两个设计的背后有一个共同的理念：越是自动化的系统，越需要清晰的边界。 如果你什么都不限制，Agent 的行为就会变得不可预测，你永远不知道它会从哪里找信息、会把结果存到哪里。但如果你把边界定义清楚，Agent 的行为就变得可控、可预期，出了问题也容易排查。
当然这些边界不是一成不变的，随着你的工作方式变化、数据库结构调整、或者发现某些场景的规则不够完善，你可以随时通过对话去更新这些规则。这种「规则可迭代」的特性，让 Notion Agent 既有结构化系统的稳定性，又保留了足够的灵活性。
Custom Agent
接下来这部分的内容会涉及到 Notion 还未正式上线的 Custom Agent 功能，我也暂时没有这个权限，因此只能先以目前披露出来的信息去参考，但可以大致讲讲这个功能是什么，能带来什么效果。
前面介绍的所有内容，包括场景路由、信息边界、文档即规则，本质上都是在「Personal Agent」的框架下进行的。也就是说，所有操作都需要你主动发起请求，Agent 才会执行。你需要打开 Notion，打开 AI 窗口，输入指令，然后等待结果。
但 Custom Agent 要解决的问题是：能不能让 Agent 在后台自动运行，不需要我每次都手动触发？
想象一下这样的场景：
- 早上 9 点，Agent 自动扫描你的任务数据库，把今天到期的任务整理成清单推送给你
- 周五下午，Agent 自动读取本周的任务完成情况，生成周报，保存到指定位置
- 每个周末自动搜索全网 AI 热点资讯，然后汇总成一篇简报保存到剪藏数据库
这就是 Custom Agent 的核心价值，从「你问它答」进化到「它主动做」。
回顾我们前面介绍的 Agent 设计思路，Custom Agent 其实是在同一套逻辑上的延伸：
- 场景路由的逻辑依然适用，只是触发方式从「关键词识别」变成了「时间或事件触发」
- 信息边界的设计更加重要，因为自动运行的 Agent 必须精确知道从哪里读、往哪里写
- 文档即规则的理念不变，你依然是通过编写文档来定义 Agent 的行为
如果你现在已经在使用 Personal Agent，并且建立了完善的场景文档和信息结构，那么未来升级到 Custom Agent 会非常顺滑：你只需要把原本需要手动触发的场景，改成自动触发即可。
我们每个人的工作中都有大量的规律性任务：日报周报、数据整理、信息同步、定期回顾……这些任务单独拿出来都不难，但正因为不难，所以经常被拖延或遗忘。Custom Agent 的价值就在于，它能把这些「应该做」的事情变成「自动做」的事情，让你的精力真正聚焦在需要创造力的工作上。
当然这也对 Notion 工作区的组织提出了更高的要求。一个结构混乱的工作区，即使有了 Custom Agent 也很难发挥作用。所以如果你对这个功能感兴趣，现在就可以开始梳理你的信息结构，为未来做好准备。
Agent 设计模板分享
如果你是完全的新手，前面这些内容可能看起来有点分散和复杂，但其实核心思路很简单。
一个 Agent 文档的基本框架通常包含四个模块：身份与使命、互动风格、场景与触发词、记忆区。你不需要一开始就把所有内容写完，先从一个最常用的场景开始，用起来之后再慢慢扩展。
而且这里还有一个更省力的启动方式，就是用你过去的记录来喂养 AI。
很多人面对空白的 Agent 文档会无从下手，不知道该怎么定义自己的「身份」、描述自己的「风格」、梳理自己的「价值观」。但其实你不需要凭空去写这些东西。把你过去写过的笔记、文章、项目复盘、甚至随手记录的想法，一股脑丢给 AI，让它帮你分析、提炼，然后对你进行侧写，它可以从你的文字中识别出你的表达倾向、擅长领域、以及对某些事情的判断标准。
这就是「用存量启动增量」的思路，门槛低、上手快，而且更真实，因为这些内容本来就是你的，AI 只是帮你整理出来而已。
这也凸显了一个更底层的观点：记录是 AI 时代的基础设施。 只有你过去有记录的习惯，现在才能快速拿出语料让 AI 分析。任何时候开始记录都不算晚，因为你不知道未来还会诞生怎样的 AI 工具。但无论模型多么先进，它都不太可能拥有读心的能力，你依然需要给它提供分析的素材。没有输入，就没有输出。
为了帮助你更快地开始这个循环，我设计了一份 Notion Agent 基础模板，你可以直接复制使用，点我获取模板链接。
你只需要根据模板的结构和指引，开始和你的 Agent 对话，然后在实际使用中逐步调整、逐步优化，根据自己的工作场景，增加新的子文档、调整触发关键词、补充你独有的方法论和偏好即可。
当然，如果你想让 Agent 的能力发挥到极致，一个结构化的 Notion 工作区是前提。如果你还没有建立起自己的信息架构，或者对如何组织任务、项目、笔记感到困惑，可以参考我的 FLO.W 模板。它预设了清晰的数据库结构：任务、项目、笔记、剪藏各有独立的存储位置，字段设计也经过反复打磨，可以直接被 Agent 识别和调用。你不需要从零搭建信息架构，模板本身就是 Agent 能力的地基。
欢迎了解和购买：
Notion AI 订阅建议
Notion Agent 能做的基本上都在前文中覆盖了，但鉴于 Notion 的能力范围着实千奇百怪，所以我也整理了一份 Notion Agent 不能做的操作合集，具体可以参考 这个链接 。因此在订阅之前，你可以先参考这份文档，评估一下自己的需求能否满足。
另外 Notion 的官方付费策略已经进行过一轮调整，现在如果你想使用 Notion 的 AI 功能，则只能购买商业版或者企业版的版本，个人使用的话商业版即可，但年费 240 美元真的不低，因此我的建议是，如果你是初次尝试 Notion 的新手，完全不建议你第一时间付费订阅 AI，你可以先阅读我写过的这篇《给 Notion 新手的 5 个入门建议》，看看能否接受、适应 Notion 的记录方式。等到你真的觉得 Notion 是一个趁手的工具之后，再去考虑是否订阅也来得及。
还有一些用户可能会发现，自己并不需要订阅商业版，也可以通过 add-on 的方式在 Plus 版的基础上补充订阅 Notion AI。根据 Notion 官方的说法，这个政策是针对历史订阅用户的特殊方案。自 2025 年 5 月起，AI add-on 已不再向新用户单独销售。也就是说，只有在政策调整之前就已经订阅了 AI add-on 的老用户，才能继续以这种方式使用 Notion AI。而且通过这种方式订阅 AI 功能是不完整的， 主要功能缺少了以下几点
- AI Agent：可执行多步骤任务的个人 AI 助手
- 企业搜索：跨工作区及关联应用的全局搜索
- AI 会议笔记：语音自动转录和生成会议摘要
而且需要特别注意的是，一旦取消 add-on 订阅，就无法再恢复，届时只能通过升级到商业版或企业版来重新获得完整的 AI 功能。
结语
大多数人和 AI 的关系，依然停留在「有问题时打开一个聊天窗口」的阶段：用完即走，下次再见时又是陌生人。
但 Notion Agent 给了我一种不同的可能：AI 不再是一个外部工具，而是一个可以被训练、可以被塑造、可以和你一起成长的协作者。它不会每次都问「请问你想要什么格式」，因为它已经记住了你喜欢的方式。它不会在你的工作区里漫无目的地搜索，因为你已经告诉它该去哪里找、该往哪里存。这种感觉很奇妙，就像是在培养一个助手，一个会随着时间推移变得越来越默契的助手。
当然，这一切的前提是你愿意投入时间去搭建、去调教、去迭代这个系统，更重要的是把手弄脏，然后诚实地记录。Notion Agent 不是开箱即用的魔法，它需要你先把自己的工作方式想清楚，然后用文档的形式表达出来。这个过程本身就是一种自我梳理，你会发现很多以前从未意识到的习惯和偏好。
这也引出了另一个我想说的观点：当前 AI 模型的能力差距正在缩小，真正决定输出质量的，是你喂给它的输入。
但这里的「输入」不是指那些随处可见、已经泛滥成灾的二手信息，不是让你去剪藏别人的文章、收集别人的观点，更糟的情况是这些信息有可能其实是用 AI 加工出来的排泄物。真正有价值的输入，是你自己的东西：你的偏见、你的无知、你的狭窄视角、你笨拙的操作过程、你走过的弯路、你踩过的坑。
只有当你诚实地记录这些「不完美」，AI 才能真正帮到你。因为它看到的不再是千篇一律的正确答案，而是你独特的思考轨迹。它能从你的错误中理解你真正的困惑，从你的偏好中识别你真正的需求，从你反复修改的过程中学会你真正的标准。
所以我相当反对那些鼓吹「AI 时代笔记无用论」的声音。在我看来，这不过是在 AI 浪潮冲击下自暴自弃的说法，是懒惰的借口。任何时代、任何工具的变革都不能动摇独立思考的重要性。AI 可以帮你执行、帮你整理、帮你加速，但它永远无法替代你去思考「我到底想要什么」。
Notion Agent 对我来说最大的价值就是，在我看到了自动化工作流的巨大潜力，以及清晰的实现路径时，我意识到，我真的一刻都不能再拖延了，我必须认真地去思考我的工作流到底是什么，到底有哪些机械、重复的流程在耗费我的时间，到底可以怎样地去调整和优化，才能在有限的时间里完成更多的事情。一旦想清楚了，Notion Agent 就该发挥作用了。
最后，原本这篇文章还打算与 Obsidian 的 AI 插件，以及 Heptabase 迭代了好几版的 AI 做对比，也希望再深入探讨一下 Notion AI 当前的功能局限，但奈何篇幅已经接近万字，所以这部分的内容就留给下一篇文章吧。
如果有任何你希望看到的内容，也欢迎在评论区留言，我会评估并纳入写作范围内。
本站所有文章，除非特别说明或标注，均为本站原创发布。转载本文需附上本文链接，未经授权，禁止大篇幅复制、盗用、采集或发布本站内容至其他网站、书籍等各类媒体平台。