开发者隐藏功能苹果开发者模式开启

　　Elad Gil ：近来一段工夫关于 Agent 的会商愈来愈多了，但客观来讲由于某些才能还不克不及完成，以是 Agent 大概主动化相干的使用代价还没真正表现出来

　　Elad Gil ：近来一段工夫关于 Agent 的会商愈来愈多了，但客观来讲由于某些才能还不克不及完成，以是 Agent 大概主动化相干的使用代价还没真正表现出来。Notion 近来也推出了 Calendar 使用，我很猎奇你怎样看 AI 和日程办理之间的分离？

　　Notion 的降生源于我在大学时读过的一篇论文， Douglas Engelbart 的 Augmenting Human Intellect: A Conceptual Framework。明天人们利用软件凡是状况下都是详细一款产物对应一类详细使命，但在计较机刚呈现的时分，好比 60、70、80 年月，人们利用电脑的方法要愈加灵敏开辟者躲藏功用，我们能够进入到体系层面停止调解，以至是在操纵体系正在运转的时分，及时地对其停止修正或调解。这件事对我的启示很大。

　　我们还能够设想如许一个场景，当我有新的 idea 时，只需求拍张照片、大概写下来一些工具，然后把它放进 Notion，Notion 就会帮我们构造、办理这些信息，假如将来我们需求用到这些常识的时分，作为一个完善的影象助手，Notion 就会帮我们调取它们。这是 Notion 的持久愿景开发者工具能修改数据吗，我小我私家以为这件事很使人镇静。

　　Elad Gil ：有一些人把这个历程总结为几率工程，这会让人以为我们进入到了一个布满随机性的范畴傍边，最少是部门随机的。

　　Ivan Zhao：关于 AGI 来讲，工夫标准放在 30 大概 40 年能够有点太久了，以至不消比及下一个 10 年，在将来 1-2 年内 AI 就会有较着打破。这当中我以为一个被低估的范畴是 RAG。

　　在那以后，我们团队根本上就满身心投入到 AI 项目中了。我们曾经搭建好了许多积木，接下来就是弄分明哪些积木能够与 AI 相分离，和公司内部谁对这项手艺有深化理解。固然我们有搜刮团队，但我们的 ML 团队其实不大，以是，我们还需求雇用更多的人材，与此同时还要让公司内部的人对这项手艺有配合的信心，如许我们才气朝着统一个标的目的行进。我们就像面对小行星撞击地球的恐龙一样，需求为行将到来的剧变做筹办开发者工具能修改数据吗。

　　Notion 多是市场上比力早去大范围供给 RAG 相干功用的公司，但大范畴供给 RAG 效劳的难度比力大，Notion Q&A 还处于 waiting list 的形态，我们还在完美。

　　团队中的一切人，不管是设想师、工程师仍是运营，天天也会在 slack 和邮件问到相似成绩。要答复这些成绩能够要花 10 分钟来写邮件，在此之前还要消耗 20 分钟来找到对应对案，假如算上各类等候工夫，能够需求消耗半个小时以上的工夫，但有了 Noton Q&A，这类成绩只需求几秒钟就可以够处理。RAG 曾经帮我们进步了事情服从，而这还只是开端。

　　以是，我们明天正处于 bundling 阶段，这既是由于宏观经济的趋向，也由于 language model 的内涵需求就是将信息和功用整合在一同。

　　Notion 的愿景是经由过程构建出林林总总的“积木块”让用户在平台上搭建出更具本性化、契合实践需求的定制化使用，从而完成“大家都能建造本人的软件”这件事，Ivan 以为，language model 的呈现必然会加快这一历程，更进一步，RAG 还会完全常识型事情和团队相同的形状，Notion Project、Notion Q&A 和 Notion Calendar 等新功用、产物恰是效劳于此。

　　别的，我以为我们不克不及范围于某一种思想形式，由于许多界线实际上是报酬设定。Notion 80% 的设想师城市编程，他们既是设想师也是工程师，也因而在设想中能够做出很好的均衡。手艺的素质是 tradeoff，好的tradeoff 可以鼓励用户来测验考试利用新产物、指导他们构成风俗，这是最中心的。我们会的工作更多，相对其他设想上就更能在设想上做出好的均衡，再好比设想师晓得怎样编程，他们就会晓得怎样调解设想，使其更简单完成；假如你会设想也是同理，就像在挤压氛围泡泡时，找到最简单挤压的标的目的。

　　Elad Gil ：Notion 曾经构建了许多中心模板和用例，好比项目办理东西、常识库等等，在它们当中，你以为有哪些功用受 AI 的影响最大？

　　在 language model 之前，我们要在常识库搜刮一些内容凡是需求很准确的枢纽词，以至有些时分还要讯问同事能否记得某个序列、某个信息寄存的数据库是哪一个开发者工具能修改数据吗。但如今能够间接讯问 Notion AI 想要搜索的成绩，很快 AI 就会给到谜底，这是我小我私家很镇静的一个使用处景，很多人也在会商。别的一个我以为很值得等待的是 Work Agent，这个范畴也曾经开端有许多人存眷到了。

　　Sarah Guo ：你常常提到 Notion 不只是一个消费力东西，更是一个使用构建平台。你是怎样想到这个概念的？为何你以为人们想要去搭建更多的使用？

　　Ivan Zhao：实在人们曾经从许多角度停止过测验考试。好比近来很盛行的 No-code 就是从小我私家开辟者角度来想这件事，No-code 让每一个人都能修正他们一样平常利用的软件东西苹果开辟者形式开启。Language model 供给了别的一个角度，就是底层常识和数据的办理需求被同一同来。宏观也是一个视角，由于假如思索预算的线 个 SaaS 软件的用度比拟，只给一个供给商付费明显要更能节流开支。

　　3% 理念（3 Percent Approach）是时髦品牌 Off White 开创人及设想师 Virgil Abloh 的设想哲学，这个理念的中心机想是，在现有设想的根底上只做出不超越 3% 的改动，从而使产物看起来既熟习又新奇。这类办法许可设想师在尊敬原有设想的同时，经由过程纤细的调解来缔造新的作品，这些改动能够包罗色彩、质料、构造或其他设想元素的细微变更。

　　Elad Gil ：听起来 retrievable 也是全部过程当中很枢纽的部门。假如我们的日历能够主动补齐我们需求理解的关于集会开发者工具能修改数据吗、参会职员或其他相干事项的一切信息，关于用户来讲相称有代价。你以为 Notion Calendar 还能在哪些环节缔造代价？

　　Ivan Zhao：手艺的素质是做 trade off 。Language model 带来了一种全新特征，这是过往被设定为详细功用的软件所不具有的，但我们还不太理解它完好的事情道理苹果开辟者形式开启，以是人们不断在 Twitter 上会商要怎样才气更好天时用模子的才能。关于企业和创业者来讲，面临新手艺也要做出一些衡量，他们要时辰理解市场关于各类新模子才能的评价。这个行业今朝正在快速开展、不竭变革。

　　Ivan Zhao：我和 Simon 对 AI 都有充足强的 conviction，我们早些年去 OpenAI 的办公室时，底子不了解这家公司在做的工作是甚么，但其时我们曾经见过很晚期的 GPT 的 demo。

　　Ivan Zhao：我的许多直觉实在都基于一些对汗青的了解，汗青不是简朴地反复，但总有一些类似纪律。我小我私家以为，我们今朝还处于 bundling 的阶段。《三国演义》的第一回就提到“久分必合，久合必分”，我以为贸易的运作也是云云。在 bundling 阶段之前，SaaS 行业实在曾经阅历过一个 unbundling 和效劳分离的阶段。

　　Ivan Zhao：差别的公司、产物的目的纷歧样，挑选的模子天然也纷歧样。Notion 会测验考试各类模子，特别当下程度最抢先的开源模子，但由于 Notion 很垂青推理才能，以是我们普通会挪用高程度的模子。

　　Sarah Guo ：你是怎样考虑 Notion 的 AI 计谋的？这些计谋能否也遭到了哪些计较机手艺开展汗青中的启示？

　　计较机范畴的前驱们在很早之前曾经会商过这件事，他们以为操控计较机有一天会像识字一样提高，不外他们其时能够完整没想到 AI 会成为一个风趣的变量，language model 不只能够缔造软件，还能够帮人们完成大批考虑相干的事情。接下来的开展会相称风趣。

　　你方才也提到，大大都人其实不想创立软件，更多的是完成老板分派的使命便可。以是，我们在创建 Notion 过程当中学到的经历和由此带来的一个改变是，相较于供给一个构建软件的东西，更好的方法是供给给用户林林总总的 blocks 构建的模板，让用户上手即用。

　　Ivan Zhao：它能够简化我们的事情流程，这是一个严重的打破，可让 Agent 协助我们完成常识类事情。

　　实在 Notion 在做的这件事其实不新，由于在上世纪 80 年月、以至 70 年月人们就会商过用 block 逻辑来构建软件这件事。到了明天，我们只不外是在云和 AI 的撑持下去完成这件事、突破已往以详细功用导向的软件的限定。

　　PC 时期晚期实在有许多林林总总的使用，好比《星际争霸》的晚期版本，另有各类文本编纂器、dBase数据库软件和其他差别的数据库软件。到了 90 年月，由于 Microsoft 供给了一个底层的操纵体系，我们也随之进入了一个 bundling 阶段。随后，跟着收集手艺的开展，软件开端能够在 Web 上运转，这就带来了已往 10 到 15 年前的解绑和碎片化阶段，与此同时，资金本钱低落带来创业门坎低落，也因而招致了信息范畴的过分碎片化。

　　除手艺身分，我小我私家还会存眷许多人类举动风俗角度的改动，好比小我私家用户的举动惯性、公司的风险接受才能等，这些也都在渐渐演化。就像 Steve Jobs 常说“你不克不及做出太新的工具，你必需在连结大部门不异的根底上，改动一两个枢纽点。”Off White 开创人 Virgil Abloh 的理念是，只需求改动 3%，但足以鞭策鸿沟，让人们承受新事物。

　　Ivan Zhao：我以为 Notion 仍是很荣幸的，我们实在没有出格专注于某个详细用例的搭建，我们的重点不断是放在构建这些用例的乐高积木块上面，这些“积木”中既有文档编纂这类最根底层的“积木”，很我们还推出了干系型数据库（Relational database），表格、批评和差别的会见权限等等也是很主要的“积木块”。已往 5 年工夫我们不断在构建这些积木。

　　明天 language model 曾经可以很好地了解人们输入到计较机中的内容了，这意味着我们不需求再本人去做信息的构造来便利将来对信息的检索，AI 在这件事上做得比任何人类都要好。

　　必需认可的是，GPT-3 刚呈现的时分我是不放在眼里了这件事的。固然 GPT-3 曾经能够协助人们停止市场营销筹谋、完成初稿写作，但我其实不以为这能有多大用途，直到我看到 GPT-4 的才能我的设法才发作了改变，我发明 GPT-4 曾经能够考虑、推理，能够完成林林总总的工作，能够愈加实践地优化事情流。GPT-4 对我影响很大，它给了我许多自信心，我也因而以为这会是一个宏大的迁移转变点。

　　Language model 才能的提拔，和把 language model 和 SaaS 软件相分离这两件事该当是同步停止的，由于假如一会儿改动太大，人们能够会不太顺应，RAG 的益处也在于它在现有交互风俗根底上给到了更好的输出。

　　AI 更像是一个以新的方法来组合、驱动这些积木块的新引擎，也正由于我们不断在构建、完美这些积木块，我们才气够疾速把 AI 和已有功用分离起来。我们之所所以市情上大范围推出 AI 合作的软件之一，是由于我们曾经在文本编纂器上花了许多年工夫，也由于我们曾经做了干系型数据库，以是我们能够把 AI 和数据库分离起来，我们可以快速推出 Notion Q&A 也是由于我们在常识库产物上的投入。我们能把 RAG 使用到 Notion 的产物中也是由于我们做了林林总总的“乐高积木块”，AI 关于 Notion 是一个出格好的时机，而我们恰好捉住了这个时机。

　　Notion 团队里有许多对 interface 和设想感爱好的人，前后端也别离有许多全栈型人材，我们内部也有一部门特地在做搜刮，但 ML 相干的人材并未几，以至能够说是没有。已往一年的工夫中，我们不断在进修怎样做 AI。

　　Ivan Zhao：素质上 Notion 会协助用户影象他们输入到 Notion 中的一切内容，不但是 Notion 能如许做，绝大大都赐与 RAG 的体系都能做这件事。

　　Sarah Guo ：Notion 刚起步时，开始利用 Notion 来构建常识库的是那些草创公司。明天，在 Notion 范围获得增加的同时，我们所处的宏观情况也发作了变革，草创公司的预算比从前愈加慌张。你怎样对待协助企业接纳 AI 停止常识办理这件事？

　　手艺层面，模子如今可以处置更普遍的高低文信息，具有更强的推理才能，运转速率更快，同时占用的资本更少。这关于 Notion 来讲十分主要，由于我们需求的就是像 GPT-4 如许既智能又高效的云效劳。我们需求 AI 来协助我们停止庞大的推理使命大概快速地总结文本内容，而且最好本钱够低，速率够快。这就是手艺层面上我们需求存眷的标的目的。

　　在此之上，假如我们把产物设想得充足好，还可以完成将适宜的信息在适宜的工夫推送给对应的成员，不只云云，假如我们设想恰当，还能够将准确的信息在准确的工夫推送给准确的人。能够 50% 以上的常识性事情都是这类使命。

　　Elad Gil ：从 GPT-3 到明天，我们看到 GPT 才能提拔出格快，而且每代模子城市带来新的贸易形式，你以为要充实操纵 GPT 的才能还需求做哪些事情？

　　Language model 和 RAG 呈现之前，人们之以是需求计较机是由于需求一个处所来存储信息，而且能够随时检索、挪用这些信息，但检索次要依靠于枢纽词，而且这个词要相称准确，因而有的时分还会请求用户具有一些优化枢纽词的本领。但有了 RAG 以后，language model 可以了解你输入的内容。以是，我们不需求在 Notion 中特地做信息的构造办理，由于不管我们输入了甚么，我们都能顺畅地搜刮出来。不管对小我私家仍是团队公司来讲，RAG 都供给了很完善的影象才能这关于小我私家、公司或团队来讲，相称于具有了完善的影象。

　　Ivan Zhao：我以为 RAG 会完全改动常识办理的方法，让人们挣脱烦琐的信息构造事情。Notion 最受人喜欢的功用之一是侧边栏，人们会用它收拾整顿常识库和小我私家 workspace。但当前我们能够不再需求如许的东西来构造常识库了。用户只需简朴地将信息丢到 Notion 中，就可以够经由过程各类方法停止检索。这就是常识办理的将来。

　　Sarah Guo ：确其实已往 20 年我们不断处于过分分离的 SaaS 天下中，实际上，做一个通用的东西该当是天然而然的趋向，但为何没有人来做这件事？

　　我们之以是需求相同是由于有些事情不克不及由软件主动完成，需求我们停止及时处置。这或许这是一个值得考虑的成绩，跟着 language model 的开展，我们将来的相同会更多仍是更少？我猜是更少。由于 Agent 根本上依靠于 language model，这就是相同的将来开辟者躲藏功用。

　　以是 Notion 的设想相称集合，有点相似于苹果公司，Apple 软硬件紧麋集成开辟 OS 的方法在明天很少见。在这类状况下，为了完成好的产物和优良的用户体验，我们就需求更横向、片面的考虑，也因而我们的设想决议计划是相对集合的，更偏 Apple 的气势派头而不是 Amazon。

　　Sarah Guo ：在 PC 时期开展晚期，其时人们会会商 30 或 40 年后，PC 带来的最大变革会是甚么？明天你对 AI 将来的开展有甚么等待？

　　Sarah Guo ：假如我们认真看Oracle 这类已往 15 年不断占有主导职位的公司，会发明它们有一个配合战略：收买同范畴中排名第二的产物。由于关于客户来讲零丁去布置这些产物是很艰难的，大概说他们更偏向于将一切工具都整合到一个单一的数据库中。我以为这与你提到的 language model 有某种类似的地方。

　　Ivan Zhao：Notion 很难被界说，由于它能够被用来做许多工作，但我们自己也期望打造一个万能的东西，用户能够用它来完成一样平常糊口中的大部门使命，好比小我私家用户能够用 Notion 来记条记、做游览计划、婚礼兼顾等，企业用户也能够只经由过程 Notion 这一个东西就完成文档办理、使命追踪和内部常识库的构建等。我们之以是想做这件事是由于如今市情上有大批的 SaaS 软件东西、市场相称分离，但或许关于用户来讲假如一个产物能让他们 all-in-one 地完成大部门事情是一件功德。

　　明天，人们在利用电脑、和软件交互的方法偶然候会显得很枯燥开辟者躲藏功用，那末我们能不克不及缔造一种全新的软件，让人们能够去灵敏调解和定制？这就是我们创建 Notion 的初志，我们其其实从头审阅计较机范畴的前驱们昔时会商过的议题。

　　Ivan Zhao：我们还相称晚期，也还没完整完成用户的范围化。我以为，bundling 有许多益处。起首，这很便利，用户不需求在差别的界面之间往返切换就可以完成使命。其次，这有助于节流本钱，有了 Notion，用户就没必要购置其他项目办理和 issue 跟踪的东西，从而削减了大批开支。这一点关于企业来讲十分主要，特别是在当前的经济情况下，CFO 也想低落本钱。以是，bundling 的确带来了很多劣势。除便利信息办理，还能节流大批资金。

　　Back office 的场景和 front office 比拟要愈加垂直，好比专注于医疗安康范畴、特定的事情流等等，而且凡是还需求一个特地的处所来存储相干信息并在垂直场景中停止整合，这些场景也是能够被 AI 革新的。在法令等高度专业化的范畴里苹果开辟者形式开启，large language model 曾经开端替代身类处置一些庞大使命了。

　　我们在 AI 上的各类测验考试很像做烘焙的历程：筹办好统统原质料、把这些原质料放进烤箱、按下按钮以后就只剩劣等待，没有人可以预知废品是甚么样的，以是这请求我们有充足的耐烦，同时还要做大批的调解和筹办。

　　Sarah Guo ：你提到 Notion 能够像大脑那样协助用户停止信息的构造和办理，假如一小我私家的大脑自己就很紊乱、缺少系统，这会影响他在 Notion 大概相似体系中的信息交互方法吗？用户需求先构造化地构建一个本人的常识库，仍是只需求把一切信息以信息流的方法输入就可以够？

　　Notion 完成这个目的的方法并非把许多功用塞进一个详细的产物里，而是去构建更底层的 block，用户能够像搭建乐高积木一样，用这些 blocks 来缔造性地做出林林总总完善契合小我私家或团队需求的用例。

　　Ivan Zhao：我以为这个取决于我们要怎样界说设想，最少关于我来讲，设想不单单是表面，更主要的是一个别系是怎样协同事情的。在这类状况下，我们需求做出一些 tradeoff，是挑选把设想集合仍是分离到每一个板块？有些公司或营业产物合适把设想事情下放到差别板块，特别是那些很重运营的公司。

　　Sarah Guo ：Notion AI 的停顿相称快苹果开辟者形式开启，特别和许多还不晓得怎样使用 AI 的产物比。这个过程当中你们是怎样做决议计划和停止资本分派的？

　　我是这么界说 “Front office” 的：能够先假定假如我们身处在 1960 年月的一间办公室里会看到哪些工具？人们桌子上会有一个用来记工具的记事本，能够还会有一台打印机，阁下两旁还堆着许多文件夹，对应到 Notion，记事底细称于用户文档和条记，文件夹则相似于 Wiki，人们死后的文件柜则能够对应到 Notion 中的干系数据库，文件柜中还会有各类小纸片来协助收拾整顿信息。

　　因而，我以为这类多样化的才能对我们的协助很大，Notion 中的每个人都在勤奋变得“万能”，这也使我们的团队小而干练。相对我们的营业范围，我们的团队人数很少，但团队中的每一个人都能把本人的才能阐扬到极致。我们没有牢固的脚色，也不需求做反复性的事情，各人都很享用这类事情方法。不外，虽然如许做有许多益处，但找到具有如许才能的人的确更难。

　　Notion 需求的别的一类人是富有猎奇心和快速进修才能的人。Language model 让每一个人能够及时地挪用 AI 才能来完本钱人的使命，但怎样用好模子才能实在有许多本领，和怎样将 LLM 和用户交互做分离也是很主要的成绩。这类人普通被称为 AI 工程师，Notion 的 AI 工程师们都很年青，许多以至还不到 21 岁。

　　有了 RAG 以后，团队搜刮的体验会完整纷歧样。我本人就曾经改动了利用 Notion 的方法。好比我会发问 “公司甚么时分搬到新办公室？”，假如团队中有人在某个文档中记载过这件事，Notion 就会复兴我对应信息，我不需求再像之前那样去问其别人。

　　这两类 AI 人材的事情才能都很强。Notion 今朝还没有许多 AI researchers，这类人材在我看来也相称主要。不外 Notion 究竟结果处于使用层，以是我们许多工夫是花在研讨怎样用模子上。

　　Front office 对应的使命是开放性的，back office 的则更偏特定、详细的使命，以是我以为两者之间会存在某种比赛，但与此同时市场也很大，没必要然是零和游戏。

　　到明天，跟着 AI、language model 的呈现和开展，我们仿佛又回到了 bundling 阶段。由于模子素质上请求将信息集合在一个处所去完成更高效的信息处置。

　　我以为 Notion 更多是从计较、内容大概说文底细干角度动身来想这件事。好比我们一切人城市浏览和写作，但关于绝大大都人而言，电脑只是一台打字机大概看 YouTube 的东西，自己其实不具有缔造力。假如更多的人可以更具缔造性天时用他们的软件，能够状况就会纷歧样。缔造软件的人和用软件的人供给的代价是完整差别的，这也是旧金山房租云云高贵的主要缘故原由。

　　Ivan Zhao：我们能够逐步就不再需求信息构造化大概相似观点，我们之以是需求把构造和收拾整顿信息是由于只要做好这些事情才气够检索，我们需求 index 也是由于 index 就仿佛文件夹上的各类标签，可以帮我们快速找到各种文件，但由于 embedding 和 RAG ，我们只需求把一切信息放进这个“文件袋”，然后就可以够按照需求以随便方法搜刮、找到你想要的信息。信息的自在度会大大提拔。

　　Elad Gil ：你提到了要在推理质量、速率和本钱之间做均衡，Notion 是怎样用模子的？只利用了 Llama 仍是会在差别场景中挪用差别模子？

　　甚么是常识型事情？人们为何需求软件？从底子上说，软件就是我们一切人的信息处置举动，就像一张纸传到眼前，人类改动几个字，然后推送给另外一小我私家。在某种水平上，language model 曾经能够协助我们完成这类信息处置。以是，我信赖这将完整改动我们与计较机的交互形式。

　　相对应的，还会存在“Back Office”，相似于图书办理员事情的处所，back office 对应的是明天 Snowflake、已往 IBM 在做的工作。Notion 不会去碰“back office”相干的部门，我们仍是聚焦我们的劣势范畴，就是我方才提到了软件界面，UI、UX 这些。

　　Sarah Guo ：你很垂青设想，Notion 的设想也不断被外界歌颂，你以为 Notion 是一个设想驱动的公司吗？你是怎样在全部团队中包管设想分歧性的？

　　Notion 的代价在于供给一个同一的信息空间、一个让人们能够集合完成各类差别的使命的 workspace 。因而，这些功用需求协同高效地事情。这有点像是在构建一个操纵体系或编程言语，没有人会把设想编程言语的使命分离给 50 小我私家来做，凡是这些事情都是由一小我私家来完成的。

　　Ivan Zhao：我本人会去这么看 AI 的才能，起首， RAG、信息 retrieval 是一类，属于常识类相干。别的一类则是 workflow 相干，我们挑选用 agent 来界说这件事。人们之以是需求集会、日程这些工具是由于我们需求完成相互大脑之间的“比特传输”，那末我能够借助一个 language model 来完成这件事吗？或许是能够完成的。最根本的环节就是，人们在敲定集会工夫的那一刻，日程摆设上也做出了对应变革。我们做的许多工作都触及到了工夫这个纬度，language model 能够帮我们来调解工夫摆设吗？我以为是能够的。

　　Unbundling 的趋向从 2000 年月中就开端了，在这之前全部信息范畴相干的产物都需求基于 Microsoft 来完成，是 典范的 building 的阶段开辟者躲藏功用。

　　Ivan Zhao：是的，这一类事情很像是在做园林培养，我本人其实不会这类事情，以是我很需求如许一类人帮我做这件事。