Notion 如今已是估值超 100 亿美元、年收入（ARR）超 5 亿美元的超级独角兽，但在 2015 年，它曾濒临倒闭。当时的 Notion 现金流耗尽，产品建立在随时可能崩溃的单一数据库上，团队面临解散的危机。 本期节目带我们走进 Notion 的幕后，对话联合创始人 Simon Last 和 COO Akshay Kothari。他们揭秘了那段最黑暗的时光——创始人如何破釜沉舟搬到日本京都，在完全不懂语言的环境下通过 18 小时的每日编程重建了产品。 更重要的是，本期节目深入探讨了 Notion 3.0 的核心战略：全面拥抱 AI 代理（Agents）。Notion 内部目前拥有 560 个活跃的自定义 Agent，这意味着每两个员工就配备了一个 AI 助手。他们如何看待未来的工作形态？为什么说未来的每个人都将成为“AI 代理的管理者”？这是一次关于创业韧性、产品哲学与未来工作方式的深度探秘。 时点内容 | Key Topics * 濒死体验与京都重生： 回顾 2015 年 Notion 耗尽资金的危机时刻。创始人 Ivan 和 Simon 选择搬到京都，在与世隔绝的环境中重写代码，将“品味”（Taste）作为产品的核心护城河。 * 从 100 万到 5 亿 ARR 的扩张： COO Akshay 分享从 8 人团队增长到 1000 人大厂的挑战，以及在 TikTok 爆火导致服务器险些崩溃的惊险瞬间。 * COO 的自我毁灭哲学： Akshay 认为 COO 的工作就是不断“把自己炒鱿鱼”——先身兼数职（销售、财务、法务），然后招人替代自己，最终专注于最核心的战略。 * AI 时代的 Notion 3.0： Notion 不再仅仅是文档或数据库，而是致力于成为“知识工作者的 AI 基础设施”。 * 内部数据大公开： Notion 内部目前有 560 个活跃的自定义 AI Agent，相当于每两名员工就有一个 Agent 在后台处理重复性工作。 * 未来工作形态预测： 人类的角色将从“执行者”转变为“协调者”。未来的工作不是自己动手做所有事，而是管理和审计一群日益复杂的 AI 智能体群（Swarms of Agents）。 * “柔软”的软件哲学： 即使在 AI 时代，Notion 依然坚持软件应该是“可塑的”（Malleable）和“柔软的”，让用户像搭积木一样自定义自己的工具，而不是被僵化的 SaaS 流程所束缚。 相关链接与资源： [视频来源]https://www.youtube.com/watch?v=l8xdRcN81x8 本播客采用虚拟主持人进行播客翻译的音频制作，因此有可能会有一些地方听起来比较奇怪。如想了解更多信息，请关注微信公众号“心流赫兹”获取AI最新资讯。 附录： Notion 的创始人 Ivan Zhao 的精彩文章：《钢铁、蒸汽机与无限大脑》 越来越清晰的感觉到，我们正处于 AI 革命的早期阶段，对于未来谁也不知道会怎么样，所以都喜欢从历史中、去工业革命、互联网革命中寻找规律，以期望能对未来有所启发。 相对来说，这篇文章虽然也是尝试从钢铁和蒸汽机的历史里，寻找 AI 时代的答案，还是挺有深度。 【1】第一个观点是：我们正在看着后视镜开车 每一代新技术刚出来时，人们总是习惯用旧的方式去理解它。这就是所谓的“看着后视镜驶向未来”。 想想看，早期的电话，大家把它当成“会说话的电报"；早期的电影，其实就是把摄像机架在观众席拍舞台剧。 现在的 AI 也是一样。我们看到的 AI 大多长什么样？一个聊天框。为什么？因为它在模仿 Google 搜索框。 我们正处在这个尴尬的过渡期。就像当年大家还不懂电影剪辑语言一样，我们现在还在试图把 AI 硬塞进旧的工作模式里。 【2】个人层面：从骑自行车到开汽车 乔布斯当年有个著名的比喻，说电脑是“大脑的自行车"。意思是它能让人跑得更快，但你还得自己蹬。 对于现在的程序员来说，AI 已经不是自行车了，而是汽车。你不用蹬了，你只需要握好方向盘。 Ivan 讲了他的联合创始人 Simon 的故事。 Simon 以前是传说中的“10 倍工程师"，但现在几乎不自己写代码了。路过他工位，你会看到他像指挥官一样同时调度三四个 AI 编程智能体。这些 AI 不只打字快，还能思考。他在吃饭或睡前把任务排好队，AI 就在后台疯狂干活。 他从“写代码的人"，变成了“管理无限大脑的人"。 【3】为什么只有程序员先享受到了从骑自行车到开汽车的待遇？ 但问题来了，为什么只有程序员先享受到了这种待遇？普通的文案、运营、产品经理为什么还在“蹬自行车"？ 两个原因： 第一，上下文太碎了。程序员的代码都在仓库里，环境单纯。 但普通人的工作散落在 Slack、飞书、文档、甚至脑子里。AI 不知道前因后果，没法干活。 第二，没法验证。代码写错了会报错，好坏一目了然。 但一个活动策划案好不好？一份周报写得对不对？这很难量化。 所以，想要从自行车升级到汽车，我们得先帮 AI 把上下文补齐，并且找到验证工作成果的方法。 【4】组织层面：不仅是换引擎，还要换地基 个人层面说完，Ivan 把视角拉到组织层面，用了“钢铁"和“蒸汽机"两个比喻，来解释 AI 会如何重塑公司。 第一个是钢铁。 在钢铁普及之前，房子盖不高。因为用砖头和木头，盖到六七层，底下的墙就被压垮了。这就像现在的公司，人数一过几百，沟通成本就爆炸了，效率急剧下降。人与人之间的沟通，就是那个脆弱的“砖墙"。 AI 就是组织的“钢铁"。它能支撑起巨大的信息流，让决策不需要层层汇报就能完成。未来的公司，可能几千人规模还能像创业团队一样敏捷，因为 AI 撑住了沟通的架构。 第二个是蒸汽机。 最早的工厂都建在河边，因为要用水车做动力。蒸汽机刚发明时，很多老板只是把水车拆了，换成蒸汽机，但工厂还在河边，流程也没变。效率提升非常有限。 直到后来，老板们意识到： “等一下，既然不用水了，我为什么不把工厂搬到离港口更近的地方？" 工厂可以建在离工人、港口、原材料更近的地方。整个车间可以围绕蒸汽机重新设计。后来电力普及，工厂进一步把集中的动力轴拆散，给每台机器配上独立的电机。生产力才真正爆发，第二次工业革命才真正起飞。 我们现在还在“换水车"阶段。AI 聊天机器人挂在现有工具上，工作流程还是为人设计的。我们还没认真想过：如果旧的约束消失了，组织应该长什么样？ 真正的变革，是当管理者意识到可以彻底重组工作流，让那些“不睡觉的大脑"去处理所有重复性工作的时候。 Notion 自己就在做实验。他们 1000 人的公司里，活跃着 700 多个 AI Agent。这些 AI 负责写会议纪要、回答内部咨询、处理 IT 请求、写周报。这不仅仅是省时间，这是在重塑组织形态。 回看你的工作，如果只是用 ChatGPT 润色邮件，那你就是在把水车换成蒸汽机，工厂还在河边。试着想一想：如果我有无限个免费实习生（AI），工作流程应该怎么彻底重设计？ 【5】经济层面：从佛罗伦萨到东京 最后 Ivan 把视角再拉高一层：钢铁和蒸汽不只改变了建筑和工厂，还改变了城市。 几百年前，城市是人类尺度的。佛罗伦萨走个四十分钟就能穿城而过，生活节奏由人能走多远、声音能传多响决定。然后钢铁框架让摩天楼成为可能，蒸汽铁路把市中心和腹地连起来，电梯、地铁、高速公路跟上。城市在规模和密度上爆发了。东京、重庆、达拉斯，这些不是“更大版本的佛罗伦萨"，而是完全不同的生存方式——更混乱、更匿名、更难辨认方向，但也提供了更多机会和自由。 Ivan 认为知识经济正站在同样的转折点上。今天的知识工作占了美国 GDP 的近一半，但大部分还是人类尺度的运作：几十人的团队，会议和邮件定义的节奏，超过几百人就开始失灵的组织。我们用石头和木头建造了很多佛罗伦萨。 当 AI 智能体大规模上线，我们会开始建造东京。成千上万的智能体和人类协作，工作流程全天候运转不等人醒来，决策在恰到好处的人类参与下被综合。周会、季度规划、年度考核的节奏可能不再合理，新的节奏会涌现。 我们将失去一些“小而美"的清晰感，但会换来前所未有的规模和速度。 Ivan 提到一个历史趣事：1865 年英国有个《红旗法案》，规定汽车上路时必须有人举着红旗走在前面开路。听起来荒谬，但我们现在要求 AI 每做一步都要人确认，是不是也像“举红旗"？真正的未来，是人站在更高处监管，而不是挡在路中间。 也许我们应该停止从后视镜看世界，开始想象新的可能。卡内基看着钢铁，看到了城市天际线。兰开夏郡的工厂主看着蒸汽机，看到了不再依赖河流的车间。 我们还在问 AI 怎么当好“副驾驶"。也许该问的是：当无限心智成为基础设施，知识工作会变成什么样？ 这个问题，Ivan 没给答案。但他给了一个思考的框架。对于正在这场变革中的人来说，框架可能比答案更有用。

本期节目，Lenny 独家对话 OpenAI Codex 的产品负责人 Alexander Embiricos。在 GPT-5 发布后的几个月里，OpenAI 的编码智能体 Codex 经历了爆发式增长。Alexander 分享了 Codex 如何从一个模型代号重生为 OpenAI 最核心的“软件工程师队友”。 这不仅是一次产品访谈，更是对 2026 年 AI 发展趋势的深度预演。你将听到 OpenAI 内部令人咋舌的开发速度——仅用 2-3 名工程师和 18 天就构建了霸榜 App Store 的 Sora Android 应用。Alexander 还深入探讨了为什么 AI 发展的当前瓶颈不再是算力，而是人类的“打字速度”和“审查速度”；以及 OpenAI 正在构建的神秘浏览器项目 Atlas。无论你是开发者、产品经理，还是关注 AGI 进程的观察者，这期内容都将带你提前看到 AI 协作的未来形态。 时点内容 | Key Topics * Codex 的重生： 为什么 OpenAI 决定重启“Codex”品牌？它不再仅仅是 Copilot 背后的模型，而是一个包含 VS Code 插件和 CLI 工具的完整编码智能体。 * Sora App 的疯狂开发： 揭秘 Sora Android 应用的开发内幕——利用 Codex 进行代码移植和生成，仅用 18 天完成内部版，28 天正式上线并登顶 App Store。 * Atlas 浏览器： OpenAI 正在构建名为 Atlas 的浏览器？Alexander 解释了为何要进入浏览器领域，以及“上下文感知”如何让 AI 在网页工作中更主动地提供帮助。 * AI 的新瓶颈： 一个反直觉的观点：目前限制 AGI 发展的最大因素是人类的打字速度和多任务处理能力（主要是为了审查 AI 的工作）。 * 从助手到队友： 未来的 Codex 不仅仅是写代码，还能像真正的实习生一样，自我修复训练运行中的错误（On-call），甚至主动在 Slack 上回答数据波动的问题。 * 压缩人才栈（Compressing the Talent Stack）： 设计师通过“Vibe Coding”直接生成动画代码，产品经理直接修改文案字符串——AI 如何模糊了传统职能的边界？ * AGI 时间表与 2026 预测： Alexander 预测 2026 年将是 Agent 真正爆发的一年，并给出了他对 AI 发展“曲棍球棒”曲线的看法。 相关链接与资源： [视频来源]https://www.youtube.com/watch?v=z1ISq9Ty4Cg 本播客采用虚拟主持人进行播客翻译的音频制作，因此有可能会有一些地方听起来比较奇怪。如想了解更多信息，请关注微信公众号“心流赫兹”获取AI最新资讯。

在 AI 辅助编程普及的今天，许多公司虽然有 90% 的工程师在使用 Copilot，但依然保留着传统的开发流程。本期节目，我们邀请到媒体兼软件公司 Every 的 CEO Dan Shipper，他分享了一个激进的观点：90% 的 AI 采用率和 100% 的 AI 采用率之间存在着 10 倍的效率差距。 Dan 详细展示了 Every 作为一个仅有 15 人的团队，如何在不融资的情况下，仅靠单人开发者就构建并维护了 Kora、Monologue 等 4 个复杂的商业化软件产品。这背后的秘密在于他们彻底重构了工程流程，提出了**“复利工程”（Compounding Engineering）**的新范式——让 AI 编写 99% 的代码，并将每一次开发经验都固化为全公司共享的资产。你将看到 AI 如何让新员工入职第一天就提交代码，如何让不同技术栈的团队无缝协作，甚至让 CEO 利用碎片时间重回代码一线。 时点内容 | Key Topics * 100% AI 采用率的质变： 为什么说只要有 10% 的流程停留在旧时代，就会拖累整个组织的效能？从“辅助编码”到“全权委托”的思维转变。 * Every 的疯狂实验： 15 人团队运营 6 个业务单元和 4 个软件产品，且每个 App 仅由一名开发者构建，99% 代码由 AI 生成。 * 复利工程（Compounding Engineering）： 只有 AI 时代才可能实现的工程新哲学。 目标： 让开发的每一个功能都使下一个功能的开发变得更容易。 四步循环： 计划（Plan）、委托（Delegate）、评估（Assess）、固化（Codify）。 核心动作 Codify： 将隐性知识（Tacit Knowledge）转化为全公司共享的 Prompts 和 Agent 配置文件。 * 组织架构的二阶效应（Second-order Effects）： 隐性代码共享： 不需要复杂的库封装，AI 可以直接读取同事的代码并为你在新栈中复现逻辑。 新员工即插即用： 所有的环境配置和规范都已写入 Agent，新员工第一天即可高效产出。 跨项目贡献（Internal Open Source）： 任何开发者甚至管理者都能轻松修复其他产品的 Bug，因为理解代码的成本几乎为零。 技术栈自由： 不再需要强制统一语言，AI 让 Python 和 Node.js 开发者之间的隔阂消失。 管理者的回归： 利用 AI 这种“注意力碎片化”工具，CEO 也能在会议间隙修复 Bug 或提交功能，重获对产品的掌控感。 相关链接与资源： [视频来源]https://www.youtube.com/watch?v=MGzymaYBiss 本播客采用虚拟主持人进行播客翻译的音频制作，因此有可能会有一些地方听起来比较奇怪。如想了解更多信息，请关注微信公众号“心流赫兹”获取AI最新资讯。

搜索栏正在消亡，消费者的购物习惯正经历一场从“搜索与浏览”到“提问与购买”的根本性重塑。当 ChatGPT 为 Zara 和 H&M 带来的流量占比甚至超过传统广告时，我们正站在一个价值 3850 亿美元的“代理商务（Agentic Commerce）”市场的入口。 本期节目揭示了这场 AI 购物革命背后的底层逻辑：流量套利（Arbitrage）已从“注意力”转向了“信任”。AI 正逐渐成为消费者与产品之间最受信任的中间人。我们不仅会分析为什么大企业虽然看到了趋势却难以转身，更会为你提供三个具体可执行的商业模式，助你在 2026 年利用 AI 工具以极低的成本和极快的速度建立竞争优势，无论是打造 AI 原生品牌、构建垂直领域的购物代理，还是成为新兴的 GEO（生成式引擎优化）专家。 时点内容 | Key Topics * 搜索栏的消亡与信任套利的崛起： 消费者不再搜索关键词，而是向 AI 寻求直接的解决方案。AI 的推荐比付费广告更具公信力，标志着商业竞争的核心从争夺注意力转向争夺 AI 的信任。 * 商业模式一：AI 原生电商品牌（AI First E-commerce Brand）： 极速验证： 利用 Nano Banana 2 等图像模型在一个下午生成并测试数百个产品概念，无需预先制造。 内容工厂： 全自动生成产品图、视频广告和社交媒体内容，无需摄影师和工作室。 低成本运营： 利用现成的 AI 客服代理实现 24/7 服务，以极低的日常开销对抗传统巨头。 * 商业模式二：垂直领域的 AI 购物助手（Niche AI Shopping Assistant）： 避开通用大模型： 不要试图做一个“万能导购”，通用 AI 什么都懂但什么都不精。 深耕价值型需求： 针对道德供应链、纯素食主义者等特定群体，构建基于规则和深层数据的专用代理（如使用 n8n 等低代码工具），提供通用模型无法给予的深度验证和信任。 变现路径： 通过订阅费或高额佣金实现盈利，是一次构建、无限服务的“产品化服务”。 * 商业模式三：生成式引擎优化服务（GEO - Generative Engine Optimization）： 新时代的 SEO： 帮助品牌优化其在线资产，使其更容易被 AI 模型理解和推荐。 蓝海市场： 目前全球精通此道的专家极少。工作内容包括重写产品描述、添加结构化数据，确保品牌在 ChatGPT 等平台的回答中占据“首推”位置。 持续性收入： 这不是一次性的修复，而是需要长期维护的月费制服务。 * 数字地产的重要性： 在 AI 时代，拥有一个清晰、可信的域名（如 .store）是向 AI 和用户传递“我是专业卖家”这一信号的关键，其带来的信任感直接转化为转化率。 * 未来的机会所在： 真正的机会不在于开发大模型，而在于成为“系统架构师”——将强大的 AI 工具应用于现实世界的细分问题，从执行者转变为品味把控者和系统设计者。 相关链接与资源： [视频来源]https://www.youtube.com/watch?v=Lw5Gy881PJ8 本播客采用虚拟主持人进行播客翻译的音频制作，因此有可能会有一些地方听起来比较奇怪。如想了解更多信息，请关注微信公众号“心流赫兹”获取AI最新资讯。