Notion 3.8 把工作区变成 AI Agent 共享上下文层

Notion 3.8 将工作区改造为模型无关的多 Agent 共享上下文层。
Notion 3.8 的核心变化是把工作区变成所有 AI Agent 共享的上下文层,文档、数据库与 Skills 集中存放,任何支持 MCP 协议的 Agent 都能读取和更新,从而免去切换模型时反复复述背景的麻烦。它支持接入 Claude、ChatGPT 及任意兼容 MCP 的 Agent,Notion 自家 Agents 还能连接 150 多个第三方工具,新增的 Skills API 让技能配置跨 Agent 同步。版本历史升级后可追溯每个 Agent 的编辑,配合列权限与重建的同步数据库实现更细粒度的管控。文章认为这标志着 Notion 从笔记工具转向多 Agent 时代的中立上下文基础设施,但并发冲突、权限复杂度与上下文治理仍是待解难题。
从「每次重新解释」到「一次写入,处处可用」
切换 AI 模型时最烦人的事,莫过于把同样的背景信息再复述一遍。Notion 3.8 想解决的正是这个痛点:它把工作区改造成团队所有 AI Agent 的共享上下文层——文档、数据库和 Skills 集中在一处,任何支持 MCP 协议的 Agent 都能读取和更新。据 Product Hunt 页面介绍,这个版本在发布当天获得了 93 票支持,位列日榜第 5。

这个定位与聊天类工具形成鲜明对比。ChatGPT、Claude 的对话窗口每次切换都是从零开始,而 Notion 的思路是让上下文脱离具体模型存在,成为工作区里的一等公民。
核心机制:MCP 协议打通多 Agent 协作
任意 MCP Agent 接入
Notion 3.8 支持连接 Claude、ChatGPT 或任何兼容 MCP 的 Agent。关键在于「共享」二字:同一个工作区内的文档和数据库,不同 Agent 都能访问,团队不需要为每个模型维护一套独立的上下文副本。
Agent 在此语境下指能够自主规划步骤、调用工具并多轮执行任务的大模型应用,区别于只做单轮问答的聊天窗口。多 Agent 协作的核心难点在于共享状态:不同 Agent 若各自维护一份上下文副本,就会出现信息漂移、重复劳动和版本分裂。把文档、数据库等状态集中在工作区,并通过统一协议读写,相当于为多个 Agent 提供了一个共同的「黑板」,这也是「一次写入,处处可用」在工程上的实际含义。
Notion Agents 接入 150+ 工具
除了外部 Agent,Notion 自家的 Agents 也能插入 150 多个第三方工具。这意味着工作流可以跨平台串联,而上下文始终沉淀在 Notion 中。
Skills API 同步技能
新增的 Skills API 让技能配置可以在各处同步,避免在多个 Agent 之间重复定义相同的操作逻辑。
MCP(Model Context Protocol) 是由 Anthropic 于 2024 年底提出并开源的协议,旨在标准化大语言模型与外部数据源、工具之间的连接方式。可以把它理解为 AI 世界的「USB-C 接口」:模型不再需要为每个数据源单独写集成代码,只要数据源对外暴露符合 MCP 规范的服务器,任何支持该协议的客户端(Claude Desktop、IDE 插件、自研 Agent 等)都能即插即用地读取资源、调用工具、使用预置提示词。协议规定了资源(Resources)、工具(Tools)与提示(Prompts)三类原语,并采用 JSON-RPC 传输。2025 年以来,OpenAI、Google 等厂商相继宣布支持,使 MCP 迅速从单一厂商规范演变为跨模型的事实标准——这也正是 Notion 敢把工作区做成「模型无关」上下文层的前提。
Skills 是 2025 年 Agent 产品中兴起的一类能力封装形态,通常以结构化文档或配置文件描述「在什么场景下、按什么步骤、调用哪些工具完成某类任务」,本质是可复用、可版本化的操作知识,与单纯的功能调用不同。Skills API 则把这种封装暴露为程序接口,使技能能够被创建、读取、更新并在不同 Agent 之间分发,而不必在每个模型的系统提示里重复粘贴同样的指令。对团队而言,这意味着「如何写周报」「如何整理会议纪要」这类经验可以集中维护一次、多处生效,也便于在技能变更时统一审计与回滚。
版本历史升级:每一次 Agent 编辑都可追溯
当多个 AI Agent 在同一工作区操作时,可追溯性变得至关重要。Notion 3.8 升级了版本历史,能清楚看到每个 Agent 的编辑记录。配合新增的列权限和重建的同步数据库,团队可以更精细地控制谁(或哪个 Agent)能改动哪些数据。
这几项能力组合起来,释放的信号很明确:Notion 不打算只做一个「带 AI 的笔记工具」,而是要成为多 Agent 时代的中立上下文基础设施。
值得关注的战略转向
从产品逻辑看,Notion 这一步踩在了两个趋势的交汇点上。其一是 MCP 协议逐渐成为 Agent 与外部工具交互的事实标准,其二是企业对多模型并存(而非绑定单一供应商)的需求在上升。把工作区做成模型无关的上下文层,等于把自己放在了「模型之上的那一层」。
当然,挑战也存在。多 Agent 并发编辑同一份数据时的冲突处理、权限模型的复杂度、以及上下文质量本身如何治理,都是这类共享层产品绕不开的问题。Product Hunt 上仅有的 1 条评论也说明,这个版本的市场讨论度仍有待观察。
常见问题
Q:需要哪种 AI 模型才能用? A:支持 Claude、ChatGPT 以及任何兼容 MCP 协议的 Agent,不绑定单一供应商。
Q:Agent 的编辑会覆盖原有内容吗? A:升级后的版本历史会记录每次 Agent 编辑,可回溯查看。
Q:Skills API 解决什么问题? A:让技能配置在不同 Agent 间同步,避免重复设置。
相关推荐

花旗14000名工程师用Devin,技术外包账单砍掉30%
花旗集团14000名工程师使用AI编程智能体Devin,一年内将技术供应商账单削减30%,产品发布提速30-40%。但30%仅限单一成本项,摩根大通同期表示AI收益尚未体现在财报中,揭示企业AI落地的真实分化。

AI写代码,程序员要失业?Devin自主编程真相
Devin等自主AI编程代理正改变软件开发:从Copilot辅助编码到全自动工程代理,程序员角色从写代码转向系统设计与监督。本文分析AI编程对就业、代码安全、初级开发者培养的影响,以及效率悖论下程序员需求的真实走向。

AGENTS.md 实战指南:让编程 Agent 真正好用
AGENTS.md 和 CLAUDE.md 能显著提升编程 Agent 表现,但研究发现用错反而让成本上升 20%。本文详解该写什么、该删什么、200 行与 32KB 的硬边界、Monorepo 嵌套规则及安全提醒。