Notion爆红背后,笔记成了AI创业新共识?

在数字化时代,笔记软件已成为我们记录、整理和创造知识的得力助手。本文将带您深入了解Notion以及其他五个AI笔记产品,它们如何通过AI重塑笔记体验,满足我们快速记录、捕捉灵感、智能整理、情感陪伴和自动撰写文章的五大核心需求。

———— / BEGIN / ————

上周,Notion CEO Ivan Zhao宣布Notion的用户突破了1亿。2023年,Notion的收入达到了惊人的2.5亿美元(约合人民币18亿元),甚至已经盈利了。

Notion是一款以笔记为核心功能,涵盖数据库、项目管理等功能的知识管理工具。作为一个曾经濒死的产品,Notion抓住了AI的机会,在3年多时间里把用户从100万做到了1个亿。

某种程度上说,Notion的数据增长,是AI笔记崛起的一个缩影。

这两年,在AI的加持下,全球刮起了一波AI笔记创业热潮。

在国外,谷歌发布了加持Gemini模型的NotebookLM,创业公司Members、Tana也都拿到了千万美元级别的融资。在国内,主打陪伴的AI笔记心光也入围了七麦数据发布的AI产品Top50榜单。

AI到底是如何改变笔记产品,AI笔记的走红又能带给我们什么启示。

AI 如何重塑笔记软件

为了更好地帮助大家理解当下的AI笔记,乌鸦君特地选择6个比较有代表性的AI笔记产品,分别是:

📊多维表型:Notion

📌大纲型:Tana

🖍️图谱型:Mem

📒日记型:心光

🔖卡片型:闪念贝壳

🗣️语音记录型:Voicenotes

这6个AI笔记产品各自有着不同的特点,接下来让我们一起来看看。

1. Notion:AI功能集成度高,操作简单、灵活

Notion能拥有如此忠实的粉丝群,原因是其强大的AI功能和便捷的灵活性。

它的数据库和清单化管理,适合那些需要高效管理笔记、‌任务和知识库的人,比如管理案例和客户信息的程序员、律师、‌医生等,以及需要管理项目的创业人士等。

具体来说,Notion的特点体现在以下方面:

①自由切换:平台集成了大量的AI功能,用户不用在平台和AI工具上来回切换。

②可随意拖放文本,功能模块化:Notion可以在不同各种编辑器工具之间互相粘贴内容;可以把文档、数据库、表格等功能都做成类似于积木的模块,用户可以随意构建自己想要的东西,操作灵活,扩展性又强。

但是这款产品的学习成本比较高,因为和Excel、WPS几乎完全不一样,Notion是一个全新的笔记管理方式。

AI功能

  • 写作辅助:整理、制作、检查学习笔记,提高准确性和易读性;

  • 文本生成:快速地生成例如讨论大纲、会议行程,

  • 自动排版;智能推荐:辅助头脑风暴,提供选题建议;

  • 自动识别生成:智能识别复杂大量的文本内容,并自动整理、填充成需求的格式内容,例如表格、清单等;

  • AI助手:能反馈答案、解决方案以及进行功能推荐,并选择合适的功能模版进行下一步工作。

2. Tana:大厂必备,包罗万象的“数据库”

Tana适合那些需要高效管理和回顾信息的人,比如研究人员、大厂职员等。它‌通过标签、‌分类和文件夹等方式,‌使得笔记更加结构化,‌便于用户未来的回顾和搜索。

Tana属于近几年出现的、具有双链功能的新型笔记软件,它关注“树状”、大纲、节点作为记录思想的方式。它提出的“节点数据查询(或‘超级标签’)”功能非常抽象,需要用户拥有一定的逻辑和思维能力。

值得注意的是,Tana这种结构化笔记使用起来有较高的门槛,‌与当下潮流相背而行,目前尚属于小众需求。‌

▲ 在Tana中使用超级标签

AI功能

  • 音频转录:‌支持从任何录制的音频里面生成待办事项清单,‌用户只需添加OpenAI密钥,‌然后拖放所需的文件,‌就可以将音频转录成文本;‌

  • 内容快速发布:支持用户将收集和整理的内容快速发布为精美的网页;

  • 节点数据查询:不是传统的超链接,‌而是被引用节点本身,笔记只是节点的一个组织视图。

3. Mem:内置AI搜索,笔记会自己写报告

Mem主打轻量级,支持快速记录与内容搜索。与上面两款笔记相比,Mem的门槛更低,适合更广泛的人群。

Mem使用链接和标签来连接笔记,依托于GPT模型、Pinecone矢量搜索的能力,用户会在频繁搜索和整理信息的时候,感觉顺畅。

Mem特别适合研究、写作和销售场景,它可以自己写报告!即将一段信息转化为素材或报告,缩减搜索的时间。

值得注意的是,Mem在2022年获得OpenAI创业基金2560万美元A轮投资。OpenAI创业基金负责人评价说:Mem通过消除组织和获取信息的乏味和繁琐,使知识工作者的工作效率更高。他们的愿景与我们一致,即加快提高生产力,以及更广泛地释放人类的潜力。

向Mem询问知识库,Mem可以挖掘答案,总结会议记录,并编写内容。

AI功能

  • 信息自组织:通过事件、主题和人员等要素,建立信息的知识图谱;

  • 内容智能生成:基于图谱,提供生成式、智能化产品功能。

4. 心光:主动陪伴,“洞察力”强

心光是一款会听用户碎碎念的情绪笔记,在满足传统日记记录的需求上,加入了AI的情感陪伴。

比如,用户的笔记会有AI朋友会来评论暖场,可能是文字或语音。AI还会梳理用户过去一段时间日记的关键词和心情起伏,针对性地答疑解惑。再结合明亮的橙色UI界面,心光的使用体验让人有点上瘾。

心光日记的“今天”、“画廊”两个功能,会有AI即时期暖场(来源:心光日记)

AI功能

  • 情绪识别:用户的笔记会有AI朋友会来评论暖场,可能是文字或语音。AI还会关心用户每天的心情,并做出标记。

  • 快速摘要:自动总结一天、一周、一月发生的事情。

  • AI助手(水晶球):根据用户的笔记内容,有理有据地回应用户的某个问题。

5. 闪念贝壳:听声识心情的卡片盒

闪念贝壳的核心功能是AI 语音转录整理,能够即时将语音转换为文字,提炼要点,生成清晰、易读的笔记。

借助该 APP,用户可以与 AI 进行对话,AI 会提供智能卡片,帮助用户整理和导出想法,如待办事项、邮件草稿等。

此外,闪念贝壳将想法转化为行动指南,生成待办事项,支持一键导入到多种待办软件中,并通过自动化和接口与用户习惯的创作工具无缝连接。

AI功能

  • 情绪识别:利用AI分析录音情感基调,提供每日情感洞察;

  • 语音捕捉与AI优化:将口述内容转化为可执行的文本,使用语音命令搜索和管理想法;

  • 智能卡片:自定义内容并以风格化卡片展示,轻松分享到其他应用;

  • AI助手:通过与AI深度互动,帮助探索和扩展思维,催化想法。

6. Voicenotes:AI语音笔记

Voicenotes是一款AI语音笔记应用,只允许用户用语音输入的方式记录想法,基于GPT-4和Claude 3 oups等先进的语言模型,Voicenotes可以智能分析你的语音笔记,提供多种智能服务:

自动生成笔记标题、总结笔记要点、提取关键任务和生成待办清单、以及基于笔记内容,撰写推文、邮件、博客文章等内容。

不仅如此,Voicenotes还会记住用户的所有笔记,构建一个私人知识库。当用户与大模型进行对话,能随时回忆你过去的想法。

Voicenotes的智能问答

AI功能

  • 辅助记忆:它可以根据笔记内容和对话,还可以进行头脑风暴;

  • 快速摘要:通过Create功能,直接对语音笔记进行总结,要点提取,生成Todo-list、邮件和博客等。

 

AI笔记走红背后的逻辑

总体来看,目前AI笔记产品主要满足了5个核心需求,分别是:

  1. 快速记录:好的笔记应该是简单快速且丰富的,我们需要它高速、多渠道、准确转写,且多模态理解;

  2. 捕捉闪念:笔记需要帮助推荐、帮助回忆联想;

  3. 追溯和整理:需要笔记们帮助我们进行信息检索,实现更好的信息管理;

  4. 陪伴:吾日三省吾身,让笔记成为记录人们工作和生活的好朋友,根据我们的情绪和疑问,给与反馈和建议;

  5. 自动写文章:我们极易获得大量的碎片知识,但却难以有效整合它们。笔记应该自动生成文本,或组织随笔成为一篇长文。

AI可以通过哪些核心功能实现这些愿望呢?一个一个看。

✨ 快速记录一件事情

这个需求对应了AI笔记的「多渠道输入」功能。用户可以选择文字/语音/多媒体的方式进行输入,并用手持设备进行快速记录,在短时间内,生成方便理解阅读的高效笔记。

✨ 捕捉转瞬即逝的念头

这对应了「智能插图生成与整合」功能。Craft.AI等AI日记工具集成了AI绘画功能,如DALL-E、Midjourney等,可以根据日记内容自动生成匹配的插图,进一步提升日记的视觉表现力。

例子:当我在记录“观赏颐和园的夏荷”场景时,AI不仅能细腻描绘文字,还能同步绘制一幅阳光洒满荷塘的图景,让那一瞬间的记忆跃然纸上。

✨ 追溯和整理

为了避免笔记成为“静态的信息容器”,AI可以基于用户的喜好,自动筛选出对用户最有价值的信息,就像挖掘机自动分离矿石和杂质一样。

AI通过embedding(将事物嵌套或映射到更为紧凑、连续的表示形式中的技术)等技术自动完成「内容关联和推理」的步骤。用户就可以快速在信息库中找到语义上最合适的内容,将笔记以最易理解和记忆的形式转化成知识点。

✨ 疗愈和陪伴

这对应了AI的「情绪识别与引导」功能,当AI笔记搭载情绪识别算法,如Emotion AI、Sentiment Analysis等,就能够实时感知用户的情绪状态,并生成提供情绪价值的内容。

例子:当「心光」、「闪念贝壳」检测到用户提及某次挫败的经历,会主动提供应对策略或鼓励的话语,帮助用户在日记中疗愈情绪。

✨ 让好想法成长文

基于AI强大的自然语言处理能力,AI笔记能够精准理解用户输入,生成连贯、有逻辑且情感丰富的文字。►例子:我只需对「Craft.AI」口述“今天和朋友去了森林,我感觉很放松……”,它即可构建出一篇详细描绘森林秘境、亲友互动及用户的内心感受的日记。

总结一下

总体来看,AI笔记的成功在于:在笔记这一传统需求上,找到了每个环节AI赋能的最佳落点。

比如,在信息输入环节,用户不仅能用文字记录,还能用直接用语音传达信息。在信息管理上,AI能够帮助用户实现信息检索、智能推荐、情绪识别等功能。在信息输出上,AI又能自动生成内容。

长远来看,Notion类产品价值仍然有很大的进化空间。

关于AI笔记的未来,Notion创始人Ivan Zhao给出了自己的答案:Notion的本质是一个超级AI RAG系统,可以理解用户放进去的信息并智能反馈。

从数据抓取、同步到对 Notion 内数据进行分析和行动输出,Notion 拥有广泛的机会场景来为用户构建各种 AI 工作流程。AI 不仅是对 Notion 功能的重大补充,而且是向用户提供一个全面的数据处理和行动指导平台。Notion 的终极目标不仅仅是作为信息管理工具,而是成为一个真正的 AI 助理。

———— / E N D / ————

作者:朗朗 来源微信公众号:乌鸦智能说

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.rhkb.cn/news/390511.html

如若内容造成侵权/违法违规/事实不符,请联系长河编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

golang国内proxy设置

go env -w GOPROXYhttps://goproxy.cn,direct经常使用的两个, goproxy.cn 和 goproxy.io 连接分别是 https://goproxy.cn https://goproxy.io 如果遇到某些包下载不下来的情况,可尝试更换数据源 更推荐使用https://goproxy.cn 速度快,缓存的包多 提醒…

如何建立与众不同的市场洞察能力【深度】

来源:战略研发领航 建立与众不同的市场洞察机制,展示了如何在组织中建立一种以数据和洞察为核心的文化,并通过4S周期(架构、探查、塑造、成型)的洞察工作方法论,指导领导者和团队在各个层级上进行更有效的思…

Upload-labs靶场Pass01-Pass21全解

文章目录 Pass-01 前端JSJS绕过上传或者用burp抓包的方式 Pass-02 MIME检测Pass-03 特殊文件后缀黑白名单绕过特殊文件名绕过 Pass-04 .htacess上传Pass-05 user.ini文件上传Pass-06 大小写绕过Pass-07 空格绕过Pass-08 .绕过Pass-09 ::$DATA绕过Pass-10 .空格.绕过Pass-11 双写…

深度体验:IntelliJ Idea自带AI Assistant,开启面向AI编程新纪元!

首发公众号: 赵侠客 引言 JetBrains AI Assistant 是 JetBrains 集成开发环境(IDE)中嵌入的一款智能开发助手工具,旨在通过人工智能技术来简化和提升软件开发过程,我深度体验了一下在IntelliJ IDEA 2024.2 Beta (Ulti…

hive 中编写生成连续月sql

记录一下 sql 编写生成从一个确定的起始月份到当前月份的连续月份序列 SELECT substr(add_months(table1.start_dt,table2.pos),1,4) AS INDICT_YEAR,substr(add_months(table1.start_dt,table2.pos),1,7) AS INDICT_MON FROM (SELECT 2024-01-01 AS start_dt,substr(CURRE…

CVPR24《Neural Markov Random Field for Stereo Matching》

论文地址: https://arxiv.org/abs/2403.11193 源码地址: https://github.com/aeolusguan/NMRF 概述 手工设计的MRF模型在传统的立体匹配中占据主导地位,但与端到端的深度学习模型相比,其建模准确性不足。尽管深度学习大大改进了MR…

GraphSAGE (SAmple and aggreGatE)知识总结

1.前置知识 inductive和transductive 模型训练: Transductive learning在训练过程中已经用到测试集数据(不带标签)中的信息,而Inductive learning仅仅只用到训练集中数据的信息。 模型预测: Transductive learning只能…

作业练习1

要求:R1-R2-R3-R4-R5 RIP 100 运行版本2 R6-R7 RIP 200 运行版本1 1.使用合理IP地址规划网络,各自创建环回接口 2.R1创建环回 172.16.1.1/24 172.16.2.1/24 172.16.3.1/24 3.要求R3使用R2访问R1环回 4.减少路由条目数量,R1-R2之间增加路由传递…

C++进阶之C++11

个人主页:点我进入主页 专栏分类:C语言初阶 C语言进阶 数据结构初阶 Linux C初阶 算法 C进阶 欢迎大家点赞,评论,收藏。 一起努力,一起奔赴大厂 目录 一.列表初始化 1.1一切皆可用列表初始化 1.2init…

U盘数据丢失?一招教你如何使用四种技巧轻松找回!

每一个打工人可能都是被各种文件所困扰的,而且现在不仅仅是工作上,还有学习以及日常的生活记录也需要接触到各类的数据,拿我们平时用软件时产生的文件、图片、视频等等来说,就占据了磁盘的大部分空间,当然有时候也会选…

CTFHub——XSS——反射型

1、反射型: 发现为表单式,猜测哪个可能存在注入漏洞,分别做测试注入发现name框存在xss漏洞 输入发现有回显但不是对方cookie,参考wp发现要用xss线上平台 将xss平台测试语句注入,将得到的url编码地址填入url框&#xf…

《学会 SpringMVC 系列 · 写入拦截器 ResponseBodyAdvice》

📢 大家好,我是 【战神刘玉栋】,有10多年的研发经验,致力于前后端技术栈的知识沉淀和传播。 💗 🌻 CSDN入驻不久,希望大家多多支持,后续会继续提升文章质量,绝不滥竽充数…

MATLAB画散点密度图(附代码和测试数据的压缩包)

1. 有关 Matlab 获取代码关注WZZHHH回复关键词,或者咸鱼关注:WZZHHH123 怀俄明探空站数据解算PWV和Tm:怀俄明探空站数据解算PWV和Tm 怀俄明多线程下载探空站数据(包括检查和下载遗漏数据的代码):怀俄明多线…

VMware安装Win10系统(保姆级教程)

需要自己先下载并安装VMware 和Win10系统镜像: VMware官网:VMware - Delivering a Digital Foundation For Businesses Win10下载地址:MSDN,我告诉你 1.新建虚拟机设置 2.启动Win10虚拟机设置 注意: 当出现有字体的时候&#…

一款绿色免费免安装的hosts文件编辑器

BlueLife Hosts Editor 是一款免费的 Hosts 文件编辑工具,主要用于管理和修改电脑系统的 Hosts 文件。该软件具有多种功能,包括添加、删除和更新域名记录,以及调整 IP 与网域名称的交叉对应关系,类似于 DNS 的功能。 该软件特别适…

filebeat

1、作用 1、可以在本机收集日志2、也可以远程收集日志3、轻量级的日志收集系统,可以在非java环境运行。logstash是在jmv环境中运行,资源消耗很大,启动一个logstash要消耗500M左右的内存,filebeat只消耗10M左右的内存。收集nginx的…

Qt 学习第四天:信号和槽机制(核心特征)

信号和槽的简介 信号和插槽用于对象之间的通信。信号和插槽机制是Qt的核心特征,可能是不同的部分大部分来自其他框架提供的特性。信号和槽是由Qt的元对象系统实现的。介绍(来自Qt帮助文档Signals & Slots) 在GUI编程中,当我们…

使用 Rough.js 创建动态可视化网络图

本文由ScriptEcho平台提供技术支持 项目地址:传送门 使用 Rough.js 创建动态可视化网络图 应用场景 Rough.js 是一个 JavaScript 库,它允许开发人员使用毛边风格创建可视化效果。该库适用于各种应用程序,例如: 数据可视化地图…

计算机基础(Windows 10+Office 2016)教程 —— 第8章 多媒体技术及应用

多媒体技术及应用 8.1 多媒体技术的概述8.1.1 多媒体技术的定义和特点8.1.2  多媒体的关键技术8.1.3 多媒体技术的发展趋势8.1.4 多媒体文件格式的转换8.1.5 多媒体技术的应用 8.2 多媒体计算机系统的构成8.2.1 多媒体计算机系统的硬件系统8.2.2 多媒体计算机系统的软件系统…

APP逆向 day26unidbg下-pdd(anti)案例

一.前言 今天我们讲unidbg的下篇,也就是unidbg基础的最后一个部分,我们上节课也有补环境,比如补java环境,补安卓环境,这节课我们讲的肯定比这些都要难,我会给出一个之前讲过的案例,然后会讲一个…