2026年9月，Notion发布了3.7版本更新，其中最引人注目的功能是Agent Skills（智能体技能）。这一功能允许团队将内部的最佳实践、工作流程和专业知识转化为可复用的AI技能，让整个团队的AI助手都能掌握这些” know-how”。这不仅是Notion产品的一次重要升级，更代表了企业AI应用从”个人效率工具”向”组织能力放大器”的范式转变。
一、Agent Skills的核心概念
在传统的AI工具使用中，提示词工程（Prompt Engineering）高度依赖个人技巧。同一个任务，不同用户写出的提示词质量可能天差地别，导致AI输出质量参差不齐。Agent Skills试图解决这一痛点——将优秀的提示词和使用方法封装为可复用的”技能包”，让团队中的每个成员都能一键调用。
Notion官方对Agent Skills的定义是：“可复用的指令，教会AI如何按照你们团队的方式工作。”
二、Agent Skills的典型应用场景
场景一：月度业务Review自动化
某增长团队每月需要撰写业务回顾报告，传统流程是：数据分析师提取数据 → 运营人员撰写分析 → 设计师制作图表 → 团队负责人审核。整个过程耗时2-3天。
使用Agent Skills后，团队中的数据分析专家将整套分析逻辑封装为一个Skill：
Skill名称：月度增长Review生成器
创建者：数据分析负责人
适用对象：全体运营成员
技能指令：
1. 从Notion数据库"每日数据"中提取上月关键指标
2. 计算环比增长率，标注异常波动（波动>15%的标红）
3. 按照"总体概览-渠道拆分-产品转化-下月计划"结构组织内容
4. 生成3张图表：趋势折线图、渠道占比饼图、漏斗转化图
5. 对负增长指标，自动分析可能原因并给出2-3条假设
6. 输出格式：Notion页面，包含标题、正文、嵌入图表
7. 语气风格：专业、数据驱动、 actionable
封装后，任何团队成员只需说”运行月度增长Review”，AI即可在5分钟内生成完整的报告草稿。
场景二：文档质量审查
某产品团队对PRD（产品需求文档）有严格的格式和质量标准。资深产品经理将这些标准封装为Skill：
Skill名称：PRD质量审查
审查维度：
- 用户故事：是否包含"作为...我想要...以便..."格式
- 验收标准：是否可测试、无歧义
- 技术可行性：是否标注了技术依赖和风险
- 数据指标：是否有明确的success metric
- 范围控制：是否明确标注了MVP范围和后续迭代
- 交互说明：是否包含关键流程的线框图或流程图
输出格式：
对每个维度给出"通过/需改进/缺失"评级，并提供具体修改建议。
场景三：跨文化沟通适配
某跨国团队的沟通负责人创建了”文化适配”Skill，帮助团队成员调整邮件和文档的表达方式：
Skill名称：跨文化沟通适配器
规则库：
- 面向美国同事：直接、简洁、多用数据支撑
- 面向日本同事：礼貌、结构化、先背景后结论
- 面向德国同事：详细、严谨、包含时间线
- 面向中国同事：关系导向、适当寒暄、强调共赢
输入：原始文本 + 目标受众
输出：适配后的文本 + 修改说明
三、Agent Skills与Prompt Template的区别
| 维度 | 传统Prompt Template | Notion Agent Skills |
|---|---|---|
| 存储位置 | 个人笔记或代码仓库 | 团队共享的Notion工作区 |
| 版本管理 | 无或手动管理 | 自动版本历史，可回滚 |
| 权限控制 | 无 | 可设置查看/使用/编辑权限 |
| 数据访问 | 需手动复制粘贴数据 | 直接访问Notion数据库和页面 |
| 协作优化 | 个人使用，质量不稳定 | 团队持续迭代，质量持续提升 |
| 使用门槛 | 需要理解提示词工程 | 一键调用，无需了解底层 |
四、如何创建高质量的Agent Skills
根据Notion官方最佳实践和早期用户的经验，创建高质量Skills需要遵循以下原则：
1. 从真实高频任务出发
不要为了创建而创建。先观察团队中最耗时、最重复、最需要专业知识的任务，这些才是Skills的最佳候选。
2. 包含具体的判断标准
模糊的指令会导致模糊的输出。优秀的Skill会包含明确的判断标准和示例：
差："检查文档质量"
好："检查文档是否包含以下5个要素：1)明确的目标读者..."
3. 提供正反例
在Skill中嵌入”好的示例”和”需要改进的示例”，帮助AI理解质量标准。
4. 设置合理的输出格式
明确指定输出的结构、长度、语气和格式，减少后期调整成本。
5. 持续迭代优化
Skills不是一次性产品。根据实际使用效果，定期收集反馈并优化指令。
五、Agent Skills的生态系统
Notion 3.7同时推出了Skills Marketplace（技能市场），用户可以分享和发现社区创建的Skills。目前市场上的热门Skills包括：
| Skill名称 | 创建者 | 下载量 | 适用场景 |
|---|---|---|---|
| OKR撰写助手 | Notion官方 | 45,000+ | 目标管理 |
| 会议纪要在整理 | Notion官方 | 38,000+ | 会议管理 |
| 技术方案评审 | @techlead_mike | 12,000+ | 工程管理 |
| 用户调研分析 | @ux_research_anna | 9,500+ | 产品设计 |
| 合同风险扫描 | @legaltech_sarah | 7,200+ | 法务合规 |
六、对企业知识管理的影响
Agent Skills的深层意义在于，它将企业的”隐性知识”（tacit knowledge）转化为”显性技能”（explicit skills）。
在传统组织中，资深员工的经验和判断力是宝贵的无形资产，但也容易随着人员流动而流失。Agent Skills提供了一种机制，将这些经验封装为可传承、可复用、可迭代的数字资产。
长期来看，这可能导致企业知识管理的范式转变：
- 从文档化到技能化：知识不再以静态文档形式存在，而是以可执行的AI技能形式活跃在日常工作中
- 从个人智慧到组织能力：顶尖员工的个人能力，通过Skills扩散为整个团队的能力基线
- 从培训到赋能：新员工不需要漫长的学习曲线，通过调用Skills即可达到中等水平的工作质量
七、与竞品功能的对比
| 产品 | 类似功能 | 核心差异 |
|---|---|---|
| Notion 3.7 | Agent Skills | 与工作流深度整合，强调团队共享 |
| Microsoft Copilot | Prompt Library | 与Office生态整合，侧重个人效率 |
| ChatGPT | Custom GPTs | 面向消费者，知识库能力有限 |
| Claude | Projects | 侧重上下文管理，无结构化Skills |
| Dify | 应用模板 | 面向开发者，技术门槛较高 |
八、使用Agent Skills的最佳实践
1. 建立Skills治理机制
随着Skills数量增加，需要建立治理机制：
- 指定Skills管理员，负责审核和分类
- 建立命名规范（如”部门_功能_版本”）
- 定期清理过时或低质量的Skills
2. 培养内部Skills开发者
鼓励各团队的专家分享自己的 know-how，将Skills开发纳入绩效考核或认可体系。
3. 与现有工作流整合
Skills的最大价值在于嵌入日常工作流。例如，在项目管理数据库中设置自动化规则：当新PRD创建时，自动触发”PRD质量审查”Skill。
九、局限性与挑战
尽管Agent Skills前景广阔，但也存在一些局限性：
- 上下文限制：复杂任务可能超出AI的上下文窗口，需要拆分为多个Skills
- 过度依赖风险：团队可能过度依赖Skills，削弱独立思考和创新能力
- 质量不均：社区Skills质量参差不齐，需要仔细筛选
- 安全顾虑：Skills可能访问敏感数据，需要严格的权限管理
十、总结
Notion 3.7的Agent Skills是企业AI应用的一次重要进化。它将AI从”个人效率工具”升级为”组织能力放大器”，让团队的最佳实践得以沉淀、共享和持续优化。
对于知识工作者而言，这意味着：你不再需要是提示词工程专家，也能获得高质量的AI辅助；对于组织而言，这意味着：隐性知识可以转化为可复用的数字资产，人才流动的风险得以降低。
在AI能力日益同质化的今天，组织如何高效地将AI与自身业务结合，将成为核心竞争力。Agent Skills正是这一竞争的关键基础设施。
评论0