知识与办公 / 企业知识搜索

Notion 把 Claude 嵌入工作空间,大阪燃气知识搜索时间减少 35%

企业知识分散在文档、数据库和项目空间中,员工查找信息、入职答疑和重复写作耗费大量时间。Notion 把 Claude 直接接入员工日常使用的工作空间,让问答、写作和数据库填充在同一界面完成。大阪燃气、Remote 和 dbt Labs 三家企业的使用数据,以及 Notion Q&A 用户整体反馈,提供了一个观察这类改造实际效果的具体窗口。

企业 Notion行业 协作与知识管理地区 美国供应商 Anthropic

案例主体

企业
Notion
行业
协作与知识管理
区域
美国
场景
企业知识搜索
问题
知识分散在文档、数据库与项目空间,查找与重复写作耗时

角色与工具

模型
Claude Opus、Opus 4.6
供应商
Anthropic
技术
RAG、企业搜索、写作助手、提示缓存
客户
大阪燃气、Remote、dbt Labs

结果口径

大阪燃气
知识搜索时间降低 35%,约3000名员工估算
Remote
单次查询节省 10 分钟,日均 300 次,客户估算
dbt Labs
年度工具成本节省 $35K+,客户估算
Notion Q&A
多数用户单次问答节省 5 分钟+,用户反馈

文档越多,找信息越难

Notion 描述的核心问题是:企业知识分散在文档、数据库和项目空间中,员工查找信息、入职答疑和重复写作耗费大量时间。客户支持团队需要故障排除步骤,新入职销售代表需要 Salesforce 流程说明,产品设计师需要品牌指南。在接入 Claude 之前,回答这些问题意味着手动跨页面搜索,或者等待知道文档位置的同事回复。

Notion 联合创始人兼 AI 负责人 Simon Last 说,"我们想把知识工作中的繁忙事务自动化,让人类腾出手来做更高价值的活动。"

图 1

Notion + Claude 企业知识搜索架构

知识搜索架构
架构展示 Notion 如何将 Claude 连接到工作空间检索层,支持问答、写作与数据库填充。提示缓存用于平衡成本与响应速度。DataHub 制图,基于官方披露。

把问答能力接进员工已有的工作界面

Notion 的做法是将 Claude 与自身的检索系统结合,同时支持三类操作:Q&A 问答、写作辅助和数据库结构化填充。员工在 Notion 工作空间里提问,系统通过检索组织内部文档给出回答。Simon Last 解释,"我们把检索系统集成到整个平台,包括写作辅助功能。这让用户在起草文档或提出具体问题时,都能立即访问整个工作空间的相关信息。"

在技术层面,Notion 使用了提示缓存来平衡成本与响应速度。Last 说,"提示缓存让 Notion AI 更快、更便宜,同时保持质量。这使我们能够为客户创建响应更快的用户体验。"提示缓存让 Notion 的成本降低了 90%,延迟降低了最高 85%。官方案例未披露检索分块策略、权限隔离实现细节、文档更新时间处理或答案来源追溯机制,这些是知识搜索系统可靠运转的技术前提。

官方场景

Notion 工作空间中的 AI 功能界面

Notion AI 在工作空间中的实际使用界面
Notion 将 Claude 嵌入员工日常使用的工作空间,员工无需切换工具即可提问、写作或填充数据库。来源:Anthropic 官方客户案例页面。

从任务看板到 AI 代理编排

在 Q&A 和写作辅助之外,Notion 正在构建基于 Claude Managed Agents 的代理编排能力。产品经理 Eric Liu 说,"我们希望 Notion 成为团队与代理共同完成工作的最佳场所。我们集成了 Claude Managed Agents,它可以处理长时间运行的会话、管理记忆并随时间交付高质量输出。我们的用户现在可以委派开放式的复杂任务,从编码到生成幻灯片和电子表格,而无需离开 Notion。"

工作流程是:团队创建一个任务,将其移动到"准备开始"状态,Notion 调用一个 Claude 会话。Claude 从连接的页面、设计系统、API 文档和产品需求文档中获取上下文,然后开始工作。完成的工作会反馈到 Notion 的共享技能数据库中。官方原文提到代理任务结果会路由给相应人员进行审核,但未披露审批流程的触发条件、质量验证标准、人工修正比例或任务失败后的回退机制。

图 2

Notion 知识搜索与代理编排中的人机分工

人机分工示意
知识搜索在原有界面完成;代理任务结果路由给人员审核,但审批流程与验证标准未披露。DataHub 制图,基于官方披露。

四家客户与用户群体的使用数据

大阪燃气在约 3000 名员工范围内使用 Notion Q&A 功能后,知识搜索时间估算减少了 35%。Remote 公司给出的估算是每日约三百次查询,每次节省约十分钟。dbt Labs 报告每年减少了超过三万五千美元的额外 AI 工具采购成本。Notion Q&A 用户整体反馈显示,多数用户单次问答节省五分钟以上。这四组数字来自不同客户及用户群体、不同使用场景,均为客户或用户自行估算,未经独立第三方审计,缺少统一测量方法、基线数据与样本规模说明。

图 3

四组结果指标的口径与证据边界

结果口径与证据边界
四组指标口径不同,均为自估值,缺少独立审计与统一测量方法。DataHub 制图,基于官方披露。

迁移判断

DataHub 判断:复制此做法需要组织满足三项前提——已在 Notion 或类似平台集中存放文档、数据库和项目资料,员工日常工作依赖该平台检索信息,IT 部门具备 API 集成与提示缓存配置能力。工作空间检索系统能否返回可信答案,取决于文档是否集中沉淀、结构化数据库字段是否规范、项目空间的命名与归属是否一致;若知识仍散落在个人本地文件或外部工具中,检索层召回的内容会稀薄且失真。权限模型是第二道前提:问答一旦跨空间聚合,就必须继承原有的访问控制粒度,确保员工只能通过对话拿到本来有权看到的内容。

本案例的四组数字均为客户或用户自行估算,缺少统一测量方法和独立审计。自建验证应绕开这些数字,改为构建自有评测集——从真实历史提问中抽取覆盖入职答疑、跨部门查询与结构化字段填充的样本,由熟悉业务的评审标注答案正确性与引用可溯源性;再以未接入问答的对照组做时间对比,并单独跟踪权限越界与过期引用两类失败案例。公开材料未披露检索分块策略、答案溯源机制与跨工作空间权限处理方式;如需在受监管行业或多租户环境复制,需自行补充答案审计、敏感信息过滤和召回质量的 A/B 测试。

DataHub 判断:复制该做法需要组织已在统一平台集中管理文档、数据库和项目空间,员工日常工作流程依赖该平台完成协作与信息检索。实施方需要具备定义检索范围、配置访问权限和维护知识库分类的能力,同时需要技术团队将大语言模型 API 与现有检索系统对接,并在保持响应速度的前提下控制推理成本。公开材料未披露 Notion 如何处理跨工作空间的权限隔离、检索召回率的基准测试方法,以及提示缓存策略的具体参数配置。

DataHub 判断:公开证据未披露各客户组织的知识库规模、文档平均长度、用户并发查询峰值,也未说明 35% 时间降幅、10 分钟节省和 5 分钟节省三项指标的测量起止时间、样本抽取方式和对照组设置。年度工具成本节省 $35K 以上的计算依据、替代工具的原有授权费用构成,以及 Remote 和大阪燃气估算所用的时间记录工具均未公开。若要在自有环境验证效果,建议先在小范围试点中记录问答轮次、检索命中率和用户满意度评分,再与历史工单、内部搜索日志或人工答疑时长进行对比,并在三个月后复测以排除新鲜感效应。

补充信息与证据说明(1)

编辑说明与证据边界

来源: 供应商官方客户案例(Anthropic,检索于 2026-07-28),发布日期未披露。

等级: B,客户与供应商联合披露,无独立审计。

未披露项: 统一测量方法、基线数据、样本与时间窗口、检索分块策略、权限隔离实现、答案溯源方式、代理任务审批流程细节。四组结果为客户或用户自报估算。