Ivan Zhao：Notion 很难被界说◆●，由于它可能被用来做许众事项，但咱们自己也心愿打制一个万能的器械，用户可能用它来完结平时生计中的大一面做事◆，比方个别用户可能用 Notion 来记札记、做游历谋划、婚礼兼顾等，企业用户也可能只通过 Notion 这一个器械就完结文档治理、做事追踪以及内部常识库的修建等。咱们之于是思做这件事是由于现正在市道上有大宗的 SaaS 软件器械、市集相当分袂，但也许关于用户来说借使一个产物能让他们 all-in-one 地完结大一面办事是一件好事●●。

　　PC 时期早期本来有许众百般各样的使用，比方《星际争霸》的早期版本●，再有百般文本编辑器、dBase数据库软件以及其他区别的数据库软件。到了 90 年代，由于 Microsoft 供应了一个底层的操作体系，咱们也随之进入了一个 bundling 阶段。随后●，跟着收集技艺的繁荣◆◆，软件起初可能正在 Web 上运转，这就带来了过去 10 到 15 年前的解绑和碎片化阶段●◆，与此同时，资金本钱低重带来创业门槛低重◆，也是以导致了消息范围的太甚碎片化。

　　Notion 完毕这个标的的方法并不是把许众性能塞进一个整体的产物里，而是去修建更底层的 block，用户可能像搭筑乐高积木相似◆，用这些 blocks 来成立性地做出百般各样圆满适应个别或团队需求的用例。

　　3% 理念（3 Percent Approach）是时尚品牌 Off White 创始人及策画师 Virgil Abloh 的策画形而上学，这个理念的主旨机思是，正在现有策画的根本上只做出不领先 3% 的改观◆，从而使产物看起来既谙习又新鲜。这种法子答应策画师正在敬重原有策画的同时，通过纤细的调理来成立新的作品，这些改观能够征求颜色、资料、机闭或其他策画元素的细微蜕变。

　　于是，咱们本日正处于 bundling 阶段，这既是由于宏观经济的趋向◆◆，也由于 language model 的内正在需求便是将消息和性能整合正在沿道。

　　Notion 的成立源于我正在大学时读过的一篇论文●， Douglas Engelbart 的 Augmenting Human Intellect: A Conceptual Framework●。本日人们运用软件常常情形下都是整体一款产物对应一类整体做事，但正在策画机刚显示的时刻，比方 60、70、80 年代，人们运用电脑的方法要尤其灵便，咱们可能进入到体系层面举办调理，乃至是正在操作体系正正在运转的时刻◆◆，及时地对其举办点窜或调理●。这件事对我的胀动很大◆。

　　Notion 须要的别的一类人是富足好奇心以及急迅练习才智的人。Language model 让每个别可能及时地移用 AI 才智来完结本人的做事，但怎样用好模子才智本来有许众手段，以及怎样将 LLM 和用户交互做连合也是很首要的题目。这类人平常被称为 AI 工程师，Notion 的 AI 工程师们都很年青●，许众乃至还不到 21 岁。

　　Ivan Zhao：我的许众直觉本来都基于少许对史书的了解，史书不是容易地反复，但总有少许好像顺序。我个别以为，咱们目前还处于 bundling 的阶段。《三邦演义》的第一回就提到“久分必合，久合必分”，我感到贸易的运作也是如斯。正在 bundling 阶段之前●，SaaS 行业本来曾经经过过一个 unbundling 和任事分袂的阶段。

　　Sarah Guo ：Notion AI 的希望相当疾，加倍和许众还不清楚怎样行使 AI 的产物比。这个流程中你们是怎样做决定以及举办资源分拨的？

　　Elad Gil ：听起来 retrievable 也是全部流程中很枢纽的一面。借使咱们的日历可能主动补齐咱们须要明晰的闭于聚会、参会职员或其他相干事项的全面消息◆，关于用户来说相当有价钱。你以为 Notion Calendar 还能正在哪些闭键成立价钱？

　　正在此之上，借使咱们把产物策画得足够好，还不妨完毕将适合的消息正在适合的岁月推送给对应的成员◆●，不光如斯，借使咱们策画失当，还可能将准确的消息正在准确的岁月推送给准确的人。能够 50% 以上的常识性办事都是这类做事。

　　相对应的，还会存正在“Back Office”◆NotionCEO：为什么RAG，好像于图书治理员办事的地方，back office 对应的是本日 Snowflake、过去 IBM 正在做的事项。Notion 不会去碰“back office”相干的一面，咱们仍然聚焦咱们的上风范围，便是我方才提到了软件界面●●，UI、UX 这些●。

　　本日，人们正在运用电脑、和软件交互的方法有时刻会显得很呆滞◆●，那么咱们能不行成立一种全新的软件，让人们可能去灵便调理和定制？这便是咱们创立 Notion 的初志，咱们本来正在从新审视策画机范围的前驱们当年接头过的议题●。

　　Sarah Guo ：你提到 Notion 可能像大脑那样助助用户举办消息的构制和治理，借使一个别的大脑自己就很动乱、缺乏系统，这会影响他正在 Notion 或者好像体系中的消息交互方法吗？用户须要先机闭化地修建一个本人的常识库，仍然只须要把全面消息以消息流的方法输入就可能？

　　Ivan Zhao：我以为 Notion 仍然很好运的，咱们本来没有额外专一于某个整体用例的搭筑，咱们的要点从来是放正在修建这些用例的乐高积木块上面，这些“积木”中既有文档编辑这类最根本层的“积木”，很咱们还推出了闭连型数据库（Relational database）●◆，外格、评论以及区别的拜望权限等等也是很首要的“积木块”。过去 5 年岁月咱们从来正在修建这些积木。

　　Elad Gil ：有少许人把这个流程总结为概率工程，这会让人感到咱们进入到了一个充满随机性的范围当中，起码是一面随机的。

　　于是 Notion 的策画相当凑集，有点好像于苹果公司◆◆，Apple 软硬件紧群集成拓荒 OS 的方法正在本日很少睹。正在这种情形下，为了完毕好的产物和优越的用户体验，咱们就须要更横向、周至的思量，也是以咱们的策画决定是相对凑集的◆，更偏 Apple 的作风而不是 Amazon。

　　这两类 AI 人才的办事才智都很强。Notion 目前还没有许众 AI researchers，这类人才正在我看来也相当首要●。可是 Notion 真相处于使用层，于是咱们许众岁月是花正在切磋怎样用模子上◆◆。

　　Ivan Zhao：我以为 RAG 会彻底改观常识治理的方法，让人们离开繁琐的消息构制办事。Notion 最受人怜爱的性能之一是侧边栏，人们会用它整饬常识库和个别 workspace。但今后咱们能够不再须要如此的器械来构制常识库了●。用户只须容易地将消息丢到 Notion 中●，就可能通过百般方法举办检索。这便是常识治理的另日。

　　技艺层面，模子现正在不妨治理更普遍的上下文消息●◆，具备更强的推理才智，运转速率更疾，同时占用的资源更少◆。这关于 Notion 来说额外首要，由于咱们须要的便是像 GPT-4 如此既智能又高效的云任事。咱们须要 AI 来助助咱们举办杂乱的推理做事或者急迅地总结文本实质◆●，而且最好本钱够低，速率够疾。这便是技艺层面上咱们须要闭怀的对象。

　　正在那之后，咱们团队根本上就全身心参加到 AI 项目中了。咱们曾经搭筑好了许众积木，接下来便是弄通晓哪些积木可能与 AI 相连合，以及公司内部谁对这项技艺有深远明晰●。固然咱们有查找团队●，但咱们的 ML 团队并不大，于是，咱们还须要聘请更众的人才，与此同时还要让公司内部的人对这项技艺有合伙的信心，如此咱们本领朝着统一个对象行进●。咱们就像面对小行星撞击地球的恐龙相似●，须要为即将到来的巨变做预备◆。

　　Sarah Guo ：你很尊敬策画，你以为 Notion 是一个策画驱动的公司吗●？你是怎样正在全部团队中保障策画相似性的？

　　Sarah Guo ：确实正在过去 20 年咱们从来处于太甚分袂的 SaaS 全邦中，外面上●，做一个通用的器械应当是自然而然的趋向，但为什么没有人来做这件事？

　　Notion 的愿景是通过修建出百般各样的“积木块”让用户正在平台上搭筑出更具天性化、适应本质需求的定制化使用，从而完毕“人人都能筑制本人的软件”这件事，Ivan 以为，language model 的显示必定会加快这一流程◆◆，更进一步，RAG 还会彻底革命常识型办事和团队疏导的形状，Notion Project、Notion Q&A 和 Notion Calendar 等新性能、产物恰是任事于此●◆。

　　咱们还可能遐思如此一个场景，当我有新的 idea 时，只须要拍张照片、或者写下来少许东西，然后把它放进 Notion，Notion 就会助咱们构制、治理这些消息◆◆，借使另日咱们须要用到这些常识的时刻，行动一个圆满的回顾助手，Notion 就会助咱们调取它们●◆。这是 Notion 的永久愿景，我个别感到这件事很令人兴奋。

　　Ivan Zhao：本来人们曾经从许众角度举办过测试◆。比方比来很大作的 No-code 便是从个别拓荒者角度来思这件事，No-code 让每个别都能点窜他们平时运用的软件器械。Language model 供应了别的一个角度●，便是底层常识和数据的治理须要被统沿道来。宏观也是一个视角●●，由于借使研讨预算的线 个 SaaS 软件的用度比拟◆，只给一个供应商付费较着要更能俭朴开支。

　　Back office 的场景和 front office 比拟要尤其笔直，比方专一于医疗健壮范围、特定的办事流等等◆，而且常常还须要一个特意的地方来存储相干消息并正在笔直场景中举办整合◆，这些场景也是可能被 AI 改制的。正在执法等高度专业化的范围里◆，large language model 曾经起初取代人类治理少许杂乱做事了。

　　我以为 Notion 更众是从策画、实质或者说文本相干角度开拔来思这件事。比方咱们全面人都邑阅读和写作，但关于绝公共半人而言，电脑只是一台打字机或者看 YouTube 的器械◆，自己并不具有成立力。借使更众的人不妨更具成立性地运用他们的软件◆，能够情形就会不相似。成立软件的人和用软件的人供应的价钱是统统区别的，这也是旧金山房租如斯高贵的首要缘故。

　　策画机范围的前驱们正在很早之前曾经接头过这件事，他们以为操控策画机有一天会像识字相似普及●，可是他们当时能够统统没思到 AI 会成为一个意思的变量●，language model 不光可能成立软件，还可能助人们完结大宗思量相干的办事。接下来的繁荣会相当意思。

　　Notion 的价钱正在于供应一个同一的消息空间、一个让人们可能凑集完结百般区别的做事的 workspace ●。是以●，这些性能须要协同高效地办事◆◆。这有点像是正在修建一个操作体系或编程说话，没有人会把策画编程说话的做事分袂给 50 个别来做，常常这些办事都是由一个别来完结的●●。

　　Notion 能够是市集上对比早去大范围供应 RAG 相干性能的公司，但大领域供应 RAG 任事的难度对比大●，Notion Q&A 还处于 waiting list 的形态，咱们还正在完美。

　　你方才也提到●●，公共半人并不思创筑软件，更众的是完结老板分拨的做事即可。于是，咱们正在创立 Notion 流程中学到的体验以及由此带来的一个转移是，相较于供应一个修建软件的器械，更好的方法是供应给用户百般各样的 blocks 修建的模板，让用户上手即用。

　　Elad Gil ：从 GPT-3 到本日，咱们看到 GPT 才智擢升额外疾，而且每一代模子都邑带来新的贸易形式，你以为要填塞愚弄 GPT 的才智还须要做哪些办事◆●？

　　Sarah Guo ：借使咱们贯注看Oracle 这类过去 15 年从来攻陷主导职位的公司◆，会呈现它们有一个合伙战术：收购同范围中排名第二的产物。由于关于客户来说孤单去铺排这些产物是很艰难的◆，或者说他们更偏向于将全面东西都整合到一个简单的数据库中。我以为这与你提到的 language model 有某种好像之处。

　　Elad Gil ：你提到了要正在推理质地、速率以及本钱之间做平均，Notion 是怎样用模子的？只运用了 Llama 仍然会正在区别场景中移用区别模子？

　　Unbundling 的趋向从 2000 年代中就起初了，正在这之前全部消息范围相干的产物都须要基于 Microsoft 来完结，是 规范的 building 的阶段。

　　AI 更像是一个以新的方法来组合、驱动这些积木块的新引擎，也正由于咱们从来正在修建、完美这些积木块◆，咱们才可能疾速把 AI 和已有性能连合起来。咱们之于是是市道上大范围推出 AI 合作的软件之一，是由于咱们曾经正在文本编辑器上花了许众年岁月，也由于咱们曾经做了闭连型数据库●◆，于是咱们可能把 AI 和数据库连合起来，咱们不妨急迅推出 Notion Q&A 也是由于咱们正在常识库产物上的参加。咱们能把 RAG 使用到 Notion 的产物中也是由于咱们做了百般各样的“乐高积木块”，AI 关于 Notion 是一个额外好的时机，而咱们正好收拢了这个时机◆。

　　Ivan Zhao：它可能简化咱们的办事流程，这是一个强大的打破，可能让 Agent 助助咱们完结常识类办事。

　　除了技艺要素◆◆，我个别还会闭怀许众人类举止民风角度的改观，比方个别用户的举止惯性、公司的危机继承才智等，这些也都正在缓慢演变。就像 Steve Jobs 常说“你不行做出太新的东西，你必需正在保留大一面肖似的根本上，改观一两个枢纽点。”Off White 创始人 Virgil Abloh 的理念是，只须要改观 3%，但足以激动鸿沟◆●，让人们授与新事物。

　　Sarah Guo ：你通常提到 Notion 不光是一个坐褥力器械，更是一个使用修建平台。你是怎样思到这个主张的？为什么你以为人们思要去搭筑更众的使用？

　　Ivan Zhao：咱们还相当早期，也还没统统完毕用户的范围化。我以为，bundling 有许众好处。最初◆，这很容易，用户不须要正在区别的界面之间来回切换就能完结做事。其次，这有助于俭朴本钱，有了 Notion，用户就不必置备其他项目治理和 issue 跟踪的器械，从而节减了大宗开支。这一点关于企业来说额外首要，加倍是正在眼前的经济情况下，CFO 也思低重本钱。于是，bundling 确实带来了很众上风。除了容易消息治理，还能俭朴大宗资金。

　　是以，我以为这种众样化的才智对咱们的助助很大◆◆，Notion 中的每一个别都正在全力变得“万能”◆◆，这也使咱们的团队小而精壮。相关于咱们的生意范围，咱们的团队人数很少◆●，但团队中的每个别都能把本人的才智外现到极致。咱们没有固定的脚色，也不须要做反复性的办事，大师都很享用这种办事方法。可是，纵然如此做有许众好处，但找到具备如此才智的人确实更难◆。

　　Ivan Zhao：是的，这一类办事很像是正在做园林造就，我本人并不会这类办事，于是我很须要如此一类人助我做这件事◆●。

　　Language model 才智的擢升，以及把 language model 和 SaaS 软件相连合这两件事应当是同步举办的，由于借使一忽儿改观太大●，人们能够会不太适合，RAG 的好处也正在于它正在现有交互民风根本上给到了更好的输出。

　　必需招供的是，GPT-3 刚显示的时刻我是敌视了这件事的。固然 GPT-3 曾经可能助助人们举办市集营销策动、完结初稿写作，但我并不以为这能有众大用途●◆，直到我看到 GPT-4 的才智我的思法才产生了转移，我呈现 GPT-4 曾经可能思量、推理，可能完结百般各样的事项●●，可能尤其本质地优化办事流。GPT-4 对我影响很大，它给了我许众信仰，我也是以感到这会是一个浩瀚的改观点。

　　Elad Gil ：比来一段岁月闭于 Agent 的接头越来越众了，但客观来说由于某些才智还不行完毕，于是 Agent 或者主动化相干的使用价钱还没真正展现出来。Notion 比来也推出了 Calendar 使用◆，我很好奇你若何看 AI 和日程治理之间的连合？

　　另外，我以为咱们不行控制于某一种思想形式，由于许众范围本来是人工设定。Notion 80% 的策画师都邑编程，他们既是策画师也是工程师，也是以正在策画中可能做出很好的平均。技艺的素质是 tradeoff会彻底蜕化学问型事业？j9九游会，好的tradeoff 不妨胀动用户来测试运用新产物、向导他们酿成民风，这是最主旨的。咱们会的事项更众，相关于其他策画上就更能正在策画上做出好的平均，再比方策画师清楚怎样编程●◆，他们就会清楚怎样调理策画，使其更容易完毕；借使你会策画也是同理，就像正在挤压氛围泡泡时，找到最容易挤压的对象。

　　Ivan Zhao：素质上 Notion 会助助用户回顾他们输入到 Notion 中的全面实质，不单是 Notion 能如此做，绝公共半予以 RAG 的体系都能做这件事。

　　什么是常识型办事？人们为什么须要软件？从根蒂上说，软件便是咱们全面人的消息治理行动，就像一张纸传到眼前，人类改观几个字，然后推送给另一个别◆。正在某种水准上，language model 曾经可能助助咱们完结这种消息治理。于是，我信托这将统统改观咱们与策画机的交互形式。

　　Sarah Guo ：正在 PC 时期繁荣早期●◆，当时人们会接头 30 或 40 年后，PC 带来的最大变动会是什么●●？本日你对 AI 另日的繁荣有什么守候？

　　Language model 和 RAG 显示之前，人们之于是须要策画机是由于须要一个地方来存储消息，而且可能随时检索、移用这些消息◆，但检索厉重依赖于枢纽词，而且这个词要相当切确，是以有的时刻还会请求用户具备少许优化枢纽词的手段。但有了 RAG 之后，language model 不妨了解你输入的实质◆。于是◆，咱们不须要正在 Notion 中特意做消息的构制治理◆，由于无论咱们输入了什么，咱们都能顺畅地查找出来。无论对个别仍然团队公司来说，RAG 都供应了很圆满的回顾才智这关于个别、公司或团队来说，相当于具有了圆满的回顾。

　　正在 language model 之前，咱们要正在常识库查找少许实质常常须要很切确的枢纽词，乃至有些时刻还要询查同事是否记得某个序列、某个消息存放的数据库是哪个。但现正在可能直接询查 Notion AI 思要征采的题目，很疾 AI 就会给到谜底◆●，这是我个别很兴奋的一个使用场景，不少人也正在接头。别的一个我以为很值得守候的是 Work Agent，这个范围也曾经起初有许众人闭怀到了。

　　Front office 对应的做事是怒放性的，back office 的则更偏特定j9九游会、整体的做事◆，于是我以为二者之间会存正在某种竞赛，但与此同时市集也很大●●，不必定是零和逛戏。

　　本来 Notion 正在做的这件事并不新，由于正在上世纪 80 年代、乃至 70 年代人们就接头过用 block 逻辑来修建软件这件事。到了本日，咱们只可是是正在云和 AI 的赞成下去完毕这件事、冲破过去以整体性能导向的软件的局限。

　　Notion 团队里有许众对 interface 和策画感意思的人，前后端也永别有许众全栈型人才，咱们内部也有一一面特意正在做查找●，但 ML 相干的人才并不众，乃至可能说是没有。过去一年的岁月中，咱们从来正在练习若何做 AI。

　　咱们之于是须要疏导是由于有些办事不行由软件主动完结，须要咱们举办及时治理。这也许这是一个值得思量的题目，跟着 language model 的繁荣，咱们另日的疏导会更众仍然更少◆●？我猜是更少。由于 Agent 根本上依赖于 language model，这便是疏导的另日。

　　Elad Gil ：Notion 曾经修建了许众主旨模板和用例，比方项目治理器械、常识库等等，正在它们之中◆●，你以为有哪些性能受 AI 的影响最大？

　　到本日，跟着 AI、language model 的显示和繁荣，咱们好似又回到了 bundling 阶段。由于模子素质上请求将消息凑集正在一个地方去完毕更高效的消息治理●◆。

　　Ivan Zhao：关于 AGI 来说◆，岁月标准放正在 30 或者 40 年能够有点太久了，乃至无须比及下一个 10 年，正在另日 1-2 年内 AI 就会有显着打破●。这之中我以为一个被低估的范围是 RAG。

　　Sarah Guo ：Notion 刚起步时●，最先运用 Notion 来修建常识库的是那些首创公司。本日，正在 Notion 范围获得拉长的同时，咱们所处的宏观情况也产生了变动●●，首创公司的预算比以前尤其急急。你怎样对待助助企业采用 AI 举办常识治理这件事？

　　Ivan Zhao：技艺的素质是做 trade off ◆◆。Language model 带来了一种全新性子，这是过往被设定为整体性能的软件所不具备的，但咱们还不太明晰它无缺的办事道理，于是人们从来正在 Twitter 上接头要若何本领更好地运用模子的才智。关于企业和创业者来说●●，面临新技艺也要做出少许量度，他们要工夫明晰市集关于百般新模子才智的评判Notion CEO：为什么RAG会彻底蜕化学问型事业？j9九游会。这个行业目前正正在急迅繁荣、持续变动。

　　本日 language model 曾经不妨很好地了解人们输入到策画机中的实质了，这意味着咱们不须要再本人去做消息的构制来容易另日对消息的检索，AI 正在这件事上做得比任何人类都要好。

　　Ivan Zhao：我和 Simon 对 AI 都有足够强的 conviction●，咱们早些年去 OpenAI 的办公室时，根蒂不了解这家公司正在做的事项是什么，但当时咱们曾经睹过很早期的 GPT 的 demo◆●。

　　有了 RAG 之后◆，团队查找的体验会统统不相似。我本人就曾经改观了运用 Notion 的方法。比方我会提问 “公司什么时刻搬到新办公室？”，借使团队中有人正在某个文档中记实过这件事●●，Notion 就会答复我对应消息，我不须要再像之前那样去问其他人。

　　Ivan Zhao：我本人会去这么看 AI 的才智，最初， RAG、消息 retrieval 是一类●，属于常识类相干。别的一类则是 workflow 相干，咱们采取用 agent 来界说这件事◆。人们之于是须要聚会、日程这些东西是由于咱们须要完结互相大脑之间的“比特传输”，那么我可能借助一个 language model 来完结这件事吗？也许是可能完毕的。最根本的闭键便是，人们正在敲定聚会岁月的那一刻，日程支配上也做出了对应变动。咱们做的许众事项都涉及到了岁月这个纬度，language model 可能助咱们来调理岁月支配吗？我以为是可能的●●。

　　咱们正在 AI 上的百般测试很像做烘焙的流程：预备好全数原资料、把这些原资料放进烤箱、按下按钮之后就只剩劣等待，没有人不妨预知制品是什么样的，于是这请求咱们有足够的耐心，同时还要做大宗的调理和预备。

　　Ivan Zhao：我以为这个取决于咱们要若何界说策画，起码关于我来说，策画不光仅是外观，更首要的是一个别系是怎样协同办事的。正在这种情形下，咱们须要做出少许 tradeoff，是采取把策画凑集仍然分袂到每个板块？有些公司或生意产物适合把策画办事下放到区别板块，加倍是那些很重运营的公司◆●。

　　团队中的全面人，无论是策画师、工程师仍然运营◆●，每天也会正在 slack 和邮件问到好像题目。要回复这些题目能够要花 10 分钟来写邮件，正在此之前还要破费 20 分钟来找到对应谜底，借使算上百般等候岁月◆●，能够须要破费半个小时以上的岁月，但有了 Noton Q&A，这类题目只须要几秒钟就可能管理。RAG 曾经助咱们进步了办事服从，而这还只是起初。

　　Ivan Zhao：咱们能够逐步就不再须要消息机闭化或者好像观念，咱们之于是须要把构制和整饬消息是由于只要做好这些办事才可能检索●，咱们须要 index 也是由于 index 就仿佛文献夹上的百般标签，不妨助咱们急迅找到各式文献●，但由于 embedding 和 RAG ，咱们只须要把全面消息放进这个“文献袋”，然后就可能遵循须要以肆意方法查找、找到你思要的消息。消息的自正在度会大大擢升。

　　Ivan Zhao：区别的公司、产物的标的不相似，采取的模子自然也不相似◆。Notion 会测试百般模子，加倍当下程度最领先的开源模子，但由于 Notion 很尊敬推理才智，于是咱们平常会移用高程度的模子。

　　Sarah Guo ：你是若何思量 Notion 的 AI 策略的？这些策略是否也受到了哪些策画机技艺繁荣史书中的胀动◆●？

　　我是这么界说 “Front office” 的：可能先假设借使咱们身处正在 1960 年代的一间办公室里会看到哪些东西◆●？人们桌子上会有一个用来记东西的记事本●●，能够还会有一台打印机，支配两旁还堆着许众文献夹，对应到 Notion，记事本相当于用户文档和札记，文献夹则好像于 Wiki，人们死后的文献柜则可能对应到 Notion 中的闭连数据库，文献柜中还会有百般小纸片来助助整饬消息。