上個月，我決定取消 ChatGPT Plus 訂閱。

ChatGPT 依然是那個開天辟地的產(chǎn)品，只不過，它所開啟的那個“大力出奇跡”的時代，似乎已經(jīng)走到了一個瓶頸。

如今，我付費(fèi)的 AI 產(chǎn)品矩陣穩(wěn)定在了三個：Gemini Pro，Cursor，以及 Notion AI。

這三者，分別代表了三種不同的 AI 產(chǎn)品形態(tài)，也恰好覆蓋了我作為一個研究員、寫作者和業(yè)余開發(fā)者的核心需求。而作為 AI 初戀 ChatGPT Plus，則在這個矩陣中，顯得有些尷尬和多余。

我的結(jié)論很直接，甚至有些暴論：在基座模型能力日益趨同的今天，純粹的 Chat（聊天）形態(tài)已經(jīng)成為 AI 產(chǎn)品與用戶數(shù)據(jù)、工作流結(jié)合的最大障礙。OpenAI 在產(chǎn)品交互上的創(chuàng)新，已經(jīng)呈現(xiàn)出非常明顯的落后。

時至今日，ChatGPT 最大的優(yōu)勢之處在于它的“萬能”。它是一個空白的對話框，理論上你可以問它任何問題，讓它扮演任何角色，幫你處理任何文本。

但隨著我們對 AI 的使用從“嘗鮮”走向“常用”，作為目前一個非平臺型的 AI 產(chǎn)品，ChatGPT 的連通性至今非常的差。什么是連通性？就是除了我打字給它輸入的內(nèi)容之外，它能從什么樣的地方獲取數(shù)據(jù)。

你的項目文檔、你的會議紀(jì)要、你的研究數(shù)據(jù)、你的個人偏好……這些構(gòu)筑你工作與生活的數(shù)據(jù)，都游離在 ChatGPT 的世界之外。

于是，使用 ChatGPT 的日常就變成了無休止的“復(fù)制-粘貼”循環(huán)。

從A產(chǎn)品復(fù)制一段文字，粘貼到 ChatGPT；從 ChatGPT 獲得答案，再粘貼回 A 產(chǎn)品。這個過程不僅繁瑣，而且極易出錯。更重要的是，它割裂了工作過程中的心流。

這種割裂感，在我同時使用 Gemini Pro 和 ChatGPT Plus 時達(dá)到了頂峰。兩者在產(chǎn)品形態(tài)上高度重合，都是頂級的通用大模型聊天機(jī)器人。但我不可能放棄 Gemini Pro，因為它背后捆綁的 Google One 2TB 存儲是我的數(shù)字生活基石，我的很多冷數(shù)據(jù)或備份性的內(nèi)容都在 Google Drive 里可以一鍵引入。

于是，問題變成了：我是否需要一個“純聊天”的 AI？如果需要，一個就夠了。如果我需要的不僅僅是聊天呢？

答案由另外兩個產(chǎn)品給出：Cursor 和 Notion AI。

Cursor：讓我的 AI 程序員有了“工位”

雖然談 Vibe Coding 的稿子已經(jīng)夠多了，但考慮到被這篇文章標(biāo)題吸引進(jìn)來的可能大多數(shù)是文科生，所以我還是要稍微聊一下 Cursor 和 Vibe Coding。

Cursor 的出現(xiàn)，對我這種幾乎不會編程的文科生來說，是一次真正的“啟蒙”。

在遇到 Cursor 之前，我讓 AI 幫我寫代碼的方式，和大多數(shù)沒有編程經(jīng)驗的人一樣：打開 ChatGPT，描述我的需求，然后將它生成的代碼片段粘貼到我的編輯器里。如果出錯了，再把錯誤信息復(fù)制回 ChatGPT，等待它給我一個新的解決方案。這個過程充滿了不確定性，我像一個蹩腳的翻譯，在人類語言和代碼語言之間反復(fù)橫跳。

而 Cursor，簡單粗暴地把 AI 直接塞進(jìn)了代碼編輯器里。它不是一個“聊天框”，它是一個擁有你整個項目文件訪問權(quán)限的“編程助理”。

我們都知道，當(dāng)你給 AI 的東西越多，AI 出錯的可能性就更高。在 ChatGPT 那種復(fù)制粘貼編程的模式下，如果你的工程文件很大，那么每次改一個“小錯誤”，都會把整個工程的代碼代入進(jìn)對話。而 Cursor 就解決了這個問題。

你可以直接 @ 你的任何一個文件，讓 AI 閱讀、理解、甚至直接修改它。你可以選中一段代碼，讓它解釋、優(yōu)化或者尋找 bug。它知道你的項目結(jié)構(gòu)，知道文件之間的依賴關(guān)系。它擁有了“工位”，坐在你旁邊，看著你的屏幕，和你一起寫代碼。而不是像 ChatGPT 那樣像是一個發(fā)薪顧問，它每次來你這里只解決一次性問題，一出你的辦公室就會忘掉你們之前的所有合作。

這種體驗是革命性的。我不再需要向 AI 解釋“我的項目是用 React 寫的”、“我的某個組件在 src/components 文件夾下”。它自己就能看。這種基于本地文件系統(tǒng)的深度整合，讓 AI 從一個“顧問”變成了一個“同事”。

正因如此，我這個連 PHP 基礎(chǔ)都一知半解的文科生，才能獨(dú)立開發(fā)出像WP Chiral Network這么復(fù)雜的 WordPress 插件。

Cursor 證明了一件事：AI 的價值，不在于它本身有多聰明，而在于它能在多大程度上理解你的工作場景，并無縫地融入其中。

這恰恰是 ChatGPT 永遠(yuǎn)無法給予我的——作為一個僅以聊天窗作為主要交互的產(chǎn)品，無法承載我的所有上下文。

在這一點，甚至連豆包的產(chǎn)品都比 ChatGPT 做的好一些，因為豆包上線了一個叫“AI網(wǎng)盤”的功能。

那么，對于文科生來說，到底有沒有類似 Cursor 這樣，在復(fù)雜的資料庫中像人一樣理解工作，并合理進(jìn)行邏輯推理的產(chǎn)品呢？

答案是有的。

Notion AI：文科生的 Cursor，研究工作的“Vibe Research”

其實作為文科生或者說文字工作者，我一直蠻羨慕程序員有 Cursor 這樣的工具可用的。

直到，Notion 最近更新了新版本的 Notion AI，并且推出了基于本地數(shù)據(jù)庫的 Deep Research 功能。

從實際案例講起：

最近，我一直在做一個關(guān)于“AI 與未成年人”的課題研究。這個項目如果沒有 Notion AI，它的形態(tài)會是我過去幾年早已習(xí)慣的樣子：案頭研究、專家訪談、問卷調(diào)查、數(shù)據(jù)分析……每一個環(huán)節(jié)都涇渭分明，且需要耗費(fèi)大量精力在不同工具之間進(jìn)行資料的騰挪和整理，即便是我在每個環(huán)節(jié)都使用 AI，也要在不同產(chǎn)品之間瘋狂的 Ctrl+C, Ctrl+V。

但有了 Notion AI，整個研究過程變成了一種奇妙的“Vibe Research”。這個詞和 Vive Coding 一樣很難翻譯，它指的是一種跟著感覺走、高度依賴直覺和即時反饋的研究狀態(tài)。而 Notion AI，則為這種狀態(tài)提供了堅實的工程學(xué)基礎(chǔ)。

這么說似乎很多人不太理解，就用這個研究工作的用例來解釋吧：

第一步：研究的冷啟動。

我和一個 AI（最初可以是任何一個，比如 Gemini）聊出了最初的研究方案。然后，我在 Notion 里建立了一個名為「AI 與未成年人研究」的主頁。緊接著，我讓 Notion AI 基于這個主頁里的初步想法，幫我生成了第一批采訪對象的通用采訪大綱。

第二步：知識的結(jié)構(gòu)化。

我沒有把這個大綱簡單地存成一個文檔，而是放進(jìn)了一個 Notion Database 里。為什么？因為我預(yù)見到，隨著研究的深入，我會需要針對不同類型的訪談對象（如家長、老師、孩子）生成不同版本的大綱。數(shù)據(jù)庫的結(jié)構(gòu)化能力，為此埋下了伏筆。

第三步：工作流的自動化。

接下來，我開始征集采訪對象，并將他們的人口學(xué)信息錄入另一個“訪談對象庫”。神奇的事情發(fā)生了：當(dāng)我需要為某個特定的訪談對象（比如，一個來自北京、孩子上五年級的母親）準(zhǔn)備訪談提綱時，我只需要在她的個人頁面里，直接 @ 研究計劃主頁，再 @ 通用采訪大綱，Notion AI 就能自動生成一份高度個性化的訪談提綱，問題會根據(jù)這位母親的背景進(jìn)行微調(diào)。

第四步：自動研究助理。

采訪結(jié)束后，我將語音轉(zhuǎn)文字的速記稿直接扔進(jìn)該訪談對象的頁面。作為 Notion AI 數(shù)據(jù)庫自動化的一部分，系統(tǒng)會自動根據(jù)我預(yù)設(shè)好的字段（比如“孩子年齡”、“所在城市”、“家長職業(yè)”等），從非結(jié)構(gòu)化的訪談文本中提取信息，并填入結(jié)構(gòu)化變量表中。這個過程，在過去需要我自己在速記里大海撈針，盡管并不費(fèi)腦，但訪談多的時候確實讓人煩躁。

第五步：涌現(xiàn)式的洞察。

每周五，我會進(jìn)行一次研究回顧。我不再需要自己苦思冥想，而是直接向 Notion AI 下達(dá)一個指令：“基于‘AI 與未成年人研究’主頁下的所有內(nèi)容，進(jìn)行一次研究回顧。請分析當(dāng)前的訪談記錄中有哪些值得關(guān)注的共同點和差異點？下一步我應(yīng)該補(bǔ)充哪些類型的訪談對象？有哪些早期假設(shè)被初步驗證、證偽，或者還需要補(bǔ)充材料？”

Notion AI 會像一個真正的研究員一樣，啟發(fā)式地讀取該研究項目下的所有頁面、數(shù)據(jù)庫和文檔，然后給出一份詳盡的分析報告。它會告訴我：“多位一線城市的家長提到了對‘學(xué)生的獨(dú)立思考’的擔(dān)憂，這可能是一個值得深挖的方向?！被蛘摺拔覀兡壳皩Φ途€城市教師群體的訪談不足，建議補(bǔ)充 2-3 位相關(guān)背景的訪談?wù)??！?/p>

這一切，都不需要我反復(fù)地將現(xiàn)有材料一遍一遍地導(dǎo)入另一個 AI，基本就是純 vibe 就行了。

可以說，Notion AI 的本地 DeepResearch 讓帶訪談和問卷的社科研究工作也變成了純案頭的 vibe 研究。你只需要負(fù)責(zé)提出假設(shè)和執(zhí)行訪談，剩下的腦力活反而可以當(dāng)甩手掌柜。它會告訴你哪些假設(shè)已經(jīng)驗證了，哪些沒有，你需要進(jìn)一步補(bǔ)充什么訪談，做哪些調(diào)研。研究員成為了訪談機(jī)器，你只需要把信息從被訪談對象那里“復(fù)制”到 Notion 里就行了。

它之所以能做到這一點，核心在于 Notion AI 在工程上的精巧設(shè)計。它并非簡單地把 Notion 里的所有文檔接一個 RAG 就導(dǎo)入聊天框。它能深刻理解 Notion 的內(nèi)在結(jié)構(gòu)：它知道什么是數(shù)據(jù)庫，知道數(shù)據(jù)庫里的字段和關(guān)聯(lián)關(guān)系，知道頁面的層級和內(nèi)嵌內(nèi)容。它幾乎可以像一個人類高級用戶一樣使用 Notion。

這意味著，只要你是一個有條理的人，懂得如何規(guī)劃信息在 Notion 里的排布，剩下的事情，Notion AI 就能幫你搞定。

它就是文科生的 Cursor。

產(chǎn)品的勝利，而非模型的勝利

回到最初的觀點。我退訂 ChatGPT Plus，不是因為它變?nèi)趿耍且驗樗龅搅嗽S多創(chuàng)業(yè)公司的問題，在馬太效應(yīng)上碰了壁——它不可能為了搜索 Twitter 信息而做個 Twitter，它不可能為了更好的做知識庫搜索而重做一個 Notion，也不能為了更好的分析視頻去從頭做一個 Youtube。

它依然停留在那個“我有一個強(qiáng)大的模型，你來問我吧”的階段。

但當(dāng)大公司，或原本擁有強(qiáng)力產(chǎn)品的公司一發(fā)力，競爭就進(jìn)入了下一個時代：一個基座模型能力趨同，而產(chǎn)品形態(tài)、工作流整合能力決定最終價值的時代。

當(dāng)然，我并非完全告別了 ChatGPT。它依然是一個優(yōu)秀的信息源和靈感激發(fā)器。但它在我工作流中的權(quán)重，已經(jīng)大大降低。它產(chǎn)生的大部分內(nèi)容，最終也都會被我歸檔到 Notion 中。

說到歸檔，很多人頭疼如何將自己在 ChatGPT 上的海量聊天記錄，這個蘊(yùn)含了大量個人思考和知識的寶庫，有效地管理起來。直接從官網(wǎng)導(dǎo)出的是一個復(fù)雜的 JSON 文件，幾乎無法閱讀。

作為一個堅定的“萬物皆可 Notion”主義者，以及一個被 Cursor 賦能的半吊子開發(fā)者，我動手寫了一個小工具：ChatGPT-Chat-History-To-Notion（https://github.com/Pls-1q43/ChatGPT-Chat-History-To-Notion）

這是一個開源的 Python 腳本，可以將你從 ChatGPT 導(dǎo)出的聊天記錄（conversations.json），一鍵導(dǎo)入到你指定的 Notion 數(shù)據(jù)庫中。它會自動將每一次對話整理成一個獨(dú)立的頁面，保留完整的問答記錄和對話時間。

這樣，你過去與 AI 的每一次思想碰撞，就都能變成你個人知識庫中可搜索、可關(guān)聯(lián)、可再利用的一部分了。你甚至可以在 Notion 中選擇 GPT-4.1 模型，然后 At 這些聊天記錄，讓其繼承某一次與 ChatGPT 聊天的記錄，并繼續(xù)那次對話。

歡迎試用，也歡迎在 GitHub 上給我提 Issue 或 PR。

畢竟，工具的意義，就是為了解決問題。無論是退訂一個產(chǎn)品，還是開發(fā)一個小工具，都是為了讓我們能更順暢地思考和創(chuàng)作。

而這，或許才是 AI 帶給我們最根本的價值。