Capacities

Capacities 是一款基于类型化对象数据模型构建的个人知识管理应用。该公司由 Steffen Bleher 和 Michael von Hohnhorst 于 2022 年在德国创立，完全依靠自有资金（bootstrapped）运营，没有引入风险投资。在 Capacities 中，每一项内容都是一个带有类型的“对象”：一本书、一个人、一个项目、一次会议。每种类型都有自己的属性模式（schema）。笔记链接到对象，对象之间相互链接，整个结构都可以被查询。其结果更像是一个个人数据库，而不是一个文档编辑器，但又没有从头构建数据库的配置负担。

该应用支持 Web、Mac、Windows、Linux、iOS 和 Android 平台，并于 2025 年 1 月添加了离线优先同步功能。Pro 方案（$9.99/月）可解锁 AI 助手、智能语义查询、日历集成、任务操作以及 Readwise/Kindle 同步。免费方案非常慷慨：无限笔记、5 GB 存储空间、每日笔记、图谱视图和原生移动应用。截至 2026 年 4 月，团队每月大约发布两次更新。Search 2.0 于 2026 年 1 月推出，AI 图像分析于 2026 年 4 月推出，批量导入功能也在同月进入 Believer 测试阶段。

2026 年 4 月的 Capacities 究竟是什么样

“对象”概念是 Capacities 区别于其他所有笔记应用的核心。在 Notion 中，你有页面和嵌入式数据库。在 Obsidian 中，你有 Markdown 文件和插件。而在 Capacities 中，最小的原子单位是类型化对象。当你创建一条关于正在阅读的书的笔记时，你不会把它扔进“书籍”文件夹或打上 #book 标签。你会创建一个“书籍”对象。它具有属性（作者、状态、你的评分），它会链接回你提到的任何“人物”对象，并且它会出现在每一个按 type:Book 过滤的查询结果中。

内置的对象类型包括页面、每日笔记、图像、网页链接、PDF 和任务。自定义类型则是系统真正展现潜力的地方：研究人员可以构建“论文”和“实验”类型，顾问可以构建“客户”和“会议”类型，作家可以构建“角色”和“章节”类型。每个自定义类型都带有你定义的任何属性。图谱视图展示了对象之间的连接方式。智能查询（Pro）让你能够向数据库提问，例如“向我展示所有打上哲学标签、且与我今年遇到的人相关联的书籍”。

自 2022 年以来，团队已发布了 45 个以上的版本。仅在 2025-2026 年间就推出了：离线优先架构（2025 年 1 月）、看板视图（2025 年 10 月）、Readwise 集成（2025 年 11 月）、任务管理（2025 年 12 月）、支持精确匹配和离线搜索的 Search 2.0（2026 年 1 月）、将照片转化为可搜索对象的 AI 图像分析（2026 年 4 月），以及允许 ChatGPT、Claude 和 Cursor 通过 MCP 读写你的 Capacities 数据的 AI Chat Connectors（2026 年 4 月）。路线图将 Agentic Chat 列为下一个主要功能。

“Capacities 凭借扎实的基础和独特的知识管理方法，真正取得了巨大的成功。” - Parth Shah，Android Police，2025

Capacities 与 Tana 和 Notion 的定位对比

2026 年的个人知识管理（PKM）领域有三种主导架构。Tana 使用基于节点的大纲，每个项目符号都是一个“节点”，可以通过“超级标签（supertags）”标记为结构化对象。Notion 使用块文档模型，页面由块组成，关系型数据库单独嵌入。Capacities 则使用类型化对象数据库作为主层，文档依附于它们，而不是反过来。

Capacities vs. Tana：Tana 的超级标签系统更加细化。你可以通过打标签将任何内联文本变成结构化数据点。它适合那些希望在大纲中工作并通过 Tana 的命令行构建复杂自动化的用户。代价是：Tana 仅限网页端，没有原生移动应用，没有 Readwise 集成，并且配置曲线更陡峭。Capacities 在可访问性（原生 iOS/Android、离线同步）、集成广度（Readwise、Kindle、Raycast、WhatsApp、Telegram）以及与日历关联的每日笔记方面胜出。Tana 则在高级工作流的大纲深度和自动化方面更具优势。

Capacities vs. Notion：Notion 是为团队设计的：实时协作、共享工作区、权限管理、包括甘特图在内的 50 多种视图类型。Capacities 没有这些功能。它仅限单人使用。另一方面，Notion 的移动应用是网页套壳，离线访问受限。Capacities 提供原生移动应用和完整的离线优先同步。数据模型的差异也很显著：在 Notion 中，你配置一个数据库并将其嵌入到页面中；在 Capacities 中，类型化对象独立存在，页面引用它。Capacities 在设置个人 PKM 时速度更快；而一旦需要两人在同一空间工作，Notion 则是更好的选择。

“恰到好处地融合了 Obsidian + Roam + Notes + Notion。” - Jon Soini，Product Hunt，2022

AI 在 Capacities 中是如何运作的

Capacities 中的 AI 是第一方的，嵌入在数据模型中，并且仅限 Pro 用户使用。截至 2026 年 4 月，存在三个不同的层级：

AI 助手（AI Assistant）：可在任何对象或每日笔记中内联使用。写下提示词，助手会从周围内容和你的知识库中读取上下文，并返回你可以编辑或插入的文本。使用场景：总结读书笔记、起草会议对象的后续跟进、扩展一闪而过的想法。你可以配置由哪个 AI 提供商提供支持。2025 年 11 月，Capacities 增加了对自定义 AI 模型提供商的支持，Perplexity 与 OpenAI 和 Anthropic 一起被添加为选项。

智能查询（Smart Queries）：这是 AI 直接与对象模型集成的地方。智能查询在你的整个知识库中使用语义搜索。输入“关于机器学习的笔记”，它会显示标记为神经网络、LLM 或梯度下降的内容，而不仅仅是包含字面短语的笔记。变量查询允许你构建带有嵌入式智能查询的模板，这些模板会自动填充。这是 Tana 的高级用户最羡慕的功能。

AI Chat Connectors（测试版，2026 年 4 月）：最新层级：Capacities 通过 MCP 连接到 ChatGPT、Claude、Cursor 和 Le Chat。你的外部 AI 助手现在可以搜索你的笔记、读取特定对象、保存到每日笔记并添加链接，从而弥合了 Capacities 作为知识存储库与 AI 助手作为该知识推理引擎之间的差距。

AI 图像分析（2026 年 4 月）：添加到 Capacities 的照片会由 AI 进行分析，并转换为可搜索的、带有描述的对象。一张白板的照片可以通过其内容被找到。这使得对象模型扩展到了视觉媒体。

用户不断提出的痛点

批量导入仍不完善。将现有的 Notion 工作区或 Obsidian 库迁移到 Capacities 主要需要手动完成。批量导入在 2026 年 4 月进入了 Believer 测试阶段。目前尚未全面开放。这是用户不愿完全投入转换的最常被提及的原因。

移动端 Bug 依然存在。多位评论者指出了 iOS 文本编辑问题：点击编辑时文本消失、UI 元素无法使用，以及 iPhone 和 iPad 之间的功能差异。iPhone 上可用的功能有时在 iPad 上缺失，反之亦然。桌面和网页端体验一直备受赞誉；而移动端则相对落后。

没有协作功能。Capacities 是为单人打造的。没有共享空间，没有实时共同编辑，没有评论区，也没有权限级别。这是一种设计选择，而不是路线图上的空白。团队表示，重点是个人知识工作者。但对于任何需要与同事共享研究 Wiki 的人来说，Capacities 并不是合适的选择。

AI 功能被锁定在付费方案中。智能查询、AI 助手和 AI 图像分析都需要 Pro 方案（$9.99/月）。免费方案确实很有用，但会向你展示无法访问的功能界面，这让一些用户感到沮丧。

学习曲线。对象模型让一些用户立刻顿悟，却让另一些用户困惑数周。从基于文件夹的心智模型过渡，需要重新思考“笔记”到底是什么。新用户通常一开始会像使用传统笔记本一样使用 Capacities，只有在阅读文档后才发现对象层。

“学习曲线是真实存在的。不适合随意的笔记记录者。” - Alesia Cherniavskaia，Product Hunt，2024

Capacities 适合谁

最适合：独立研究人员、作家、学生、顾问以及消耗大量信息（书籍、文章、会议、人物）并需要在以后连接和检索这些信息的知识工作者。类型化对象模型非常适合那些习惯分类思考的人，特别是那些自然而然想要区分“书籍”、“文章”、“人物”和“会议”的人。每日笔记加上移动端捕获，对于任何全天写日记或记录日志的人来说都是一个强大的组合。希望将高亮内容集成到可查询知识图谱中的 Readwise 用户，会发现 Capacities 是一个天然的归宿。

在以下情况请避开：你需要与其他人共享工作区。你有数千条现有笔记，并且现在就需要批量导入，而不是等待测试版。你想要甘特图、冲刺跟踪或看板以外的数据库视图。你需要 AI 功能但不愿意支付 $9.99/月。你是一个随意的笔记记录者，只想要一个快速的草稿本。该应用的丰富功能会让你觉得是种负担。

从 Obsidian 转投过来的博士研究员 Annette Raffan 表示：“图像本身就是‘对象’。”她认为这是 Capacities 比 Obsidian 基于文件的模型更适合她研究工作流的关键原因，在 Obsidian 中，图像只是惰性附件，而不是可查询的实体。