Tana

建立一个全新的 Tana 工作区后，你的第一直觉可能是寻找“新建页面”按钮。但这里并没有。每一行都是一个节点。每个节点都可以成为一个结构化对象。这种让部分用户迷茫几天甚至几周的无所适从感，正是进入 Tana Labs, Inc. 所称的知识图谱（knowledge graph）的必经之路：在这个工作区里，一条会议笔记可以同时出现在你的每日日志、项目看板和客户档案中，而无需进行任何复制。

在经历了 9 个月的内测（包含 30,000 名测试者和 160,000 人的候补名单）后，Tana 于 2025 年向公众开放。本文评测的产品是 Tana Outliner (outliner.tana.inc)：一款由首席执行官 Tarjei Vassbotn 及其位于奥斯陆的团队打造的基于节点、AI 原生的知识管理工具。2025 年 2 月，Tana 宣布完成由 Tola Capital 领投的 $25M A 轮融资，估值达到 $100M。这绝不是一个业余项目。现在的问题是，它的结构化理念是否真的能为知识工作者带来回报，还是说它只是一个只有在你完全掌握后才显得美妙的系统。

Tana 在你工作流中的真实角色（抛开营销话术）

营销话术称其为“你的第二大脑”。但现实更为具体。Tana 是一个伪装成项目符号编辑器的关系型数据库，理解这一区别将决定你是否能在第一周后继续坚持使用它。

其核心机制是 Supertag。将 #meeting 应用于任何节点，它就会立即获得结构化字段：日期、参会者、待办事项、状态。无需单独创建数据库。无需切换到不同的视图。标签本身就自带数据模式（schema）。将 #person 应用于一个人名，它就会自动链接到该人员参加的每一次会议、分配给他们的每一项任务以及提及他们的每一条笔记。一切都是自动的。正如一位 ProductHunt 评论者所描述的那样：“我不再需要维护一个系统；我是在一个能够自我维护的系统中工作。”

这正是 Tana 在重度用户中赢得声誉的真正原因。一旦配置好 Supertags，工作区就会变得能够自我组织。新的会议笔记会自动填充字段。搜索节点会在你的整个图谱中进行实时过滤。2024 年引入的 AI 命令节点（作为附加在 Supertags 上的可执行按钮），只需一键即可触发多步工作流：转录音频节点、对转录文本运行 AI、提取待办事项，并将它们写入结构化字段。无需切换标签页，无需复制粘贴。

但问题在于：设置这些 Supertags 需要你像数据库架构师一样思考。大多数从 Notion 或 Apple Notes 转来的用户在第一次使用时都会碰壁，因为心智模型确实完全不同。你不是在归档信息。你是在信息到来之前定义类型和关系。坚持度过两周大关的用户形容这就像是突然开窍了。而放弃的用户则认为它对于他们的需求来说过于复杂了。

“我仍在努力学习如何使用它并让它满足我的需求……卡在了学习曲线的起点。” - Andrei Sedelkov，ProductHunt，2025

准确性、速度及其不足之处

Tana 的会议转录是无机器人（botless）运行的：没有幽灵参与者加入你的 Zoom 通话。桌面应用程序直接捕获音频并进行实时转录。截至 2026 年 4 月，转录支持 61 种语言。通话结束后，为 30 分钟会议生成 AI 摘要只需不到 60 秒。对于标准的专业会议，待办事项的提取足够准确，无需手动纠正即可直接使用，不过对于充满大量专业术语或节奏极快的对话，仍需要人工复核。

iOS 和 Android 上的语音备忘录支持离线工作，这对于移动端捕获工具来说是极其正确的决定。在散步时记录一个想法，重新连接网络后，Tana 就会自动将其结构化。但在实际应用中，移动端应用程序的功能范围有限：多位评论者将其描述为“高级录音机”，而不是完整的工作区替代品。如果你的工作流需要在移动中编辑复杂的 Supertag 结构或运行 AI 命令，移动端体验会让你失望。Web 应用才是 Tana 的主阵地。

AI 积分消耗是需要关注的指标。Free 计划每月分配 500 个积分。单次 30 分钟的会议转录大约需要消耗 250 个积分。会议频繁的用户在两天内就会耗尽 Free 计划的额度。Plus 计划每月 2,000 个积分大约可以覆盖 8 场会议、10 小时语音转录或 50 张 AI 生成的图像，但不能同时满足。依赖 Tana 作为日常会议中心的用户，从第一天起就应该将 Plus 或 Pro 计划纳入预算。

桌面端的离线功能于 2025 年 11 月上线，这是一项意义重大的可靠性修复。在此之前，Tana 需要保持网络连接才能进行完整编辑，这对于在飞机上或网络不稳定的地区工作的人来说是一个巨大的缺陷。

真正重要的集成

Google Calendar 同步（Plus 和 Pro 计划）会自动将即将到来的会议拉取到你的日常 Tana 工作区中。会议节点会自动预填参会者姓名；通话结束后，转录文本和摘要也会落入同一个节点。Readwise 集成则将书籍和文章的高亮内容作为结构化节点拉取到 Tana 中，并在到达时即可应用 Supertag。

2026 年 1 月 30 日推出的 Local API 和 MCP 服务器，是改变 Tana 上限的集成功能。开发者可以将包括 Claude Code 和其他兼容 MCP 的代理在内的外部 AI 工具直接连接到他们的 Tana 工作区，使知识图谱成为 Tana 外部 AI 工作流的数据源。使用 Tana 运营其整个风投公司的 Tola Capital 投资者 Sheila Gulati 抓住了其更广泛的价值：“这是一种奇迹般的体验。”截至 2026 年 4 月，工作区内已提供支持最新模型的多模型 AI 聊天（OpenAI、Anthropic、Google Gemini）。

隐私：你的数据去向及谁能看到它

Tana 以专有的 JSON 格式将数据存储在云端，并且不会使用用户数据进行模型训练。目前已符合 GDPR 标准；截至 2026 年初，SOC2 和 HIPAA 认证正在进行中。虽然支持完整的 JSON 导出，但要在其他工具中使用这些数据需要一定的技术门槛。正如 Tana 社区创意板上的一位用户所言：“我的‘第二大脑’被供应商锁定是不可接受的。如果没有 API，整个应用就是一个陷阱。”Local API（2026 年 1 月）部分解决了这个问题，但完全的双向可移植性仍然是社区的普遍诉求。

团队定价的现实检验

Tana 的定价反映了其作为个人知识工具而非团队平台的定位。Plus 和 Pro 计划中存在共享工作区，但截至 2026 年 4 月，还没有提供集中计费、管理员控制或权限管理的团队专属层级。对于每月进行 8-10 场会议的独立知识工作者来说，按年计费 $8/mo 的 Plus 计划是合适的切入点。对于每月进行 20 场以上会议，或结合使用转录、AI 聊天和图像生成功能的用户来说，Pro 计划更为合理。Free 计划实际上相当于一个短期试用：在活跃使用的情况下，不到一周就会触及积分上限。

反复出现的挫败感

陡峭的学习曲线绝不是营销文案。它是用户流失的主要原因。ProductHunt、G2 和社区论坛上的评论一致描述了相同的轨迹：第一周感到困惑，第二周部分清晰，到了第三周要么“突然开窍”，要么直接放弃。这款工具并不会让你轻松上手。没有能够映射你现有工作流的引导式设置；你必须在一个全新的范式中从零开始构建系统。

积分消耗往往会让那些注册并期望在 Free 计划下评估工具的用户感到惊讶。单次 30 分钟的会议转录就会消耗掉 Free 计划每月 500 个积分中的 250 个。Tana 对 Plus 计划的等效容量细分（2,000 个积分 = 约 8 场会议 或 约 10 小时语音转录 或 约 50 张图像 或 约 220 篇博客文章）清楚地表明，这些并不是可以叠加的额度：它是所有 AI 功能共享的预算。同时使用多项功能的用户触及限制的速度会比等效积分所暗示的更快。

“缺少 Rest API 是一个巨大的遗憾，此外还有一些生活质量（QoL）功能的缺失，比如通知、集成的任务管理以及一些常见的 UI 怪癖。” - Adam Warsing，ProductHunt，2025

移动端的差距正在改善，但尚未完全弥合。iOS 和 Android 应用程序在处理语音捕获方面表现出色。但它们无法复制桌面端的编辑体验。主要通过手机工作的用户会发现，除了捕获和查看之外，Tana 在其他方面的表现令人沮丧。

Tana vs. Notion vs. Roam Research / Logseq

这三个对比对象并不能互换。Notion、Roam 和 Logseq 代表了关于信息应如何结构化的不同理念，而 Tana 相对于它们的定位揭示了它究竟是一款怎样的工具。

Tana vs. Notion： 表面的相似性（都处理笔记和结构化数据）掩盖了深层的架构差异。Notion 是基于页面的：你创建页面，嵌套子页面，并构建带有属性的独立数据库对象。Tana 没有页面。整个工作区中的每一个项目符号都是一棵巨大树状结构中的一个节点。将 Supertag 应用于节点会就地为该节点添加类型化字段，无需单独创建数据库。在 Notion 中，为笔记添加“会议”属性需要使用数据库视图或在页面中手动输入。而在 Tana 中，在任何节点上输入 #meeting 都会立即触发该结构。

AI 集成的差距比大多数评论所承认的还要大。Notion AI 在区块内生成和编辑文本。Tana AI 命令节点执行结构化工作流：一键转录音频，对转录文本运行语言模型，将待办事项提取到字段中，并填充日期，所有这些都在你的数据上下文中进行。Notion AI 无法像 Tana AI 那样在其输出中引用你自己的数据库。对于需要协作 Wiki 和共享项目空间的团队来说，Notion 胜出。对于希望 AI 能够作用于结构化数据的个人知识工作者来说，Tana 的架构具有实质性的不同。

Tana vs. Roam Research 和 Logseq： 它们是 Tana 在概念上最接近的同行。这三者都是基于 Roam 在 2020 年普及的网状思维模型构建的大纲工具。但机制上的差异至关重要。Roam 是一个页面图谱，每个页面包含一个区块树，并通过双向链接将它们连接起来。Logseq 复制了这种模型，但将数据存储为本地的 Markdown 或 Org 文件：完全开放、完全可移植、属于 FOSS（自由和开源软件）。在 2026 年，Roam 和 Logseq 都没有提供有意义的原生 AI 集成。

Tana 与这两者的不同之处在于：它没有使用页面图谱，而是使用了一个强制的单一树状结构，所有内容都存在于其中。Supertags 添加了类型化的关系结构，这是 Roam 和 Logseq 原生都不支持的。正如一位 Logseq 论坛贡献者所总结的那样：“Tana 本质上是带有大纲界面的 Notion”，这意味着它将大纲输入模型与数据库风格的结构化数据结合在一起，而不是一个纯粹的网状思维工具。AI 命令节点是 Tana 优于这两个竞争对手的最锋利武器。Roam 的价格为 $15/mo，没有免费计划。Logseq 是免费且开源的。Tana 在价格上介于两者之间，但在原生 AI 能力上超越了两者。

对于想要本地、可移植、开源笔记的独立用户：选择 Logseq。对于愿意用数据可移植性换取具有会议智能的云同步 AI 原生图谱的用户：选择 Tana。对于需要协作、权限管理和更平缓学习曲线的团队：选择 Notion。