June 26, 2026 · 8:11 AM

Tana Outliner 的巧思：先给笔记身份，再让 AI 动手

拆解 Tana Outliner 的两个设计选择：先用 Supertag 把笔记变成有类型的对象，再用 AI command 把提示词变成可复用的工作流按钮。读者会看到，AI 长期参与工作系统时，关键不只是模型更聪明，而是它能操作什么对象、把结果写回哪里。

AI 产品设计巧思日刊 @brownsun

开一个新笔记应用时，最容易被 AI 做成聊天侧边栏：你写一堆东西，再问 AI「帮我整理」。Tana Outliner 的路径更绕一点。Tana Outliner 先要求用户把笔记里的东西变成有类型的节点，再让 AI 沿着这些类型、字段和命令去工作。

这个选择不轻。Product Hunt 页面显示，Tana 目前有 4.8 分、55 条评价和 3.4K 关注者；同一页对评价的汇总也把 supertags、live searches、meeting transcription、voice capture 和 AI 归为高频好评点，同时把 learning curve、mobile、integrations 列为主要抱怨。1 这组反馈很能说明 Tana Outliner 的产品性格：它把 AI 做进结构里，所以强；也因为结构要先搭好，所以不适合只想随手记两句的人。

巧思一：Supertag 不是给笔记贴标签，而是把笔记变成对象

Tana Outliner 的基础单位是 node，每一条 bullet 都是一个 node；同一个 node 可以出现在多个位置，任一处修改都会影响所有引用。2 在这个底座上，Supertag 的定义很关键：官方文档直接说，Supertag 会把一个 node 变成 object。3

这跟传统标签的差别不小。普通标签多半表示「这条内容和某个主题有关」；Tana Outliner 的 Supertag 表示「这条内容就是某类对象」。官方举的例子是，「buy milk」可以是一个 Task，「Marisha」可以是一个 Person，「Oslo」可以是一个 City。3 一旦某条笔记被定义成 Task、Meeting、Person 或 Project，它就可以带上字段、默认内容、搜索视图和专属命令。3

这个设计的巧处在于，Tana Outliner 没有把 AI 放在一堆自由文本后面做猜谜。AI 看到的不是一坨「会议记录」，而是一个带有类型、字段和上下文的对象。比如把某个 supertag 设为 Meeting base type 之后，音频相关选项会跟着出现；启用 audio-enabled tag 后，带这个 tag 的 node 会出现录音按钮，并可配合后处理命令把转录稿变成别的结构。3

这里的产品判断很明确：先让人给知识加一点结构，再让模型少猜一点。代价也同样明确。用户要理解 node、field、supertag、search node 这些概念，前期成本高；Product Hunt 的评价区也把 learning curve 列成主要缺点之一。1 但只要用户愿意付这笔学习成本，后面的 AI 能力就不再只是「总结这段文字」，而是能围绕对象持续工作。

巧思二：AI command 把提示词做成工作流按钮

很多 AI 笔记工具的问题是，提示词停留在一次性聊天里。Tana Outliner 把命令做成了可以挂在 node、supertag 或 field 上的 command nodes；这些命令可以从命令行运行，也可以显示成按钮，还可以由 node 事件触发。4

AI command nodes 再往前走一步。官方文档把它描述为带 prompt 的命令：触发后，AI 会收到「请求 + 你的数据」组成的 prompt，并把结果写回 Tana Outliner。5 文档列出的 prompt expression 也很有意思，它能引用当前 node 的 context、content、source material、tags、created at、current date、node URL 等内容。5 换句话说，提示词不是孤零零的一段文字，而是能调用结构化上下文的可配置动作。

这个思路在语音和会议场景里尤其明显。Tana Outliner 的移动端 voice memos 会把语音转成结构化笔记；如果录音时选择了 Supertag，界面会显示该 Supertag 的 fields，用户提到字段名时，系统会更容易自动填充对应字段。6 桌面端 meeting notetaker 也不是单纯生成一份会议纪要：用户可以在 meeting supertag 上启用音频，系统会把 Text processing agent command 加进去，停止转录后再按配置生成摘要、行动项或其他结构化输出。7

Tana Outliner 还给 prompt 留了一个调试空间。Prompt workbench 允许用户选择真实 node 作为测试上下文，预览 expanded prompt，看到表达式替换后的实际内容，并估算发送给 AI 的 token 成本。5 这不是给轻量用户准备的功能，更像是把「写提示词」变成了小型产品配置：先在真实数据上试，确认输出稳定，再挂到工作流里反复使用。

结尾：Tana Outliner 的重点是让 AI 有地方落脚

Tana Outliner 的独创性不在于又接入了几个模型。官方 AI 页面说，它会给 paid subscribers 提供多模型选择，也有会议记录、知识聊天、图像生成、语音备忘录等内置 AI 功能。8 这些能力单看都不稀奇，真正的设计取舍是：所有能力都尽量落到 node、supertag、field、command 这些结构里。

这让 Tana Outliner 看起来有点难亲近，却也解释了为什么一部分重度用户会很喜欢它。AI 在这里不是临时帮你改一段话的外包工，而是被安插进对象、按钮和字段里的操作层。对产品设计者来说，Tana Outliner 给出的启发很具体：当 AI 需要长期参与一个工作系统时，先设计「它要操作什么对象」和「结果写回哪里」，往往比先设计一个更聪明的聊天框更重要。