Tana 是一款由 AI Agent 驱动的 AI办公与效率 会议工作平台，官方定位为 “Do work in the meeting”，在会议进行时由智能体生成文档、登记事项并更新知识图谱。

Tana

核心参数与统计

Tana 是一款由 AI Agent 驱动的会议工作平台，官方当前定位为 “Do work in the meeting”——目标是让原本要会后才处理的文档、待办与记录，在会议进行的同时由智能体自动完成。它的底层仍是一张结构化知识图谱，每次会议都会让后续会议“更聪明”。

项目	公开信息
官方定位	agentic meeting platform（会中完成工作）
核心能力	会议中生成文档、登记事项、更新知识图谱
底层结构	节点化知识图谱 + supertag 标签体系
部署形态	Web、桌面iOS、Android
归属地	挪威
计费模式	订阅制
演进路径	从知识图谱笔记 → AI Agent 会议平台

定位演进：Tana 早期以“节点化知识图谱笔记”著称，强调灵活的结构化组织；当前则把重心移到会议场景，由 Agent 在会中产出可执行结果。这一转向决定了它现在的核心价值是“减少会后整理负担”。

结构差异：与普通会议记录工具不同，Tana 把会议产出沉淀进同一张知识图谱，使信息在会议之间复用，而非散落成孤立笔记。

用户与市场认可

Tana 在生产力工具社区有较高关注度，尤其在追求结构化信息管理的进阶用户中，官方未公开具体用户量、营收与融资数字，这些维度为未公开。

社区信号：Tana 早期凭借节点化知识图谱与 supertag 体系在 PKM（个人知识管理）社区积累了核心拥趸；当前的会议平台定位则把目标客群扩展到需要高频开会、并希望减少会后整理的团队。

采用门槛：Tana 的灵活结构是双刃剑——强大但有学习曲线。新用户需要理解节点supertag 与知识图谱模型，才能发挥其结构化优势。

落地前提：要让“会中完成工作”真正成立，团队需要把会议流程接入 Tana，并接受 Agent 自动产出文档与事项的工作方式。

成本优势

Tana 的成本价值在于压缩“会后整理”的隐性工时——会议纪要、待办拆解与文档归档原本占用大量事后时间。

C 端/个人：采用订阅制，个人可用其结构化笔记与知识图谱能力；主要替代的是手动整理笔记与待办的时间。

开发者/API：Tana 提供与外部系统对接的能力（如把事项同步到其他工具），具体程序化接入与计费以官方实时页面为准。

企业/团队：面向团队的会议平台价值在于把分散的会议产出统一沉淀；真实成本应叠加流程改造与成员学习曲线，而非仅看订阅费。

成本结构提示：评估收益时，应核算“每次会议节省的会后整理工时”与“成员上手所需时间”的平衡，而非只比较月度订阅价。

主要功能

Tana 的能力围绕“在会议中由 Agent 完成可执行工作”构建：

• 会中文档生成：会议进行时由 Agent 整理要点、生成结构化文档。
• 事项登记：自动把讨论转成待办、问题或任务，减少会后拆解。
• 知识图谱更新：会议产出沉淀进知识图谱，供后续检索与复用。
• supertag 结构化：用 supertag 给节点赋予类型与字段，实现灵活的结构化组织。
• 跨设备访问：Web、桌面与移动端同步，便于随时记录与查阅。

验收关注点：实际价值取决于 Agent 生成内容的准确性、事项归类的可靠度，以及知识图谱在长期使用后的可维护性。建议先在固定例会中试用。

模型与版本演进

当前公开版本信息已在前文覆盖。若官方未完整披露历史版本里程碑与精确日期，建议以官方实时页面为准，并在后续迭代中补齐版本节点。

技术优势

Tana 的技术取向是“把知识图谱与会议 Agent 结合”，而非单纯的录音转写。

机制：底层是节点化知识图谱，supertag 为节点赋予结构化类型；会议时 Agent 监听讨论，把内容转成结构化节点（文档、事项、实体）并写回图谱。

效果：因为产出直接进入结构化图谱，信息可在会议之间被检索、关联与复用，从而让“每次会议都让未来会议更聪明”。

适用场景：最适合高频开会、且重视信息长期沉淀与复用的团队。对只需要一次性会议纪要、不在意结构化知识库的用户，它偏重。

如何使用

Tana 提供 Web、桌面与移动端入口，典型使用路径为：

• 注册与建库：创建工作区，理解节点与 supertag 模型。
• 配置 supertag：为常用对象（会议、任务、人物）定义结构化标签。
• 接入会议：在会议中使用 Tana 让 Agent 实时产出文档与事项。
• 复用知识图谱：通过检索与关联，在后续工作中调用历史产出。
• 多端同步：在桌面与移动端随时记录与查阅。

落地提示：新团队建议先用少量 supertag 建立最小结构，并在固定例会中验证 Agent 产出质量，再逐步扩展模型复杂度。

产品定价

Tana 采用订阅制收费，面向个人与团队提供不同方案。

计费维度：核心计费围绕“功能层级”与“团队规模/席位”展开；是否提供免费层AI 功能用量限制与团队价位，以官方定价页实时信息为准。

采购提示：团队采购前应确认 AI/Agent 功能的用量边界、数据存储与导出策略，以及与现有协作工具的对接能力。

应用场景

• 高频例会团队：在产品、运营例会中由 Agent 即时产出纪要与待办。
• 结构化知识管理：用 supertag 与知识图谱沉淀团队信息，长期复用。
• 个人进阶 PKM：重度知识工作者构建灵活的结构化个人知识库。

场景核验重点：每类场景都应重点检查 Agent 产出的准确性、事项归类可靠度，以及知识图谱在规模增长后的可维护性。

适用人群

• 重度开会的团队：希望减少会后整理、让产出在会中完成的团队。
• 结构化信息工作者：需要灵活 supertag 与知识图谱组织信息的进阶用户。
• 生产力工具爱好者：愿意投入学习曲线换取强结构化能力的人。

不适配边界：只想要简单线性笔记或一次性会议纪要、不愿学习节点与 supertag 模型的用户，会觉得 Tana 偏复杂；轻度使用者难以体现其订阅价值。

总结与展望

Tana 的核心竞争力在于把结构化知识图谱与会议 Agent 结合，让会议产出在会中完成并长期复用，对高频开会、重视信息沉淀的团队价值明确。当前局限在于：学习曲线较陡、官方未公开用户与定价细节Agent 产出质量仍需在真实流程中验证。

后续值得观察其会议 Agent 的准确度、与外部协作工具的集成深度，以及定位转向后对老用户结构化场景的延续。建议团队先在固定例会中小范围试用，验证 Agent 产出质量与上手成本后再扩展；采购前需重点核验 AI 功能用量边界与数据导出策略。

Tana 的版本演进

Tana 的演进体现在产品定位的重大转向上。

知识图谱阶段

早期版本以节点化、带 supertag 的知识图谱笔记为核心，主打灵活的结构化信息组织，吸引了大量 PKM 进阶用户。

会议平台阶段

当前版本把重心转向会议场景，引入 Agent 在会中生成文档、登记事项并更新知识图谱，从“个人知识工具”发展为“团队会议工作平台”。由于官方未发布统一版本日志，上述脉络按公开产品阶段归纳，精确日期暂无官方说明。

限制与不适配场景

在评估该工具是否适合自身需求时，以下限制条件需要重点关注。

场景适配边界 该工具在通用场景下表现良好，但在以下情况可能效果不达预期：需要高度行业专业知识的任务（如法律文书起草、医疗诊断辅助、金融风控分析），对输出格式有严格规范要求的场景（如政府公文、学术论文、技术文档），以及需要零错误的自动化流程。在这些场景中，AI 的输出应作为初稿或辅助参考，最终结果需要人工核验与调整。建议从低风险、低复杂度任务开始使用，逐步建立对工具能力边界的认知。

技术限制 产品在以下方面存在固有技术边界：上下文处理长度有限，超长文档需分段处理；对中文等非英语语言的优化程度可能低于英文；复杂推理任务（多步逻辑推理、数学计算、因果分析）的准确性不如简单问答场景。这些限制并非产品缺陷，而是当前 AI 技术的共性特征。在选择工具时，应将所需任务复杂度与工具的能力边界进行匹配评估。

部署与使用限制 大部分功能依赖稳定的网络连接，离线能力有限；免费版本通常设有使用额度（如每日生成次数、API 调用量或存储空间上限）；企业级部署需要评估数据存储位置、传输加密和隐私合规要求。建议在正式采用前通过试用验证核心场景的可用性，并制定相应的使用规范和人工复核流程。

竞品对比

对比维度	Tana	竞品 A	竞品 B
核心差异	—	—	—
价格	—	—	—
目标用户	—	—	—

注：以上对比基于产品公开信息，实际差异以使用体验为准。

业务流程整合与 ROI 分析

Tana 作为面向企业或专业岗位的生产力工具，其真实价值取决于与现有工作流的整合深度以及可量化的效率提升效果。以下从三个核心维度进行系统分析。

系统集成与数据互通 与现有业务系统的数据互通能力是生产力工具能否融入工作流的关键前提。建议重点评估以下集成维度：RESTful/GraphQL API 的开放程度和文档质量（是否提供完整的 API 参考和 SDK 示例）、Webhook 事件通知的支持范围（支持哪些业务事件类型的自动推送）、与常用协作 SaaS 工具（企业微信、钉钉、飞书、Slack、Notion、Jira 等）的预制集成数量和深度、以及企业级身份认证支持（SSO/SAML/OAuth 与 LDAP/AD 目录集成）。缺乏集成能力的产品容易被孤立为信息孤岛，反而增加团队在不同工具间切换的认知成本和操作摩擦。

效率量化与 ROI 估算方法论 在采购决策前，建议通过结构化的方法量化投入产出比：第一步，选择 3-5 个团队中高频重复且耗时较多的标准化任务作为测试样本；第二步，在受控条件下记录工具介入前后的单任务平均耗时、首次通过率或出错率、以及需要人工介入的环节数量；第三步，将节省的人力时间按岗位综合成本（薪资、福利、管理分摊）折算，同时叠加软性收益（员工满意度提升、工作质量标准化、对核心业务响应速度的改善），得到综合 ROI 估算。建议以月度为单位持续追踪 ROI 变化趋势，因为随着团队熟练度提升和工作流优化，工具的价值通常会随时间递增。

分阶段落地策略与风险控制 推荐采用"试点验证-逐步推广-持续优化"的三阶段实施路径。试点阶段（1-2 周）选择单个团队或单一业务场景进行小范围验证，核心目标是验证技术可行性和用户接受度，建立初步的使用规范和成功标准；推广阶段（2-4 周）在试点验证通过后逐步扩大覆盖范围，制定标准化的启用流程和培训材料；优化阶段（持续）基于实际使用数据和用户反馈持续调整工作流配置，探索更多高价值应用场景。每个阶段都应设定明确的量化关键结果指标，避免在没有数据支撑的情况下盲目扩大使用范围。

数据安全与合规考量

在使用 Tana 时，数据安全和合规性是组织级用户必须重点关注的维度。以下方面建议在使用前详细了解和评估，以确保工具的使用符合组织的安全策略和法规要求。

数据处理与存储安全 确认服务商的数据存储地理位置（境内或境外，这直接影响数据出境合规要求）、数据传输加密方式（至少应支持 TLS 1.2 或更高版本）、数据保留周期（使用结束后数据何时被删除）以及删除策略（是逻辑删除还是物理销毁）。对于涉及个人身份信息、商业秘密或受监管数据的场景，建议优先选择支持数据本地化部署或私有化部署的方案，或在数据输入前通过脱敏或匿名化处理降低合规风险。同时需关注服务商是否提供标准化的数据导出功能（Data Portability），避免供应商锁定导致的迁移成本。

合规认证与行业标准 检查产品是否持有相关行业的安全合规认证——SOC 2 Type II 报告（由第三方审计机构出具，验证服务商的控制措施有效性）、ISO 27001 认证（信息安全管理体系的国际标准）、GDPR 合规声明（欧盟通用数据保护条例的满足情况）等。这些认证是服务商安全管理能力的外部权威背书，在企业采购流程中往往是供应商入围筛选的必要条件。对于金融、医疗、政务等高监管行业，还需逐一确认产品是否满足行业特定的合规要求（如等保、HIPAA、PCI DSS 等）。

AI 输出内容的合规风险 使用 AI 生成内容的版权归属和知识产权条款需根据服务条款和用户协议逐条确认。大多数平台将生成内容的使用权授予用户，但需要特别关注以下例外情况和潜在风险：免费版用户的知识产权范围可能不同于付费版用户、模型训练数据中可能包含受版权保护的第三方内容（这可能导致输出内容包含未授权的素材）、平台是否保留将用户输入数据用于模型再训练或改进的权利（这在涉及敏感数据时尤为重要）。在将 AI 输出用于商业用途或对外发布前，建议进行基本的合规审查，确保不侵犯第三方权益。

版本信息

• Tana 会议平台 ：产品页公开的当前形态，定位为 agentic meeting platform，在会议进行时由 Agent 生成文档、登记事项并更新知识图谱。官方未公开统一对外版本号，此处依据公开产品阶段标注，暂无官方精确日期。 （~2026-03）
• Tana 知识图谱版 ：早期版本以节点化、带 supertag 的知识图谱笔记为核心，主打灵活的结构化信息组织。官方未公开精确发布日期，暂无官方精确日期。 （~2023）