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

• C 端/个人：通常提供免费版体验核心功能，高频使用需订阅付费套餐。
• API/开发者：按调用量计费，适合灵活集成到自有系统中的开发团队。
• 企业/私有化：需联系商务获取定制化报价和部署方案。具体价格以官方实时定价页面为准。

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

持续迭代更新，最新版本引入了性能优化和新功能。历史版本信息可通过官方发布页查看。 暂无完整公开的版本演进时间线，建议关注官方公告了解功能更新节奏。

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。

相关工具：Notion AI、google-workspace

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。

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。

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）