EdgeRemover：重新定义Windows浏览器自由选择权
2026/1/14 17:58:01
本文详细介绍了如何配置 Notion MCP 与 Claude Code 的结合使用，实现 Notion 工作区的自动化交互。内容包括获取 Notion API 密钥、安装配置 notion mcp、验证连接等步骤，以及将工作内容整理到 Notion、整理实验结果到多维表格等应用场景。作者还分享了 Claude Code + Notion 提升生产力的实用建议，并表达了对 AI 编程工具的认可与期待，认为这是程序员的最好时代。
最初开这个帖子的目的是因为我现在整理实验 Setting 和开会的 Note 要自己从工作区复制粘贴到 Notion
实验结果整理到多维数据表格也要自己贴来贴去
早就知道 Notion 开放了 MCP 但是没有尝试过
起初我以为实现目的需要 Skills
看过几个 Notion Skills 后发现我的任务不用这么复杂
在 Notion MCP 上加个简单的 md 工作流定义文件就行
Skills 可以做更大的事情
但是起点都要从 Notion MCP 开始
所以就有了这个小教程
💡
这个教程就是在 Claude Code + Notion MCP 的工作流交互辅助下完成
Notion MCP (Model Context Protocol) 允许 Claude Code 直接与你的 Notion 工作区交互，实现搜索、读取、创建和编辑页面等功能。
前置要求
•
拥有 Notion 账号和工作区
•
本地 Claude Code 正常可用
配置步骤:
Notion端准备: 获取 Notion API 密钥
访问 Notion Integrations (https://www.notion.so/my-integrations) 页面：
点击 + New integration
填写集成名称（例如：“Claude demo”）
选择你的工作区
点击 Submit
复制生成的 Internal Integration Token
就此 notion 端已经准备好
Claude Code 端准备
这里安装也有两种方式
Claude 官方模式: 本地机器适合这样安装 (服务器网址无法在本地验证)
Config 配置模式: 这种服务器和本地都可以 (我没配置顺畅，后面再补充)
我的本地配置是 ok 的，这里介绍本地机器的配置方式。
服务器虽然也配置成功了，但是 claude code 开启时就检测不到，只能指定到mcp.json 才勉强能用，原生支持很差。建议大家先用 本地的配置方式。
本地机器配置 — 亲测可用
查看 当前 mcp 的安装
claude mcp list# 这里会看到没有 notion 安装> No MCP servers configured. Use `claude mcp add` to add a server.安装 notion mcp
claude mcp add --transport http notion https://mcp.notion.com/mcp# 可以看到修改> File modified: /Users/wushuai/.claude.json [project: /Users/wushuai/Documents/create/code/claude-remote/Claude-Code-Remote]再看下
claude mcp list ## 这次就有了 Checking MCP server health...notion: https://mcp.notion.com/mcp (HTTP) - ✓ Connectedok, 进入 claude code
输入 /mcp
进入验证
会吐出一个网址，复制浏览器打开，输入 notion token, 指定claude 的工作区就 ok （服务器配置不能用这种方式的原因就是不能跨设备验证这个网页，可能要转发下端口到本地）
验证回到 claude code 可以看到
这就可以用了, tools 下的功能可以进去看下，基本就是
•
页面的增删改查
•
数据库的增删改查
应用场景可以
把我们在 claude 的工作内容总结整理到 notion
帮我们整理实验结果到 notion 的 多维数据表格
当然如果你用的是飞书，飞书也有提供相应的 MCP API
除了授权完整的工作区，我们还可以授权单个的页面（以及下面的层级项目）
简单测试下
我这个教程就在 claude 工作区
让他读取这个文件来帮我看看有没有改进的地方
主要改进建议： 1. 代码块语言标记不准确 文档中使用 python 标记 shell 命令，应该改为 bash 或 shell： # 应该使用 bash 而不是 python claude mcp list claude mcp add --transport http notion https://mcp.notion.com/mcp 2. 服务器配置部分不完整 "Config 配置模式"提到了但说"配置不成功，后面再补充"，建议： - 要么完善这部分内容 - 要么暂时移除，避免给读者造成困惑 3. 测试部分未完成 "简单测试下"这一节只是提到要测试，但没有实际结果。建议： - 补充实际的测试案例和结果 - 或者现在就让我帮你完成这部分测试 4. 缺少故障排除部分 建议增加常见问题排查，例如： - MCP 连接失败怎么办 - 认证失败的处理 - 如何验证配置是否成功 5. 应用场景可以更具体 当前只列举了两个场景，建议补充： - 具体的使用示例命令 - 实际的工作流程演示 - 常用操作的最佳实践 6. 缺少卸载/管理说明 建议增加： # 如何移除 MCP 服务器 claude mcp remove notion # 如何更新配置 claude mcp update notion 7. 权限设置说明不够详细 "授权单个页面"部分只有截图，建议补充： - 详细的操作步骤 - 权限范围的说明 - 最佳实践建议 8. 验证流程可以更详细 建议明确说明： - 验证 URL 的格式 - 验证页面会出现什么 - 如何确认验证成功 9. 飞书 MCP 提及但未展开 如果要提及飞书，建议提供： - 飞书 MCP 的官方文档链接 - 或者移除这个提及，保持文档专注 10. 增加更多资源链接的可访问性 底部的链接可以添加： - Notion MCP 官方文档 - 常见问题解答 - 社区讨论链接建议很多，但是我不听👂
我让它向结尾的部分插入点 Claude code 使用 Notion 提升生产力的建议吧
Claude Code 生成开始
使用 Claude Code + Notion 提升生产力
提示：定期让 Claude 整理和归档信息，保持 Notion 工作区的整洁性。
代码项目管理
•
自动记录技术决策：让 Claude 将架构设计、技术选型等关键决策整理到 Notion
•
实验结果追踪：自动将测试结果、性能数据写入 Notion 数据库，便于对比分析
•
代码审查笔记：审查代码时，让 Claude 总结问题和改进建议到 Notion
知识管理
•
学习笔记整理：研究新技术时，让 Claude 将关键信息结构化保存到 Notion
•
Bug 追踪：记录 bug 的发现、分析、解决过程，建立知识库
•
代码片段库：将常用的代码模式、解决方案整理成可搜索的 Notion 页面
工作流自动化
•
每日工作总结：让 Claude 分析 git 日志，自动生成工作日报到 Notion
•
文档同步：将项目 README、API 文档同步到 Notion，方便团队协作
•
任务跟踪：从代码注释或 TODO 生成任务清单到 Notion 数据库
快速开始命令
# 搜索 Notion 中的技术文档"搜索我 Notion 中关于 React Hooks 的笔记"# 创建项目总结"分析当前项目的代码结构，整理到 Notion 的'项目文档'页面"# 记录实验结果"将这次性能测试的结果添加到 Notion 的实验数据库"Claude Code 生成结束
安全提示
•
不要分享 API 密钥
•
定期轮换 API 密钥
•
只授予必要的页面访问权限
•
妥善保管配置文件，避免提交到版本控制系统
更多资源
•
Notion API 文档
•
Claude Code 文档
•
Model Context Protocol 规范
写在最后
从开始上手 Claude Code 后已经在它身上烧了1000多刀+
(这里充值汇率*1.68 hhh，下面是部分消费)
见证了我从对 AI Coding 的接受程度逐渐放肆
刚开始的仅 Tab 提示 转到 函数生成 再到 单个脚本生成
到现在基本就是整个工程应用、实验进度把控、实验分析全部交权
有喜也有忧
喜的是体会到了当资本家的感觉
真的不想让它停
想让它一直干干干！！
敢尝试的不同方案更多了 (毕竟不是自己干)
自己就像在带一个技术还算过硬的硕士生在干
偶尔会出点小错
但是完全瑕不掩瑜
自己有了更多的思考时间和试错空间
忧的是它太强了
强到自己感觉受到了威胁
或者说我不太配说受到人家威胁 — 我不太配
时代的洪流滚滚向前
唯一希望的就是中国版的 Claude Code 快点出来
把价格打到人人轻松可用
我很期待
届时站在新的台阶上
会发展出什么样的工作形态
可能
这是程序员最好的时代
也是程序员最坏的时代
如何系统的学习大模型 AI ？
由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。
但是具体到个人，只能说是：
“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。
这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。
我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。
我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。
一直在更新，更多的大模型学习和面试资料已经上传带到CSDN的官方了，有需要的朋友可以扫描下方二维码免费领取【保证100%免费】👇👇
01.大模型风口已至：月薪30K+的AI岗正在批量诞生
2025年大模型应用呈现爆发式增长，根据工信部最新数据：
国内大模型相关岗位缺口达47万
初级工程师平均薪资28K（数据来源：BOSS直聘报告）
70%企业存在"能用模型不会调优"的痛点
真实案例：某二本机械专业学员，通过4个月系统学习，成功拿到某AI医疗公司大模型优化岗offer，薪资直接翻3倍！
02.大模型 AI 学习和面试资料
1️⃣ 提示词工程：把ChatGPT从玩具变成生产工具
2️⃣ RAG系统：让大模型精准输出行业知识
3️⃣ 智能体开发：用AutoGPT打造24小时数字员工
📦熬了三个大夜整理的《AI进化工具包》送你：
✔️ 大厂内部LLM落地手册（含58个真实案例）
✔️ 提示词设计模板库（覆盖12大应用场景）
✔️ 私藏学习路径图（0基础到项目实战仅需90天）
第一阶段（10天）：初阶应用
该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。
- 大模型 AI 能干什么？
- 大模型是怎样获得「智能」的？
- 用好 AI 的核心心法
- 大模型应用业务架构
- 大模型应用技术架构
- 代码示例：向 GPT-3.5 灌入新知识
- 提示工程的意义和核心思想
- Prompt 典型构成
- 指令调优方法论
- 思维链和思维树
- Prompt 攻击和防范
- …
第二阶段（30天）：高阶应用
该阶段我们正式进入大模型 AI 进阶实战学习，学会构造私有知识库，扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架，抓住最新的技术进展，适合 Python 和 JavaScript 程序员。
- 为什么要做 RAG
- 搭建一个简单的 ChatPDF
- 检索的基础概念
- 什么是向量表示（Embeddings）
- 向量数据库与向量检索
- 基于向量检索的 RAG
- 搭建 RAG 系统的扩展知识
- 混合检索与 RAG-Fusion 简介
- 向量模型本地部署
- …
第三阶段（30天）：模型训练
恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。
到此为止，大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗？
- 为什么要做 RAG
- 什么是模型
- 什么是模型训练
- 求解器 & 损失函数简介
- 小实验2：手写一个简单的神经网络并训练它
- 什么是训练/预训练/微调/轻量化微调
- Transformer结构简介
- 轻量化微调
- 实验数据集的构建
- …
第四阶段（20天）：商业闭环
对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。
- 硬件选型
- 带你了解全球大模型
- 使用国产大模型服务
- 搭建 OpenAI 代理
- 热身：基于阿里云 PAI 部署 Stable Diffusion
- 在本地计算机运行大模型
- 大模型的私有化部署
- 基于 vLLM 部署大模型
- 案例：如何优雅地在阿里云私有部署开源大模型
- 部署一套开源 LLM 项目
- 内容安全
- 互联网信息服务算法备案
- …
学习是一个过程，只要学习就会有挑战。天道酬勤，你越努力，就会成为越优秀的自己。
如果你能在15天内完成所有的任务，那你堪称天才。然而，如果你能完成 60-70% 的内容，你就已经开始具备成为一名大模型 AI 的正确特征了。