前言

• 适合谁：第一次接触 NotebookLM，想快速建立“它能做什么/怎么用”的全局地图。

• 你会获得什么：从入门到案例再到进阶玩法的一套完整脉络，以及常见限制/配额/使用方式的解释。

• 建议阅读顺序：本篇先看完再进入后续输出专题（Slides / 播客 / 思维导图等）。

正文

NotebookLM 这个工具我关注很久了，但之前一直没真正用起来。

直到上周我在做一个很小但很真实的需求：管理后台新增「用户资料导出（CSV）」功能。相关信息散落在 PRD、会议纪要、Issue/PR 描述里，按传统方式要来回翻文档、手动整理，还特别容易漏掉边界条件和风险点。

所以我干脆把这 3 份材料一起丢进 NotebookLM，让它基于来源帮我：

1. 输出开发任务清单（接口 / 权限与审计 / 频控 / CSV 转义与脱敏 / 测试用例）

2. 列出风险点和待确认问题（并附引用定位）

3. 生成验收 checklist

我当时的第一反应就是：这东西怎么不早点用？

这篇文章就是我这一周深度折腾 NotebookLM 的完整记录，也整理了不少我从各个社群里扒来的进阶玩法。

如果你是职场打工人，或者也像我一样想在有限时间里更高效地学习和产出，希望这篇笔记能帮你省掉一些摸索时间。

一、NotebookLM到底是个啥？

NotebookLM 是 Google 开发的一款 AI 驱动的研究与写作工具。它的核心理念是“你上传资料，它成为这些资料的专家”——你可以上传 PDF、Google Docs/Slides、网页链接、YouTube视频、音频文件等（最多50个来源），NotebookLM 会基于这些资料回答问题、生成摘要，并提供引用出处。

是另一个聊天机器人吗？

不是。完全不是。

ChatGPT、Claude这些通用大模型，就像一个博学但有点爱"编"的朋友。你问它问题，它从自己的记忆库里调答案，但这个记忆库是用全互联网的数据训练出来的，难免会"一本正经地胡说八道"——业内管这叫"幻觉"(Hallucination)。

NotebookLM走了完全不同的路子：它只根据你喂给它的资料来回答问题。

你上传了什么，它就只在这个范围内思考。

这种设计叫"基于来源的推理"(Source-Grounded Reasoning)，这货不瞎编。

它是一个"圈地"思考工具

我觉得最好的比喻是这样的—— 普通AI聊天机器人 = 一个什么都懂但经常不靠谱的万事通

NotebookLM = 一个专门帮你读书、做笔记、找重点的私人助理

当你创建一个"笔记本"(Notebook)的时候，你实际上是在画一个圈：在这个圈里，AI只能用这些资料来思考。

这意味着什么？

意味着你可以把公司内部的文件扔进去分析，不用担心它混入别的信息。意味着你可以把一个完整的课程资料打包进去，让它帮你梳理知识体系。意味着你做研究的时候，它给你的每一个结论都能追溯到原文出处。

对我来说，这简直是内容创作者的福音。

以前整理资料最头疼的就是"这个观点是在哪看到的来着？"——NotebookLM直接给你标注原文位置，点一下就跳转。

主要功能包括

• 智能问答：针对上传资料提问，AI 回答并标注引用来源

• Audio Overviews（音频概览）：一键生成两位 AI 主持人讨论你资料内容的「播客式」音频，还支持互动模式让你加入对话

• 自动生成内容：包括摘要、时间线、FAQ、简报文档、学习指南、闪卡、测验等

• Video Overviews（视频概览）：将资料转化为带图文解说的视频

• 思维导图：可视化展示资料结构

• 笔记功能：保存引用、整理想法

二、上手第一步

2.1 准备Google账号

NotebookLM 是 Google 出品的工具，需要使用 Google 账号登录。如果你在中国大陆使用，需要先解决网络访问问题。

关于价格：

NotebookLM 基础功能完全免费，但在高算力功能上（如生成幻灯片 Slide Deck、长音频 Deep Dive）有严格的每日配额。

免费版通常每天仅支持约 3 次音频生成；高峰期生成速度较慢，容易排队。

如果你是重度使用者，建议升级到 Gemini Advanced 订阅（包含在 Google One AI Premium 计划中），官方订阅价格为 $20/月。

该权益与 NotebookLM 账号互通，升级后将自动解锁 NotebookLM Plus 会员状态，拥有 5-10 倍的生成额度（如每天 20 次音频生成、500 次对话），且生成速度更快，无需长时间等待。

进入方式：

• 进入网址：https://notebooklm.google.com/

• 手机下载 App

2.2 创建笔记本

两种新建方式：

2.3 上传资料

支持的格式比我想象的多

NotebookLM的"饭量"很大，能吃很多种格式：

文档类：

• Google Docs（直接连接，可以同步更新）

• PDF文件

• TXT纯文本

网页和视频：

• 网页URL（它会自动抓取正文）

• YouTube视频链接（自动读取字幕）

办公软件：

• Google Slides

每个笔记本最多能放50个来源，每个来源最高50万字。算一下，一个笔记本理论上能容纳2500万字——相当于几十本厚书的量级。

2.4 中文设置

NotebookLM 右上角的设置只包含输出语言的设置：

如果要设置界面语言，需要在 Google 账号 里调整。

NotebookLM 的界面语言会跟随 Google 账号的语言设置。

✅ 正确设置路径：

1. 打开 Google 账号管理页面 (myaccount.google.com)。

2. 点击左侧 “个人信息 (Personal Info)”。

3. 下滑找到 “语言 (Language)”。

4. 将首选语言修改为 “简体中文”。

5. 关键一步： 改完后，回到 NotebookLM 页面，按 F5 刷新或退出账号重新登录，中文界面才会生效！🔄

2.5 实操案例

我用近期一个项目的资料来分享实操流程：

1. 收集资料：选一个你正在做的“小迭代/小需求”，准备 3 份最常见的材料（越少越容易上手）：

   1. 需求说明：PRD/需求卡片（飞书/语雀/Jira 任意一种，导出 PDF 或直接复制成 TXT）

   2. 会议纪要：评审/同步会的纪要（哪怕只有 1 页也行）

   3. 开发线索：相关 Issue/PR 的描述（GitHub/GitLab/Jira 截图或导出）

2. 分类上传：把这 3 份材料分别作为 3 个来源上传，命名清楚（例如“PRD-xx功能”“纪要-xx日期”“Issue-xx编号”）。

   

   

3. 勾选控制：不同阶段只勾选不同来源，让 NotebookLM 输出更准：

   1. 做任务拆解：只勾选 PRD + 纪要，问“请生成开发任务清单（含前后端/接口/埋点/测试用例）并按优先级排序”。

      

   2. 做风险排查：只勾选 纪要 + Issue/PR，问“请列出实现风险、依赖项、以及必须向产品/后端确认的问题（按影响程度排序）”。

      

   3. 做验收准备：只勾选 PRD，问“请生成验收 checklist（含边界条件）并给出 10 条最容易遗漏的用例”。

      

一个隐藏技巧：合并文件绕过50个限制

这是我从Reddit扒来的骚操作——如果你有很多小文件（比如100个笔记、一整年的周报），别傻傻地一个个上传。50个名额很快就用完了。

正确做法：在上传前把同类文件合并。

• 多个PDF → 用PDF合并工具整成一个大文件

• 大量Markdown笔记 → 用脚本合并成一个TXT

NotebookLM处理一个10万字的文件，比处理100个1000字的文件效率高得多，而且只占1个名额。

我现在的习惯是：先在本地整理好，能合并的先合并，再上传。

三、核心界面拆解：三块区域各有分工

点击新建，创建笔记

3.1 左边：资源面板（Source Panel）

这是你的"记忆库"。所有上传的资料都在这里列着。

关键功能：

• 复选框控制注意力：勾选哪些文件，AI就只看哪些文件

3.2 中间：对话区（Chat Interface）

这是你和AI聊天的地方。

最有用的功能是内联引用。AI给你的每个回答，重要观点后面都会带一个数字脚注，比如1。点击这个数字，左边会自动高亮原文段落。

这个设计太重要了。意味着你可以随时验证AI说的是不是真的，有没有断章取义。

另外它还会根据你的资料自动生成一些"建议问题"，对于刚上传资料不知道问啥的新手很友好。

3.3 右边：Studio工作台功能详解

Studio面板位于界面右侧，包含9个主要功能模块，每个都支持自定义：

3.3.1 音频概览 (Audio Overview)

生成两位AI主持人讨论你资料的"播客式"音频

自定义选项：

• 格式：Deep Dive深度讨论 / Brief简报 / Critique评论 / Debate辩论

• 时长：简短(2-3分钟) / 标准(5-6分钟) / 加长(8-10分钟)

• 语言：支持80+语言

• 引导提示：指定聚焦主题、目标受众、专业程度等

• 互动模式：可实时加入对话向主持人提问（目前仅支持英语）

3.3.2 视频概览 (Video Overview)

生成带旁白的幻灯片式视频，包含图表、引用、数据可视化

自定义选项：

• 格式：多种预设风格 + Custom自定义视觉风格

• 语言：80+语言

• 引导提示：指定聚焦内容、学习目标、目标受众

3.3.3 思维导图 (Mind Map)

可视化展示资料的主题结构和概念关系

自定义选项：

• 点击节点可深入提问

• 展开/折叠分支查看不同层级

• 可下载为图片分享

3.3.4 报告 (Reports)

生成结构化文档，如你截图中的"用户资料导出（CSV）实现检查清单"

自定义选项：

• 预设格式：Briefing Doc简报 / Study Guide学习指南 / Blog Post博客 / FAQ / Timeline时间线 等

• 自定义格式：完全自定义结构、风格、语调

• 语言：130+语言

• 动态建议：根据资料内容自动推荐适合的报告类型

3.3.5 闪卡 (Flashcards)

生成问答式记忆卡片

自定义选项：

• 主题：指定聚焦哪些内容

• 难度：基础 / 进阶

• 数量：设置卡片数量

• 每张卡片点击"Explain"可获得详细解释+引用

3.3.6 测验 (Quiz)

生成选择题测试

自定义选项：

• 主题：指定测试范围

• 难度：基础 / 进阶

• 题目数量：可设置

• 答错后可查看解释和出处

3.3.7 信息图 (Infographic)

将资料转化为可视化信息图

自定义选项：

• 语言：中文（简体）等多语言

• 屏幕方向：横向 / 纵向 / 方形

• 详细程度：简短 / 标准 / 详细（Beta）

• 描述提示：指定风格、颜色、侧重内容，如"使用蓝色主题，强调3个关键数据"

3.3.8 演示文稿 (Slides)

自定义选项：

• 格式：详细演示文稿（适合邮件发送/独立阅读）/ 演示用幻灯片（简洁直观）

• 语言：中文(简体)等多语言

• 时长：短 / 默认

• 描述提示：如"为新手用户创建一套演示文稿，采用大胆活泼的风格，注重分步说明"

核心要点：每个功能都可以通过点击✏️编辑图标进入自定义界面，输入引导提示(steering prompt)来精确控制输出内容。

3.3.9 数据表格 (Data Tables)

将散乱信息整理成结构化表格，可导出到Google Sheets

自定义选项：

• 语言：中文（简体）等多语言

• 描述提示：用自然语言指定行、列内容，如"创建对比表格，列：产品名称、价格、优缺点"

• 导出：可导出到 Google Sheets 继续编辑

使用场景示例：

• 会议记录 → 行动项表格（按负责人、优先级分类）

• 竞品分析 → 对比表格（价格、功能、策略）

• 研究论文 → 文献综述表格（研究年份、样本量、结论）

• 备考复习 → 知识点表格（按时间、人物、事件整理）

• 旅行规划 → 目的地对比表格（最佳时间、预算、景点）

注意：目前优先开放给 Google AI Pro/Ultra 订阅用户，普通用户会在几周内陆续开放。

四、让我惊艳的功能：AI播客生成

这是NotebookLM最出圈的功能，也是我觉得最神奇的地方。

它不是念稿子，是真的在"聊"

点击生成Audio Overview之后，系统会把你上传的资料转化成一段两个AI主持人（一男一女）的对话。

第一次听的时候我真的惊了——这俩人不是在念课文，是在聊天。他们会互相打断，会感叹，会用比喻解释复杂概念，偶尔还会开玩笑。

这种表达方式，比直接读原文友好太多了。我现在用它来"被动学习"——做饭的时候放着听，通勤的时候听，遛娃的时候听。

自定义指令：做自己的导演

最新版本加了一个Customize功能，这才是真正好玩的地方。

你可以给AI主持人下指令，控制他们怎么聊：

设定听众： "把这些内容解释给刚入职、第一次接手这个小需求的新人后端同学听（少术语，多举例）"

聚焦主题： "只讨论‘用户资料导出CSV’这个需求怎么落地：接口定义、权限与审计、频控、CSV转义与脱敏，其他背景一律略过"

改变风格： "用代码评审（Code Review）的视角来聊：指出潜在坑、边界条件、可测试性，并给出可执行的检查清单"

辩论模式： "让男主持人扮演追求快速交付的工程师，女主持人扮演偏保守的稳定性/安全负责人，围绕‘导出接口是否需要频控/审计/UTF-8 BOM’进行辩论"

听众： "把这些内容解释给刚入职、第一次接手这个小需求的新人后端同学听（少术语，多举例）" 主题： "只讨论‘用户资料导出CSV’这个需求怎么落地：接口定义、权限与审计、频控、CSV转义与脱敏，其他背景一律略过" 风格： "用代码评审（Code Review）的视角来聊：指出潜在坑、边界条件、可测试性，并给出可执行的检查清单" 辩论模式： "让男主持人扮演追求快速交付的工程师，女主持人扮演偏保守的稳定性/安全负责人，围绕‘导出接口是否需要频控/审计/UTF-8 BOM’进行辩论"

我试过一个很骚操作的指令："假设这是2016年，你们是两个刚接手这个老系统的工程师，用当时团队的技术栈和流程来讨论这个‘导出CSV’需求应该怎么做。"效果意外的有趣——AI会用“老系统视角”去提醒你哪些地方最容易踩坑。

五、这是我用上述项目的测试结果

5.1 音频概览

5.1.1 默认设置

目前不能显示

5.2 视频概览

5.2.1 默认设置

目前不能显示

5.2.2 添加自定义

案例1：

视觉风格	水彩 或 可爱
AI主持人侧重	用轻松有趣的方式讲解这个小需求“用户资料导出（CSV）”怎么做：从 PRD 提炼目标与验收标准、从会议纪要提炼待确认项，最后把实现拆成「接口/权限与审计/频控/CSV 转义与脱敏/测试」五块。多用生活类比（比如“导出像打印清单”“脱敏像打码”），语气活泼。

案例2：

视觉风格	动漫
AI主持人侧重	我是刚入门的开发/测试同学，对后端接口不熟。请用最简单的语言解释这个导出功能要注意什么：为什么要权限控制、为什么要审计日志、为什么要做频控、CSV 为什么要转义（逗号/换行）、手机号/邮箱怎么脱敏。多用生活中的例子，尽量避免专业术语。

5.3 思维导图

5.4 报告

案例1：开发任务拆解（学习指南）

选择格式：学习指南 ✏️

点击编辑后输入：

聚焦需求：管理后台新增“用户资料导出（CSV）”。
基于我上传的 PRD + 会议纪要 + Issue/PR，生成内容包括：
1. 开发任务清单（按 FE/BE/QA 分组，包含接口、权限/审计、频控、CSV 转义与脱敏、测试用例）
2. 待确认问题清单（每条必须附引用）
3. 风险点清单（并给出规避建议）
目标受众：第一次做该需求的工程师

案例2：给产品/测试的FAQ（博文）

选择格式：博文 ✏️

点击编辑后输入：

标题风格：清晰直接的FAQ标题
主题：用户资料导出（CSV）功能说明 + 验收口径
语气：简洁、可执行、偏工程协作
结构：功能概述→字段与脱敏规则→权限/审计/频控说明→常见问题（至少10条）
长度：800字左右
目标读者：产品、测试、客服

案例3：给老板的简报文档

选择格式：简报文档 ✏️

点击编辑后输入：

提取“用户资料导出（CSV）”需求里最关键的决策点与风险点
每个观点必须附上原文引用（来自 PRD/会议纪要/Issue/PR）
结构：执行摘要（3句话）+ 关键风险（5条）+ 行动建议（3条）
语气：正式商务风格

案例4：上线前检查清单（自制格式）

选择格式：自制格式

输入描述：

格式：可打印的检查清单
结构：
- 第一部分：接口与权限（鉴权/角色/403/审计日志）
- 第二部分：数据与安全（脱敏、字段校验、敏感信息避免落日志）
- 第三部分：稳定性（频控429、超时、流式下载、异常处理）
- 第四部分：CSV正确性（转义规则、编码、Excel兼容）
- 第五部分：测试与验收（关键用例、回归点）
风格：简洁专业，适合打印贴在办公桌前

5. 闪卡

我个人感觉闪卡特别适用于把“需求口径/边界条件/异常码”这种容易漏的点做成随时复习的卡片，这里用“用户资料导出（CSV）”这个小需求做演示。

生成后可以在线使用闪卡：

点击解释，可以在左侧对话框生成 AI 对话 为你解释这段信息：

如果想要下载到本地，通常会导出为 CSV 文件。

接下来可以用下面的工具导入并复习。

方法：导入Anki（推荐⭐）

Anki是最强大的间隔重复记忆软件，免费

步骤：

1. 下载 Anki

• 安装

  • 按 Enter → 开始下载安装最新版Anki

  • 等待下载完成（可能需要几分钟）

  • 安装完成后会自动打开Anki

• 打开Anki → 文件 → 导入

• 选择你的CSV文件

• 设置字段分隔符为「逗号」

• 第一列映射为「正面」，第二列映射为「背面」

这样就能用科学的间隔重复算法来复习了！

案例1：核心概念速记卡

设置	选择
卡片数量	更少
难度等级	简单
主题	聚焦这个需求最核心的5个工程概念：权限控制、审计日志、频控、CSV 转义、数据脱敏。卡片正面是概念名称，背面是一句话定义 + 该需求中的落地示例。

案例2：金句记忆卡

设置	选择
卡片数量	更少
难度等级	简单
主题	提取这个需求里最容易遗漏的10条“验收口径/边界条件”。卡片正面是关键词（1-3个字），背面是完整规则 + 出处引用 + 一句话解释。

案例3：中英对照术语卡

设置	选择
卡片数量	标准
难度等级	中等
主题	需求/接口常见术语中英对照。卡片正面是英文（如Audit Log / Rate Limit / CSV Escaping），背面是中文解释 + 在本需求中的使用场景 + 引用。

案例4：安全与隐私专项

设置	选择
卡片数量	更多
难度等级	中等
主题	仅限于“安全与隐私”专项。每张卡片正面是一个风险点（如“越权导出”“日志泄露手机号”“频控缺失”），背面包含：定义 + 触发场景 + 规避做法 + 引用。

5.6 测验

案例1：场景应用测量（进阶）

设置	选择
问题 数量	标准
入口等级	中等
主题	测试能否把 PRD/纪要里的口径应用到实现与验收。题目形式：给出一个场景（如无权限访问、昵称含逗号、超限429），判断应该返回什么/如何处理/如何验收。

案例2：安全/稳定性风险识别（抽样测验）

设置	选择
问题 数量	更多
入口等级	困难
主题	仅限于“安全/稳定性”相关内容。测试风险识别能力：给出一个实现做法或事故现象，判断属于哪类问题（越权、脱敏缺失、频控缺失、CSV格式错误、审计缺失等）。

5.7 信息图

案例1：上线检查清单信息图（适合打印）

设置	选择
语言	中文（简体）
屏幕方向	纵向
详细程度	标准
描述	用户资料导出（CSV）上线检查清单流程图。使用深蓝色商务风格，按实现顺序排列检查项（权限→审计→频控→脱敏→转义→测试），用图标表示"通过/不通过"。适合打印贴在办公桌前。

案例2：五大关键点一图总结

设置	选择
语言	中文（简体）
屏幕方向	方形
详细程度	简短
描述	5个关键工程点的视觉总结：权限控制、审计日志、频控、数据脱敏、CSV转义。使用温暖的橙色和米色配色，每个点用一个简单图标+一句话解释。风格简洁可爱，适合团队分享。

案例3：风险点全景图

备注：图片中如果字数内容太多，还是有乱码

方法：可以生成多张图片，内容分开，每一张上减少中文内容。

设置	选择
语言	中文（简体）
屏幕方向	横向
详细程度	详细
描述	用户资料导出（CSV）常见风险点分类图谱。按类别分组（权限与越权、隐私与脱敏、稳定性与频控、数据格式与兼容性、审计与可追溯），每类给出3-5个风险点。使用学术风格的灰蓝配色。

案例4：实现模块地图

设置	选择
语言	中文（简体）
屏幕方向	横向
详细程度	标准
描述	展示这个需求的实现模块地图（接口层、权限与审计、业务拼装、CSV生成与转义、脱敏工具函数、频控中间件、测试用例）。使用彩色圆圈表示不同模块，中心是“导出CSV”。

5.8 演示文稿

案例1：给新人开发的入门演示

设置	选择
格式	幻灯片 用幻灯片
语言	中文（简体）
时长	短
描述	为第一次做该需求的新人介绍“用户资料导出（CSV）”的3个最核心点：权限与审计、脱敏与转义、频控与稳定性。每页只放一个要点+一个例子，语言通俗易懂，避免过多术语。风格轻松友好。

案例2：公司内部培训文档（详细版）

设置	选择
格式	详细演示文稿
语言	中文（简体）
时长	默认
描述	为工程团队准备的“导出功能实现规范”培训材料。包含完整讲解文字，每个模块配有：定义→原理→本需求示例→常见坑→测试要点。适合通过邮件发送给团队成员自学。

案例3：跨团队对齐用的5页短演示

设置	选择
格式	幻灯片 用幻灯片
语言	中文（简体）
时长	短
描述	5页短演示，主题“导出功能最容易翻车的5个坑”。每页一个要点，标题要有冲击力（如“一个未脱敏就可能是事故”），内容简短有力，用于跨团队对齐。目标受众：产品/测试/后端/安全。

案例4：复盘分享PPT

设置	选择
格式	幻灯片 用幻灯片
语言	中文（简体）
时长	默认
描述	复盘分享用PPT，主题“用户资料导出（CSV）上线复盘”。结构：背景→需求口径→实现方案→踩坑与解决→验收与监控→可复用 checklist。风格稳重大气，每页要点尽量附来源或证据。

5.9 数据表格

案例1：上线检查清单表格

设置	输入
描述	创建“导出CSV上线检查清单”表格。列：检查项目、核心问题、判断标准、通过/不通过示例。行：按实现顺序排列（权限→审计→频控→脱敏→转义→测试→监控）。

案例2：风险点对照表

设置	输入
描述	整理“导出功能风险点对照表”。列：风险点、类别、触发条件、影响、检测方式、修复方案。按类别分组（权限、安全、稳定性、数据格式、可观测）。

案例3：多元思维模型学科汇总

设置	输入
描述	汇总“导出CSV需求涉及的模块/依赖”。列：模块名称、职责、关键函数/接口、依赖、测试点、常见坑。行：前端下载、后端接口、鉴权、审计、频控、脱敏工具、CSV生成。

案例4：验收口径分类表

设置	输入
语言	中文（简体）
描述	整理“导出CSV”需求的验收口径与关键规则。列：规则原文、分类（权限/审计/频控/脱敏/转义/异常码）、一句话解释、适用场景。按分类排列。

六、不同人群怎么用？我整理了几个场景

场景1：自媒体内容创作者

痛点：每天要看大量资料，但能转化成内容的很少

用法：

1. 把一个选题相关的所有资料扔进一个笔记本

2. 让AI生成核心观点提炼

3. 用对比功能找出不同资料的观点差异（这就是内容角度）

4. 生成FAQ，每个问答就是一条潜在内容

实例： 我之前想把“导出CSV”这个小需求写成团队周报/分享，把 PRD+纪要+Issue 扔进去后，问AI："这个需求最容易翻车的5个点是什么？每个点给出引用依据和规避建议"——直接得到一份可用的风险清单。

场景2：职场打工人

痛点：会议记录太多，文档太杂，找信息像大海捞针

用法：

1. 把项目相关的所有文档（需求文档、会议记录、邮件往来）扔进一个笔记本

2. 直接问："关于XX功能，我们过去三个月做了哪些决策？"

3. 用时间轴功能梳理项目进展

4. 新人入职？直接让TA问笔记本，减少打扰老员工的频率

实例： 一个做产品的朋友跟我说，他把竞品分析报告全扔进去，然后问"竞品解决了哪些我们目前产品没解决的痛点"——省了他好几个小时的对比阅读时间。

场景3：时间碎片化人群

痛点：想学习但没整块时间，只能利用碎片时间

用法：

1. 把想学的课程资料（PDF、视频字幕、讲义）扔进去

2. 生成Audio Overview

3. 做家务、通勤、遛娃的时候听

4. 听到感兴趣的点，回来再用文字对话深挖

实例： 我会把 PRD/纪要/Issue 生成一份 Audio Overview，当“通勤播客”听。听到某个点（比如频控/审计/脱敏）有疑问，回到笔记本里点引用再深挖，实现上手更快。

场景4：工程师/新人接手

痛点：资料太多，需求口径散，容易漏边界、漏风险

用法：

1. 把 PRD、会议纪要、Issue/PR 全扔进去

2. 生成 Study Guide（学习指南）做任务拆解

3. 让它出“验收/边界条件”小测验自测

4. 问“最容易遗漏的3个实现细节是什么（带引用）”

实例： 我把三份材料扔进去后，问"哪些验收点在 PRD/纪要/Issue 中被重复强调？"——直接得到“必须做”的高优先级清单。

七、进阶玩法：从社群扒来的骚操作

这些是我从Reddit、Twitter、各种AI社群里扒来的高级技巧，官方文档里不一定有。

我把它们分成两类：核心6大玩法（按需求场景分）和特殊场景定制（按人群分）。

【第一层：核心6大玩法】按需求场景选

玩法1：5分钟吃透难点——（核心问题/实质性问题）提炼法

适用场景： 面对一堆复杂资料，想快速抓住核心

社群来源： 这招来自一个医学生的分享，他用这个方法把500页教材浓缩成5个问题。

提示词模板：

分析我上传的所有资料,找出理解这个主题必须回答的5个核心问题。
​
这些问题应该：
1. 覆盖主要概念和定义
2. 抓住反复强调的关键点
3. 揭示概念之间的关系
4. 连接到实际应用场景
​
注意：不要总结内容，只给我5个问题。

实战案例（工程师版）：

• 上传：PRD + 会议纪要 + Issue/PR

• 输出：5个核心问题，例如：

  • “导出接口的权限边界是什么？哪些角色允许导出？”

  • “CSV需要哪些转义/编码规则，Excel打开是否会错列/乱码？”

  • “为什么必须审计？审计日志包含哪些字段？”

  • “频控策略怎么定？超限时前端/后端怎么表现？”

  • “验收 checklist 的Top 10是什么？”

• 为什么有用： 记住5个问题比记住50行需求描述更容易，而且能迅速暴露理解盲区

玩法2：找爆款角度——惊喜观点挖掘机

适用场景： 内容创作者找选题、考证党找记忆点

社群来源： 一个YouTuber分享的"钩子挖掘法"，专门找那些"原来如此！"的惊喜点。

提示词模板：

我在研究[主题X]。
​
从所有上传的资料中，找出最令人惊讶、意外、或特别有趣的观点/事实。
​
对每个观点：
1. 说明为什么它令人惊讶
2. 直接引用原文作为证据（带页码/出处）
​
重点关注[具体方向]，避免强调[其他方面]。

实战案例：

• 工程师： "挖掘这个需求里10个最容易漏的边界条件（必须引用原文）"

• 测试： "找出最容易回归漏测的5条用例，并给出期望结果（403/429/文件名/字段顺序等）"

为什么有用： 惊喜点=记忆点=爆款钩子

玩法3：发现竞品盲区——空白地图扫描

适用场景： 做课程设计、写差异化内容、找研究方向

社群来源： 结合了你原有的"研究空白发现"+文章的"Source Gap"提示词

提示词模板：

审查所有上传的文档，告诉我"什么东西缺失了"，而不是"已经有什么"。
​
基于2026年[行业X]的标准，我想知道：
1. 哪些关键数据/观点应该存在但没有出现
2. 哪些地方做了假设但缺乏证据支撑
3. 哪些观点之间存在矛盾（用原文引用对比）
4. 给我5个深度研究问题，用来填补这些空白
​
不要泛泛而谈，所有矛盾必须基于直接引用。

实战案例：

• 课程设计： "市面上的...课程都讲了什么？我的课程能填补什么空白？"

• 内容创作： "竞品账号都在讲什么角度？我能抢占什么未被占领的山头？"

玩法4：找到真相——矛盾检测雷达

适用场景： 面对多个来源的信息，想知道到底该信谁

社群来源： 原版+补充：矛盾（Contradictions）提示词强化版

提示词模板：

对比所有上传的关于[主题X]的文档，找出最大的矛盾或冲突观点。
​
对每个矛盾：
1. 引用双方的具体说法（带出处）
2. 分析为什么会有分歧（方法差异？样本不同？时间不同？）
3. 告诉我需要什么证据才能解决这个矛盾
​
不要总结，只关注会改变结论的重大冲突。

实战案例：

• 考证党： "教材说A，辅导书说B，历年真题考C——到底该信谁？"

• 内容创作者： 观点冲突就是选题宝藏："XX领域的两大流派到底谁对？"

玩法5：跨界创新——隐藏连接发现术

适用场景： 想做原创内容、跨界组合、新角度分析

社群来源： 原版+补充：内在联系（Hidden Connections）提示词

提示词模板：

探索并综合[主题A]和[主题B]之间的联系（即使这个联系很抽象）。

对每个相关的资料：
1. 引用与任一主题相关的关键证据
2. 将它与其他资料中的信息建立联系
3. 指出任何冲突或矛盾的观点
4. 强调有趣或意外的组合

最后给我一个清晰的总结：这两个主题如何连接。

所有观点必须基于原文引用。如果资料不支持连接，请明确指出。

实战案例：

• 跨模块连接： "把 PRD 里的验收口径和 Issue 里的实现任务一一对应，看看哪里缺了/多了"

• 创新角度： "把‘导出CSV’当成一个安全/合规问题来分析：哪些点如果没做会直接变事故？"

玩法6：深度学习三件套——互动强化组合拳

适用场景： 想彻底学透一个知识点，而不是浅尝辄止

社群来源： 整合了原版的"费曼技巧+角色扮演播客"+补充：Quiz和Self-Improvement

【套装A：费曼小白化讲解】

把上传的内容解释给一个好奇的初中生听。

用简单语言、短句子，不预设任何背景知识。

每个回答按这个结构：
- TL;DR：一句话总结（超级简单的词汇）
- 类比：一个现实世界的例子或比喻
- 词汇表：3个难词，用大白话解释

如果某段太技术化，把它变成True/False小测验。

【套装B：Quiz（测验）自测题库生成】

基于上传的资料，创建一个互动讨论。

格式选择：Quiz模式

- 两个主持人
- 一个主持人出题，另一个回答
- 10道题（选择题+判断题混合）
- 回答者会故意答错几道
- 纠错时必须引用原文解释
- 最后公布分数

所有题目和答案必须基于上传的资料，不要自己编。

【套装C：Self-Improvement（自我提升）复盘提升】

我尝试了某件事，但没成功。请对比我的做法和上传资料中的方法。

详情：
- 项目：[我尝试的事]
- 我的方法：[我的步骤]
- 结果：[实际发生了什么]
- 预期：[我以为会发生什么]

现在交叉对比资料，找出：
1. 我没遵循的方法或步骤（直接引用原文）
2. 我完全错过的重要概念
3. 我跳过的前提条件或基础

输出格式：
"在[概念X]上的差距：
你漏掉了[步骤]，
但[资料名称，第X页]指出：
'[原文引用]'"

重点是学习，不是指责。所有差距必须有原文证据。

实战案例（工程师专用三步走）：

1. 第一步： 用费曼法把需求讲给“第一次做该需求的新人”听（尽量少术语）

2. 第二步： 生成10道“边界条件/异常码/权限”题自测，看看哪里还没懂

3. 第三步： 把做错的题丢给Self-Improvement，让它基于引用指出你漏掉的口径

【第二层：特殊场景定制】按人群需求选

玩法7：产品经理专用——无情洞察提取机

适用场景： 面对一堆竞品分析、用户访谈、市场报告，需要快速提炼"能做什么"而不是"说了什么"

社群来源： 灵感来自硅谷某产品总监在Twitter的分享。他说传统AI助手的问题是"太客气、太啰嗦、总想展示自己懂很多"，而产品经理需要的是像手术刀一样精准的信息提取——直接告诉我哪里有机会、哪里有坑、哪里有盲区。

你现在是一位准备向CEO汇报的首席产品经理。
审查上传的所有文档，为决策准备一份备忘录。

忽略废话和评论，只关注影响实际决策的洞察。

用子弹点总结你的发现，分为以下几个部分：

【一、用户证据】
- 直接引用能揭示真实用户问题、需求或痛点的内容
- 不要总结"用户想要什么"，给我原话
- 标注出处（文档名+具体位置）

【二、可行性检查】
- 技术限制：资料中提到的技术、操作或资源约束
- 成本限制：提到的预算、时间、人力约束
- 政策限制：法规、合规、流程约束

【三、盲点识别】
- 重要信息缺失：应该有但没有的数据
- 未考虑的因素：被忽略的关键问题
- 假设漏洞：哪些结论基于未验证的假设

【四、风险预警】（新增！）
- 资料中暗示但未明说的风险
- 不同来源之间的矛盾点
- 可能的失败模式

如果我的问题或目标不清晰，先暂停，问我澄清问题，
不要自己假设或得出结论。

与其他提示词组合使用

组合1：盲点识别 +玩法3：发现竞品盲区——空白地图扫描

• 先用"产品经理提示词"找到缺失信息

• 再用"Source Gap提示词"深挖为什么会缺失

组合2：用户证据 + 玩法2：找爆款角度——惊喜观点挖掘机

• 先用"产品经理提示词"提取用户痛点

• 再用"惊喜观点挖掘"找出其中反常识的洞察

组合3：可行性检查 + 玩法4：找到真相——矛盾检测雷达

• 先提取限制条件

• 再看不同来源对限制条件的矛盾说法

完整版本：产品经理的提示词组合拳

玩法8：多语种需求——母语播客生成

适用场景： 想用方言/外语学习，或做区域化内容

社群来源： 补充多语言播客（Multilingual Podcast）提示词

提示词模板：

基于上传的资料，创建一个深度讨论，完全用[目标语言]进行。

全程只用[目标语言]。除非某个技术术语无法翻译，否则不要使用英语。

保持自然对话的语气，就像真实的播客或口头解释。

实战案例：

• 把英文AI论文变成中文播客

• 把 PRD/会议纪要变成粤语播客（通勤时听）

大家一起来听听看，这个粤语标准吗？可以在评论区留下观点哦。

目前的遗憾是：还无法做到全程粤语输出，后面再看看有没有优化的办法。

此内容暂时无法在飞书文档外展示。

玩法9：角色扮演播客——疯狂脑洞版

补充：Audio Overview的角色扮演玩法远不止官方展示的那些。

社群里有人试过：

• "你们是两个1920年代的学者，刚发现了这份来自未来的文档"

• "一个人是该理论的狂热粉丝，另一个是极度悲观的批评者"

• "模拟安全同学/测试同学问开发的场景"

甚至有人试过让主持人"中途摔下楼梯带着痛苦继续主持"——纯属搞笑，但说明这个功能的可塑性很强。

严肃应用（工程师版）：

• "模拟上线评审：评审人刁难 vs 开发应对（必须引用资料）"

• "两个人辩论：导出接口是否必须强制频控/审计/加BOM？"

八、必须说清楚的局限性

工具再好也有边界，用之前要清楚这些：

局限1：不联网

NotebookLM不会实时搜索网络。它只知道你喂给它的内容，加上它本身预训练的知识。

你问它今天的股价、昨天的新闻，它是不知道的——除非你把相关资料上传进去。

局限2：图片识别一般

虽然能处理PDF，但对图表、图片里的信息提取能力不算强。它本质上还是一个文字处理工具。

如果你的资料里有大量图表，别指望它能完美解读。

局限3：引用不是100%完美

虽然它很努力在"不瞎编"，但当你上传的多个文件之间有矛盾时，它偶尔也会困惑。

最佳实践是：重要结论一定要点击引用，回到原文核实。

局限4：50个来源上限

一个笔记本最多50个来源。对于小项目够用，对于大型研究可能要想办法合并文件。

局限5：免费版有使用限制

目前个人用户免费，但企业/教育账户可能需要管理员开权限。另外18岁以下用户有访问限制。

九、关于隐私：能不能放敏感资料？

这是很多人关心的问题。

官方说法：

• 个人账户上传的数据不会用于训练模型（除非你主动点赞/点踩反馈）

• 企业版数据严格隔离，谷歌员工也看不到

我的建议：

• 公开资料、学习资料：放心用

• 公司内部文档：如果公司允许，可以用企业版

• 极其敏感的个人信息（身份证号、银行卡等）：上传前脱敏处理

我自己的原则是：不传任何我不愿意被泄露的东西。虽然官方说不会泄露，但任何云端服务都有理论上的风险。

十、我的NotebookLM工作流总结

懿轩个人的一套使用习惯：

第一步：明确目的

在创建笔记本之前，先想清楚这个笔记本要解决什么问题。

是“快速把小需求落地并可验收”？还是“把零散资料整理成任务与风险清单”？还是“分析竞品策略”？

目的不同，资料选择和提问策略也不同。

第二步：资料预处理

• 能合并的文件先合并

• 无关的内容先删掉（比如书的前言、广告页）

• 格式统一（最好都是PDF或纯文本）

垃圾进，垃圾出。输入质量决定输出质量。

第三步：先全局后局部

上传完先生成一份Summary或Briefing Doc，确认方向对了。

然后再开始问具体问题。

第四步：善用勾选筛选

不要总是让AI看所有资料。当你想做局部分析时，只勾选相关的几个文件。

这样AI的回答会更聚焦，也更准确。

第五步：保存有价值的笔记

对话过程中产生的有价值洞察，随时保存为笔记。

这些笔记可以继续参与后续对话，形成知识的累积。

第六步：音频转化碎片学习

学完之后，生成一份Audio Overview。

这样你的"系统学习"就变成了"可随时复习的音频资料"，碎片时间都能用上。

NotebookLM 给我最大的启发是：与其把时间花在“怎么写出更好的 Prompt 让 AI 帮我写文章”，不如回到根上想——“怎么整理更好的数据源，让 AI 帮我一起思考”。

说到底，输入决定输出；你给的数据质量，决定了它能给到你的洞察质量。 你喂给 AI 什么，它就会用同样的材料回馈你什么。

这篇笔记就是我这周折腾 NotebookLM 的完整记录：从怎么整理资料、怎么提问，到怎么把它落到日常工作流里。 希望能帮你少走点弯路、少踩点坑。

如果你也在用这个工具，欢迎留言交流你都怎么玩、有什么更高效的用法。