12 份 PDF、3 份竞品白皮书、一份分析师报告，老板要”周五前给我一份跨文档全景图”。单篇摘要回答的是”第 5 篇说了什么”，却永远答不了”这 16 份来源在哪里同意、哪里分歧、哪里集体沉默”。那个跨源信号才是这件事的全部，而一摞单篇摘要恰恰把它丢掉了。这篇给研究人员、战略分析师、研究生一套四问综合工作流：一个工作日产出一份可捍卫的跨源 brief，每条引用都能追回到具体来源。
一句话总结
- 按顺序跑四个问题——共识、分歧、空白、时效——针对你的全部来源集，而不是逐篇问。
- 5 份以上用 NotebookLM：它把每个回答都锚定在你上传的来源里、带内联引用，截至 2026 年 6 月，其幻觉率约 13%，而通用聊天模型在 40% 以上。5 份以内、想要来回对话时用 Claude Projects 或 ChatGPT Projects。
- 原创信号在分歧和空白里，不在共识里。模型为了显得自信会夸大”一致”，所以每条分歧都要逼它给出每份来源各一句原话。
- 发布前抽查 20% 的引用，对照原文核验。NotebookLM 有锚定，但不是零幻觉。
什么时候用（什么时候别用）
当单篇摘要不够、你需要跨源对比时就用它：梳理竞品定位的战略团队、在管理层 deck 和分析师报告之间三角验证的投资人、用学术文献核对政府声明的政策写作者、处理一堆爆料文件的记者。只要任务描述里出现”在文献中”这类表达，这就是你的工作流。
以下情况别用：
- 只有两份文档。 并排读完就行，上工具的开销不值。
- 有几百份且答案是统计性的，不是解读性的。 用文献计量工具，别用聊天模型。
- 来源高度敏感（法律 / 涉密 / 病例）且禁止上传。 手工综合。
如果你只需要单篇摘要——比如明天 journal club 只读了一篇——用10 分钟读完一篇的研究摘要工作流更合适。多语言来源不是阻碍，只多花一步，下文会讲。
选对工具
决定综合质量的最大变量，是模型到底从你的来源作答，还是从它的训练数据作答。区别就在”锚定”二字。下表是截至 2026 年 6 月三个现实选项的对比。
| 工具 | 最适合 | 来源 / 文件 | 引用 | 模型 | 价格 |
|---|---|---|---|---|---|
| NotebookLM（免费） | 5-50 份、引用要求高 | 每 notebook 50 份来源、每份 50 万词、100 个 notebook | 内联、点击跳源；幻觉率约 13%，通用模型 40%+ | Gemini 3 | $0 |
| NotebookLM Plus | 大语料 | 每 notebook 300 份来源、500 个 notebook | 同上，且每日额度更高 | Gemini 3 | 含在 Google AI Pro $19.99/月 |
| Claude Projects | ≤5 份、对话式综合 | 每文件 30MB，实际近乎不限（在 100 万 token 上下文上做 RAG） | 仅靠 prompt——必须自己强制 | Sonnet 4.6 / Opus 4.7 | Pro $20/月 |
| ChatGPT Projects | ≤5 份、对话式 | 单条消息最多 20 个文件、单文件 512MB | 仅靠 prompt | GPT-5.5 | Plus $20/月 |
经验法则：
- 5 份及以上 → NotebookLM。 引用是一等公民、扎根于检索，“第 7 份来源在哪儿这么说的”一点即达，不用重新 prompt。免费版 50 份的上限够覆盖大多数综合任务，只有大型文献综述才需要 Plus。
- 5 份及以下 → Claude 或 ChatGPT Projects。 对话更顺、迭代更快，但两者都不会自动锚定回答——引用纪律全靠你的 prompt。Claude Projects 适合长来源，因为它的 100 万 token 上下文（Sonnet 4.6 和 Opus 4.7）在超出时会切到检索。
- NotebookLM 免费版每天限 50 条对话查询、3 次音频概览，对单篇 brief 来说很少会碰到上限。
开始前准备
- 提前定来源分级规则。 同行评议论文、灰色文献报告、博客、内部备忘录——证据等级不同。给每份标 tier 并明确告诉模型据此加权，否则它会把一篇 Substack 当成《Nature》论文。
- 来源标签标准化。
Smith 2024或内部 Q3 deck——可读、唯一、足够短能内联进引用。NotebookLM 拿文件名当标签，所以上传前先重命名。 - 综合问题先写下来。 模糊的问题出模糊的综合；问题的结构就是输出的结构。
四问工作流
给每份来源配上稳定标签后全部上传，然后按顺序跑这四个 prompt。每条响应分别保存，方便事后 diff 和审计。
1. 共识。
所有来源在 [话题] 上同意什么？每条共识列一条 bullet，附上每一份
支持它的来源引用。不要编造同意——只列所有来源真的都提到的点。“不要编造”这句不是可选项。模型为了显得自信会把分歧往上圆成”广泛共识”，这句话是你对此的第一道防线。
2. 分歧。
哪里有分歧？每条分歧标明哪几份来源站哪一边，各引一句原话。
不要 paraphrase。逐字原话才让抽查成为可能。被 paraphrase 的分歧，恰恰是模型把真冲突磨成”不同框架”、抹掉你要找的信号的地方。
3. 空白。
没有任何来源覆盖什么？提出了但从未回答的问题是什么？暗示了
但从未论证的是什么？空白问题是综合变成原创工作的地方——它告诉你下一步研究什么，也是最可能装着你真正贡献的那一段。
4. 时效。
哪些主张被后来的来源推翻了？老看法和新看法在哪里不同？
用我提供的发表日期来判断。对快速变化的领域至关重要——去年的”既定结论”今年就成了脚注。
然后编稿：来源标签原样带过，确保引用可追溯；再开 3 份来源，确认支持文本真的存在。
发布前的质量检查
- 每条主张至少一条引用。 没有支持的主张，要么来自模型训练数据（不是你的来源），要么是编造。删掉，或去追那份来源。
- 抽查 20%。 每 10 条引用，开 2 条对照原文。准确率低于 80% 就别在没做全量审计前发布。NotebookLM 的锚定降低了出错率，但没归零。
- 分歧带逐字原话，不是 paraphrase。 paraphrase 是冲突被磨成”框架”的地方。
- 来源 tier 可见。 同行评议论文和博客分歧时，brief 要说出来，而不是把它们等价并列。
- 空白段至少 3 条。 少于 3 条通常说明模型用共识和分歧填了字数，而没做更难的活。
怎么复用这套流程
- 把四个 prompt 存成模板。新项目、新来源，同样四问。
- 周期性研究（季度竞品全景、周度文献跟踪）维护一份”活的”综合文档，每周期重跑一次。对前后两版做 diff，能看出领域里真实发生的位移。
- 来源标签跨项目保持稳定，这样几年后老综合仍然可读。
容易踩的坑
- 混合不同质量来源却不标注——同行评议论文和博客被当成等价证据。
- 问”总结”而不是这四个问题。 总结会把综合所依赖的跨文档结构压扁。
- 最终稿丢了引用标签。 标签一丢，综合就不可验证。
- 不抽查就信”所有来源都同意”。 模型为了显得自信会夸大一致。
- 停在共识上。 原创信号在分歧和空白里，你的贡献也在那里。
FAQ
- NotebookLM 还是 Claude/ChatGPT Projects？: 5 份及以上、真有引用需求就用 NotebookLM——锚定和内联点击跳源是它的核心优势。来源少、想要更对话化、更迭代的综合，用 Projects。
- 来源是不同语言怎么办？: NotebookLM 在 Gemini 3 上能直接处理多语言来源。用 Projects 的话，先把每份来源摘要成同一种语言，再对这些摘要做综合。
- 来源的实际上限是多少？: NotebookLM 免费版每个 notebook 能流畅处理 50 份来源（2026 年 6 月），Plus 提到 300 份。超过几百份就按主题聚类、分簇分别综合——模型要同时拽太多条线时质量会下降。
- 能信 AI 说的”没有来源覆盖这点”吗？: 抽查后再信。模型偶尔会漏掉一份其实涉及该话题的来源，尤其当它的措辞和你的提问不一样时。
- 该不该纳入我个人不同意的来源？: 该。综合最有用的时刻，是它把你反对的观点连同理由一起摆上来，让读者自己判断。
- 工具读不到的 paywall 来源怎么处理？: 当作 out of scope。别让模型对它看不到的内容做猜测——编造引用就是这么混进来的。