这篇讲什么
NotebookLM 是 Google 的”grounded” AI——只从你上传的来源里答，且每条答案都带回到具体段落的内嵌引用。这篇是一份 20 分钟从空白 notebook 跑到带 5-50 个来源的可用研究 workspace 的实战路径，附 Audio Overview、Notes、Mind Map 这些功能研究员真正在怎么用。
这篇适合谁看
研究人员、研究生、知识工作者、记者、分析师——手里已经有 5+ 篇相关 PDF / 文章、需要做综合的人。文献综述、尽调资料包、竞争分析、长访谈准备特别合适。
什么时候适合用
手上有一堆相关来源（PDF、URL、Google Doc、YouTube 字幕），需要：跨它们提问 + 拿引用、找来源之间的分歧、生成播客式音频总结路上听。不适合：问网上新发生的事（用 Perplexity）、开放式头脑风暴（用 ChatGPT / Claude）。
开始前准备
- 一个 Google 账号；访问 notebooklm.google.com。基础免费、配额相当宽松；Plus 档限额更高。
- 先准备好来源。10-20 篇精选来源比 50 篇随手塞的有用得多——综合质量跟信噪比成正比。
- 用真实的研究问题命名 notebook，不要只写主题。“室内空气质量是否影响认知表现？” 比 “室内空气” 好得多。
- 确认来源不是付费墙后的 HTML 页——URL 导入器绕不过付费墙，付费文章用 PDF 上传。
具体步骤
- 访问 notebooklm.google.com 用 Google 账号登录。
- 新建 notebook。 点 “Add source” 上传至多约 300 个来源（早期上限 50，2025 年扩大）。支持 PDF、URL、Google Doc、纯文本、YouTube 链接（自动字幕）、粘贴文本。
- 等 NotebookLM 摄入。 2-10 分钟，视体量。左栏出现来源预览就代表好了。
- 在聊天里问 grounded 的问题。 答案带引用 chip——点开跳到具体段落。永远核对引用是否真的支撑结论。
- 试 Audio Overview。 点按钮，生成一段 5-15 分钟的播客式对话总结。通勤路上复盘、或者发给同事很好用。
- 把关键回答 Pin 成 Note。 Note 在后续 prompt 里可被引用。这是跨多次 session 积累综合发现的方式。
- 从源操作菜单生成 Mind Map / Briefing Doc / FAQ ——这些是已经做好的综合视图，否则你得手动 prompt。
真正能挖出洞见的提问模板
- “这些来源在 X 上的共识是什么？”
- “来源在 Y 上分歧在哪里？各方援引的最强证据分别是什么？”
- “列出关于 Z 的每一条论断，附来源以及作者的确定性程度。”
- “如果合并这些来源的证据，对 W 这种情况会预测什么？”
- “哪些来源跟引用最多的那条论断相矛盾？理由是什么？”
规律：问综合或分歧，不要只问”总结”。总结很平淡，分歧地图才有用。
建议的操作流程
收 10-20 篇精选来源 -> 上传 -> 问 "X 的共识是什么" -> 点引用回原文核对 -> Top 3 答案 Pin 成 Note -> 问 "分歧在哪" -> 用分歧地图规划下一步阅读 -> 生成 Audio Overview 分享。第一轮 20-30 分钟，之后加入新来源再回来。
FAQ
- 数据会用于训练吗？: 按 Google 当前政策，notebook 不用于训练模型。在账户隐私设置里确认。
- 一个 notebook 能放多少来源？: 当前上限约 300（早先 50）；每个可几百页。
- 能分享 notebook 吗？: 可以——通过分享按钮，受邀者能读来源、聊天。把研究资料包交给同事很方便。
- 支持离线吗？: 不支持；它是 web app，来源在服务端处理。
- 非英文来源呢？: 英文最强、主要欧洲语言和中文不错、小语种弱。Audio Overview 截至 2026 仍只支持英文。
- Audio Overview 能导出吗？: 可以下 MP3。生成前可在 customize 面板调整时长和主持人设定。
容易踩的坑
- 只上传 1 个来源——跨文档价值就没了，退化成对一份 PDF 的尬聊。
- 忽视引用 chip——那是信任信号；没有引用的回答是幻觉警告。
- 当 ChatGPT 用——它是 grounded 不是生成式，不擅长写诗或开放式头脑风暴。
- 一次塞 100+ 低质量来源——噪声越多综合越差，精选到 10-30 篇强来源。
- 只问”总结”——综合类问题（分歧 / 共识 / 证据）输出价值高得多。
- 不用 Notes——失去跨 session 积累洞见的能力。
相关阅读
标签: #教程 #研究 #NotebookLM #入门