Appearance
Google NotebookLM 使用教程：基于文档的 AI 研究助手完整指南
大多数 AI 问答工具有一个共同的问题：当你问它「这份合同的第 12 条款具体怎么说的」，它给你的答案可能完全是编出来的，字里行间看着像那么回事，但根本找不到原文依据。
Google NotebookLM 从根本上解决了这个问题——它只基于你上传的文档来回答问题，每一条答案都附带原文引用，可以直接跳转到来源段落核查。这不是一个「拿文档当背景参考」的 AI，而是一个严格锁定在你的知识库范围内工作的研究助手。
更特别的是它的「音频概览」功能：上传一批文档，NotebookLM 能生成一段两位 AI 主持人对谈的播客音频，把你文档里的核心内容用口语化的方式讲出来——这个功能在所有 AI 工具里目前独一无二。
NotebookLM 是什么，和 ChatGPT 有什么本质区别
普通 AI 助手（ChatGPT、Claude、Gemini）的知识来源是训练数据——它们知道的东西是固定在某个时间点之前的，而且无法直接操作你手头的文档。你可以粘贴文档内容进去，但一旦对话窗口长度超限，它就会开始「遗忘」，并且它的回答无法精确追溯到原文的哪一行。
NotebookLM 的设计思路不同：
- 来源锁定：AI 只从你添加的来源里找答案，不会引用外部知识（如果文档里找不到，它会直接告诉你「来源中没有这方面信息」）
- 引用透明：每条回答都标注了具体来源，点击可以跳转到原文段落
- 多来源整合：可以同时上传几十份文档，AI 能跨文档综合分析、对比不同来源的观点
- 结构化输出：可以直接生成学习指南、FAQ、大纲、时间线等结构化笔记
用一句话概括：ChatGPT 是一个什么都懂的通才，NotebookLM 是一个只研究你给它的材料、但研究得极其深入的专才。
开始使用：注册和基本操作
NotebookLM 目前可以免费使用（部分高级功能需要 Google One AI Premium 订阅，月费约 $19.99），访问地址：notebooklm.google.com，使用 Google 账号登录即可。
国内访问说明：NotebookLM 是 Google 服务，国内需要借助稳定的境外网络才能访问。建议在网络条件稳定时进行文档上传，避免因连接中断导致上传失败。
登录后，界面分为两个区域：
- 左侧：Notebook 列表（相当于项目文件夹）和来源管理
- 右侧：对话区和笔记区
第一步：新建一个 Notebook
点击「New Notebook」，起一个项目名称（如「Q3财报分析」「Python学习」），这就是你的一个独立知识库。
第二步：添加来源
点击「Add Source」，支持以下格式：
| 来源类型 | 具体支持 |
|---|---|
| PDF 文件 | 本地上传，上限 500 MB，支持扫描版（带 OCR） |
| Google Docs | 直接连接，文档更新后可以同步 |
| Google Slides | 演示文稿 |
| 网页 URL | 粘贴链接，自动抓取正文内容 |
| YouTube 视频 | 粘贴视频链接，自动提取字幕内容 |
| 纯文本 / 复制粘贴 | 直接输入文字内容 |
每个 Notebook 最多支持 50 个来源，每个来源最长 500,000 个字（token）。
核心功能详解
基于来源的 AI 对话
添加来源后，右侧对话框就可以开始问问题了。最关键的特性是每条回答右侧都有数字角标（类似学术论文的注释），点击可以高亮显示对应的原文段落。
问问题的姿势：
太宽泛的问题（「总结一下这份文档」）给不出有深度的答案。更有效的方式是：
- 针对具体细节：「第三章提到的 A 方案和 B 方案，具体区别在哪里？」
- 要求对比：「这三份报告对同一个市场的判断有哪些分歧？」
- 验证假设：「文档里有没有支持'用户留存率低于 20% 是行业共性问题'这个说法的数据？」
- 提炼要点：「把这篇技术文档里所有关于性能优化的建议提炼出来」
NotebookLM 能做的不只是「查找」，它可以真正做推理——比如你上传了 5 篇竞争对手的新闻稿，问「从这些信息推断，他们接下来最可能的产品方向是什么」，它能基于文档内容给出有依据的分析。
当文档里没有答案时：NotebookLM 不会编造答案，而是回复「来源中没有包含相关信息」，这一点对需要高准确度的场景（法律、医疗、财务文档分析）非常重要。
音频概览（Audio Overview）
这是 NotebookLM 最独特的功能，也是很多人第一次用完之后会觉得「这也太牛了」的部分。
操作方式极简：左侧来源面板右上方，找到「Audio Overview」按钮，点击「Generate」，等待 1-3 分钟，NotebookLM 会生成一段 5-15 分钟的播客音频。
音频内容是两位 AI 主持人（一男一女声）用对话形式讨论你文档里的核心内容：他们不是逐段朗读，而是像两个刚读完这些资料的人在聊天，会互相追问、举例子、用类比解释复杂概念。
实际用法举例：
- 早上通勤路上，边走边听昨晚上传的行业报告音频摘要
- 上传一本技术书的 PDF，生成播客，先用「耳朵」理解大框架，再回去细读难点
- 把会议纪要上传，生成音频，分发给没参加会议的同事「听个大概」
- 上传多篇学术论文，生成综述性的播客，帮助理解不同论文的关系
目前的局限：音频目前只有英语版本（即使你上传的是中文文档，音频也是英文的），这是已知的最大不足。对中文用户来说，这个功能目前主要适合英文材料处理，或者接受听英文版本的场景。
笔记功能
对话区右侧有「Notebook Guide」（笔记指引）面板，NotebookLM 可以帮你自动生成：
- 学习指南（Study Guide）：把文档内容整理成带答案的问答题，适合备考和培训
- 内容大纲（Briefing Doc）：提炼文档核心框架，适合快速把握全貌
- FAQ：自动从文档里识别常见问题并给出解答
- 时间线（Timeline）：提取文档里提到的事件、日期，生成时间轴
- 目录（Table of Contents）：生成带层级的内容目录
这些功能生成的结果都可以添加到「Notes」区域保存，或者继续在对话中追问细节。
三类使用场景实战
场景一：研究和竞品分析
工作流：
- 收集材料：竞品公司的年报、新闻稿、产品文档（PDF 或网页 URL）
- 全部添加到一个 Notebook
- 生成「Briefing Doc」先建立整体认知
- 针对性提问：「三家公司的定价策略有什么共同点和差异？」「哪家的用户增长数据最透明，具体是怎么披露的？」
- 把关键回答保存到 Notes，整理成分析报告的素材
一个实际例子：上传了某行业的三份独立分析报告（共约 150 页），在 NotebookLM 里问「这三份报告对该行业未来三年增长预测的假设前提有哪些分歧」。NotebookLM 给出了对比表，并直接引用了每份报告里对应的原文段落——这个工作如果手动对比，可能需要 2-3 小时，NotebookLM 大约用了 30 秒。
场景二：学习和考试备考
工作流：
- 上传教材 PDF、课程讲义、历年真题（如果有文字版）
- 先生成「Study Guide」，用问答题的形式检验自己对知识点的掌握
- 遇到不确定的地方，直接在对话框问「第三章关于 X 原理，教材是怎么解释的？为什么这样？」
- 用「Audio Overview」生成整本书的音频概览，通勤时反复听，强化记忆框架
特别适合：研究生备考、职业资格认证（考试资料是固定范围的文档集）、学习外语技术文档。
场景三：内容创作者的素材整理
工作流：
- 把采访录音转文字后上传，加上相关背景资料
- 对话提取：「采访里被采访者提到了哪些具体案例，帮我列举出来」
- 角度挖掘：「从这些采访内容里，最出乎意料或反直觉的观点是什么？」
- 生成文章大纲：「根据这批素材，建议写哪几个切入角度，分别对应哪些内容」
这个场景对做深度报道、播客内容策划、调研报告的人特别有价值——不再需要在几十页转录稿里手动翻找素材。
进阶技巧
技巧一：利用「Pin to top」固定核心来源
对于特别重要的来源（比如主文档、核心规范），可以在来源列表里置顶，这样 AI 在综合多来源时会优先参考权重更高的文档。
技巧二：用来源标注筛选回答范围
在问题里加上「只从 XXX 这篇文档来回答」，可以让 AI 聚焦在单个来源，避免多来源混淆。
技巧三：YouTube 视频来源最大化利用
添加 YouTube 视频链接时，NotebookLM 提取的是视频字幕内容。对于有中英双语字幕的教程视频、TED 演讲，这个功能可以把视频内容变成可检索的文本来源，后续直接问「这个视频的第几分钟讲了什么」。
技巧四：迭代提问法
第一次问一个宽泛问题，看 NotebookLM 给出的回答和引用，再针对引用里的具体段落追问细节。这种「逐层深挖」的方式比一次性问长问题更容易得到准确、有深度的答案。
技巧五：Notes 当作工作台
把每次对话里有价值的回答保存进 Notes，最后 Notes 里积累的内容可以直接导出或继续在对话里问「基于我的 Notes 内容，帮我写一个摘要」。
免费版与 Plus 版的区别
| 功能 | 免费版 | NotebookLM Plus（$19.99/月） |
|---|---|---|
| 每个 Notebook 来源数量 | 50 个 | 200 个 |
| Audio Overview 数量 | 3 次/天 | 无限 |
| 自定义音频风格（正式/随意/深度等） | 无 | 有 |
| 分享 Notebook | 有限制 | 可分享给团队协作 |
| 优先处理队列 | 普通 | 优先 |
对个人使用来说，免费版基本够用——每天 3 次 Audio Overview 对大多数场景足够，50 个来源也能装下相当多的文档。只有需要大规模文档处理或团队协作的场景才值得升级 Plus。
常见问题 FAQ
Q：NotebookLM 能处理中文文档吗？
可以。上传中文 PDF、中文文档完全没问题，对话也可以用中文提问，回答也是中文。唯一不支持中文的是音频概览功能（目前只生成英语音频）。其他所有功能对中文内容支持都很好。
Q：上传的文档会被 Google 用于训练模型吗？
根据 Google 的隐私政策，NotebookLM 上传的个人文档不会被用于改进或训练通用 AI 模型。Workspace 企业账户有更严格的数据隔离保障。如果要处理高度敏感的文件（如合同、财务数据），建议查阅最新版的隐私条款，并考虑先脱敏再上传。
Q：NotebookLM 和 Google Gemini 有什么区别？
Gemini 是通用 AI 助手，知识来源是互联网训练数据，擅长回答各类问题、生成创意内容；NotebookLM 专注于「基于你的文档」的分析和研究，不依赖通用知识，适合需要精确引用和文档深度分析的场景。两者互补，不是替代关系。
Q：一次可以上传多大的文档？
单个来源上限 500 MB（PDF），文本长度上限约 500,000 字（token）。一本普通书籍大约 10-20 万字，所以一个 Notebook 能装下相当于一套百科全书的内容。
Q：音频概览的声音能选择吗，能控制时长吗？
免费版不能自定义。Plus 版可以选择播客风格（轻松聊天 / 正式讲解 / 深度分析）和大致时长。音频生成后目前不支持导出为 MP3（只能在网页里播放），这一点有所不便。
Q：NotebookLM 能分析图片内容吗？
PDF 里的图表和图片目前不能完全识别——如果图片里有文字（如信息图表），可能无法准确提取。纯图片的内容 AI 不能理解，建议在上传前把关键图表的数据手动转为文字说明。
Q：和 Kimi、秘塔 AI 等国内同类工具相比怎么样？
功能定位类似，但各有侧重。Kimi（参见 Kimi AI 使用教程）在支持超长文本方面表现不错，且完全不需要翻墙，适合处理中文文档的日常场景。NotebookLM 的优势在于多来源管理、精准引用系统和音频概览功能，在研究型使用场景的深度上目前领先。如果你的文档以中文为主且在国内使用，Kimi 是更顺手的选择；如果你需要处理英文文献或学术研究，NotebookLM 值得花精力适应。