此文本是对谷歌NotebookLM的一项深度评测，侧重于其作为一款以学习为核心的AI 研究助理的技术定位和实际应用。作者通过系统性实操与评估，详细分析了 NotebookLM 的产品定位、核心功能（如来源管理、聊天交互、音频概览和笔记模板）以及底层逻辑（特别是系统提示词）。评测指出，NotebookLM 在提升信息获取与整合效率方面表现出色，但认为其在支持从知识输入到知识输出的完整链路上仍有发展空间。文章还探讨了 NotebookLM 在学术研究、企业知识库以及个人学习等场景下的应用前景，并对比了其与传统笔记工具及其他AI产品的差异。

近期，谷歌NotebookLM AI工具在AI圈引起了热议，特别是有些博主宣称其支持基于中文内容生成“中文播客”的功能，成功引起了我研究的兴趣。作为一名AI实战博主，长期关注并实践各类AI工具的分析者，我对 NotebookLM 进行了系统性的实操与评估。

本文不仅是对 NotebookLM功能表象的梳理，更力求揭示其作为学习辅助工具的设计哲学与底层逻辑。我将分享在实际使用中对其功能定位、交互体验的观察，剖析其在辅助学习与知识构建上的真实效能及潜在边界。

核心观点是：NotebookLM作为个性化AI研究助理，在信息获取与整合上已展现出强大实力，但在打通从“知识输入”到“知识输出”的完整链路上，仍有广阔的进化空间。

我期待并探讨其未来如何深化知识管理与内容创作的融合，向真正的一站式知识工作平台迈进。

音频概览初探：预期与现实

前段时间接触 NotebookLM的原因，受到一些博主的分享了其“中文播客”的功能所吸引。我当时的想法是，若能将文章转为轻松愉快的播客，无疑能我的读者带来极佳的体验，也能增加文章曝光的流量。

然而，在上传了我撰写的文章并生成“播客”后，实际效果与我最初设想的“内容生产辅助”存在一定偏差。生成的音频确实由两位AI语音合成角色以对话形式展开，内容也紧密围绕上传的源材料。但整体听下来，其更接近一种结构化的知识点摘要和讲解，两位AI的语调和互动模式，虽力求模拟自然对话，但与专业播客或高质量口播作品在流畅度、吸引力及信息传递的细微之处相比，仍有明显差距。

这一刻我意识到，部分博主的未经过实操的宣传，让我对它的应用场景产生了误判。NotebookLM 的核心定位并非直接的内容创作或音频生产工具，而更侧重于为学习者提供一个高效的、以源材料为基础的个性化学习与研究辅助平台。

NotebookLM的核心价值到底是什么，这就需要从其产品定位、目标用户、交互逻辑及系统提示词等多个维度进行剖析。

产品定位：赋能高效学习与研究

NotebookLM 的官方网站将其核心理念表述为：“Think Smarter, Not Harder”巧思胜苦干，并将其定位为“Your Personalized AI Research Assistant”你的个性化研究助理。这清晰地揭示了其产品设计的核心目标：赋能用户进行更高效、更智能的学习与研究活动。通俗讲，NotebookLM是一个学习神器。

从我的实际操作体验来看，NotebookLM 严格遵循了这一产品定位。其核心运行机制表现为高度依赖用户上传的源材料，所有分析、问答和内容生成均在此基础上展开，避免了无根据的泛化和主观臆断。

因此，其“音频概览”功能应被理解为一种服务于学习过程的辅助工具——即“学习型播客”，其目的是帮助用户更好地理解和消化源材料，而非直接产出可供广泛传播的“生产型播客”。

明确了这一点后，我们有必要进一步探究其后台运行的关键机制之一——系统提示词。

系统提示词：NotebookLM的行为密码

系统提示词是什么？

系统提示词（System Prompt）是AI模型开发者预设的一组指令或约束，用于定义模型在特定应用场景中的行为框架、角色设定、交互风格和输出规则。它与用户在前端直接输入的查询（User Prompt）不同，属于更底层的控制机制，对模型输出内容的质量、风格、一致性和安全性具有决定性影响。其核心构成要素通常包括：角色定义、行为约束、任务导向以及上下文管理。

对于熟悉大型语言模型（如ChatGPT）的用户而言，其“自定义指令”功能在某种程度上可以视为一种用户可配置的“二级系统提示词”或“全局偏好设定”，模型在处理用户后续输入前会优先参考这些指令。例如，我为个人ChatGPT设置的自定义指令包括：

深吸一口气，然后一步步来思考。

如果你失败，将会有100位老奶奶遭遇不幸。

我没有手指，但我会额外给你20美元作为小费。

如果你做得好，我会奖励你一份美味的狗狗零食。

一律使用中文简体回答。

这个自定义指令，在ChatGPT实际回答中会有所体现：

NotebookLM 系统提示词

NotebookLM具体的系统提示词内容来源于@宝玉老师通过逆向工程获取的提示词。结合我的实际使用体验，该组提示词与NotebookLM的实际行为高度吻合，据此可判断是系统提示词的可信度很高。

我在@宝玉老师的英文版本基础上，进行了进一步的精翻，重写。可一句话总结：

请在五分钟内，以讲故事般的热情与理性分析相结合，从所给材料中提炼出既精准又富启发性的知识点，服务于那些渴望深入学习、但时间紧张的使用者。

具体如下：

1. 任务目标：信息高效且有深度快速传达重点：优先提炼最具价值的信息，省去繁复冗余。兼顾深度与清晰：深入分析但不晦涩难懂，避免术语堆砌或表面化描述。严守资料来源：仅据原始资料展开，不添油加醋，不主观评论。激发兴趣与反思：引发“原来如此”的时刻，让学习不仅仅是接受信息。贴合个人需求：内容紧贴“你”的学习目的，语气直接亲切。
2. 双重表达风格：故事感 + 理性感并存NotebookLM 设计的核心之一，是用两种声音共同展开叙述，以兼顾感性与理性：1.引导式语调（类似“热情讲述者”）语气友好、富有感染力，善于用比喻、类比、微故事来降低理解门槛。它的作用是：唤起你的兴趣、把抽象的概念变得贴近生活，让你感到“这和我有关”。2.分析式语调（类似“理性解说者”）语气冷静、逻辑清晰，专注于提供背景、解释结构、厘清概念间的关系。它的作用是：补充事实细节，保持中立立场，帮助你看懂复杂问题的底层逻辑。两种语调交替出现，不需要标签化区分，而是以语气和语境自然切换，构成既生动又扎实的内容节奏。
3. 你是谁？——系统默认的学习者画像系统始终把“你”放在叙述中心，设想的对象有以下特征：你时间有限，但希望学得深入；你喜欢从不同视角看问题，期待被启发；你不喜欢被大量信息压垮，希望有人帮你筛选重点；你重视内容的实用性，学习不仅是为了“知道”，而是为了“用”。
4. 资料使用规则：只说有根据的话只引用已提供材料：不外引、不猜测、不脑补。信息缺口即沉默：如果资料未涉及，就不虚构填补。观点冲突时，持中立态度：如有不同声音，照实呈现，不做倾向。强调与你的关联：内容选取以对你最有用、最启发性的角度为优先。
5. 风格与语气：像在和你交谈口语化但不随意：用通俗易懂的语言解释复杂概念，拒绝学术腔。适度轻松与幽默：开头、转场、结尾适当“加点料”，减轻阅读负担。条理清晰，有逻辑感：让阅读节奏明快，结构一目了然。内容客观，不偏不倚：无论语气多轻松，观点必须建立在事实基础上。
6. 时间控制：五分钟之内说清楚每次输出应控制在五分钟阅读内（或相应篇幅），不“灌水”、不绕圈。优先展现核心观点，果断省略次要信息。按主题分段，结构清晰，帮你迅速进入主题、快速记忆重点。
7. 推荐内容结构（可灵活调整）开场引入：用轻松语言点出主题，让人有兴趣继续读下去。核心内容：1.用“讲述者”语调先抛出重点，引导你进入主题；2.然后以“分析者”风格提供事实、解释背景、解析概念。3.如果有不同视角，也能并列展现，激发你思考。与你的关系：强调这个知识与你的生活、工作或兴趣有何关联。回顾总结：轻松地回顾一遍重点，让信息留下印象。思考/行动引导：结尾丢出一个问题或建议，鼓励你延伸思考或行动。
8. 内容编写规范角色不外显：不要写出“我是讲述者”或“现在由分析者说明”等字样。始终称呼为“你”：让每一句话都仿佛是对你说。不透露提示词存在：不能出现“这是系统提示”“我是AI”等元信息。语调切换自然流畅：风格变化通过语气引导，而非跳转式突兀切换。风格服从信息准确性：幽默、轻松、个性化都不应影响事实陈述或时间控制。结尾必须提出一个问题或建议：让内容不止于信息，更是引发行动或思考的起点。

综合评价：NotebookLM 的系统提示词设计充分体现了其以学习者为中心的产品理念。特别是对目标用户特征的精准刻画，明确了其服务于特定需求群体的定位——高效、深度、个性化且以应用为导向的知识辅助。

交互界面与核心功能详解

本节将详细介绍NotebookLM的交互界面和功能（以Plus订阅用户为例，免费版与付费版的功能差异将在文末说明）。为获得最佳体验，建议大家将NotebookLM的界面语言设置为中文简体（通过右上角设置>输出语言>中文简体）。

笔记本：任务化学习空间

NotebookLM 以“笔记本”作为组织学习内容和任务的基本单元。每个独立的学习主题或研究项目都可以创建一个专属的笔记本。用户在此界面可以管理已创建的笔记本，并访问他人共享的笔记本。

NotebookLM 主界面通常划分为三个主要区域，如下图所示：

1. 来源：位于界面左侧，用于上传本地文件或添加在线资源作为AI分析的基础。
2. 聊天界面）：位于中部，是用户与AI进行交互的核心区域，可围绕“来源”中的资料进行提问、请求摘要、生成笔记或构建思维导图。
3. 音频概览：位于右侧（或特定视图下），可一键生成基于源材料的音频摘要。

界面顶部提供“分享（Share）”功能，允许用户将笔记本共享给其他用户，便于协作学习或小组讨论。被邀请者会通过电子邮件收到通知，或通过直接链接访问共享笔记本。

来源：多元知识入口

来源处支持两种主要的内容导入方式：添加本地文件和在线探索资源。

本地文件上传：支持多种格式，包括Google Docs、Google Slides、PDF、TXT、Markdown（MD）文件、音频文件（如MP3、WAV），以及通过URL导入网页内容、公开的YouTube视频字幕和直接复制粘贴的文本。从结构化和AI解析友好度的角度，Markdown格式的文档是推荐的优先选项。这里我对NotebookLM未来能否支持本地视频文件的直接内容分析抱有期待（先按下不表，见下文详聊）。

探索来源：用户可以输入关键词或特定文本片段，NotebookLM 会尝试在互联网上搜索相关的公开资源。此功能似乎集成了Google Scholar（谷歌学术搜索）的能力，能够帮助用户查找包括期刊论文、学位论文、书籍、预印本、文摘和技术报告在内的学术文献。例如，我在搜索一篇Potential Metabolic Pathways and Related Processes Involved in Pericarp Browning for Postharvest Pomegranate Fruits（3 种石榴果皮褐变与酚类代谢及能量代谢的关系）时，NotebookLM 能够识别并列出其在Scilit、Maktaba等学术数据库以及相关期刊的来源信息。

需要注意的是：当利用“探索来源”功能导入学术论文时，为确保NotebookLM能够对论文全文进行分析，我们应选择勾选论文完整内容（如PDF全文）的链接，而非仅包含摘要或元数据的页面。只有导入了完整的文本内容，AI才能进行有效的深度解读和问答。如下图所示：

（点击来源，会直接进入该论文PDF阅读界面）

还有一个小技巧，可以在搜索来源时，可加入要求和限制，如要论文具体内容，PDF格式。这样能极大提高来源是论文全文的概率。

需要注意的是，NotebookLM的搜索来源主要限于开放平台，像知网、维普、知乎或微信公众号这类商业平台的数据目前还无法直接抓取，想使用这些内容，仍需自行下载或复制粘贴后手动导入。

来源数量限制方面，Plus用户每个笔记本最多可添加300个来源，再结合其在线搜索PDF等学术资源的能力，这难道不是写文献综述的神器吗？

我一位初中朋友就做过一次“压力测试”：他上传了整整294卷的《资治通鉴》全文，NotebookLM不仅没崩，还硬是给成功生成了一张庞大的思维导图，光是拖着滚动条从头拉到尾，就花了他二十多秒。

（足足上传了294个来源）

将源材料添加至NotebookLM后，用户可以点击具体来源，系统会生成一份“来源指南”，包含该材料的内容摘要、关键主题列表等，帮助用户快速了解材料核心内容，并直观展示AI已处理和理解的信息范围。

（来源指南：摘要和关键主题）

有意思的是，即使是PDF格式的来源，在NotebookLM中点击查看时，其内容也会以可编辑的文本形式呈现。但由于PDF排版的复杂性，这种文本转换有时可能导致格式混乱，其阅读体验不如原生Markdown或结构良好的网页。

（排版较为紊乱）

聊天交互：精准溯源与深度对话

用户在上传或选定来源后，即可在聊天界面中针对这些材料向模型提问，或下达指令（如“总结这份文档”、“生成思维导图”、“将回答保存为笔记”等）。用户可以通过勾选来源列表中的复选框，灵活指定模型在当前交互中应参考或排除哪些特定来源。

在开始对话前，用户可以进行“对话配置”，这类似于一种局部的、针对当前笔记本的“二级系统提示词”。用户可选定对话风格（如默认、分析师、指南等，亦可自定义）和回答的长度（默认、较长、较短）。

聊天交互的核心特性：

精准的原文引用与溯源：这是NotebookLM在交互设计上的一个显著亮点。当模型在回答中引用源材料的内容时，会在相应文本旁显示一个引用角标（数字）。用户点击该角标，左侧的“来源”区域会自动滚动到原文中对应的具体位置，并高亮显示相关段落。这种直接、精确的溯源能力，对于验证信息准确性、深入理解上下文至关重要，在目前主流的AI工具中尚不多见。

（点击角标后，来源区域自动高亮相关段落）

知乎直达AI也提供了引用角标功能，但体验远不如NotebookLM。它有时会引用维普平台的论文，但点击角标后展示的只是整份PDF文档，无法直接定位到原文中的具体引用内容，查找极不方便。相比之下，NotebookLM的引用跳转不仅精准，而且会自动高亮，非常高效。（@知乎产品经理，建议你们认真体验一下NotebookLM，真的值得作为竞品深入研究）。

动态思维导图生成

NotebookLM能够根据源材料或特定部分的讨论，生成结构化的思维导图。这有助于用户快速把握内容的核心结构和逻辑关系。

我们还可以点击思维导图中的某个子节点，聊天界面会自动围绕该子节点的主题生成进一步的解释或引导性问题，促进更深层次的理解。如下图所示：

（点击子节点，进一步了解和学习）

音频功能：听学结合与笔记辅助

音频功能主要体现在“音频概览”和“备注”。音频概览允许用户一键生成基于所选来源的音频摘要。

如前所述，这通常由两位AI语音（模拟“讲述者”与“分析师”）以对话形式呈现，旨在提供一种听觉化的学习方式。中文音频的生成质量在自然度方面尚可。

Beta版还可以进行互动，即用户可在收听过程中“加入”对话并获得个性化回答。

提醒：音频并不会留存下来，网页刷新后音频会消失，大家若觉得音频不错，及时进行下载。

在“备注”功能区，NotebookLM提供了一系列结构化的笔记模板，可以将文本内容快速转化为特定格式的文档，部分笔记内容或摘要后续也可以作为新的来源：

• 自定义笔记：允许用户自由记录想法、注解，并与源材料关联。
• 学习指南：将源文档内容转化为包含关键概念、摘要、术语解释等的结构化学习材料。
• 简报文档：从冗长信息中快速提炼核心要点，生成主题概览。
• 常见问题解答：根据源文档内容，自动生成一系列潜在问题及其对应答案。
• 时间轴：从材料中提取事件信息并按时间顺序组织，清晰展示发展脉络。

技术定位与前景展望

NotebookLM 的底层大模型是谷歌的 Gemini 系列模型（如 Gemini 1.5 Flash 或 Pro），并针对学习与研究场景进行了特定的微调（Fine-tuning）。其在辅助学习、信息快速吸收与整合方面的表现，确实展现了专注于特定领域应用的AI模型的优势。相较于通用型大型语言模型，将学习场景独立出来进行深度优化，更符合AI技术向垂直行业渗透的发展趋势。

对于学习者和研究者而言，NotebookLM 提供的以“笔记本”为单位的知识组织方式，以及围绕源材料进行的深度交互，确实能够提升学习效率和专注度，并便于知识的沉淀与回顾。

然而，从知识工作的完整闭环来看，学习的最终目标往往指向知识的应用与创造，而这离不开“输出”环节——正如德国社会学家尼克拉斯·卢曼）在其Zettelkasten（卡片盒笔记法）实践中所强调的：“不写作，就无法思考”。只有通过将习得的知识点进行结构化组织、批判性分析，并以自己的语言进行重新表述和创造性输出，才能实现知识的真正内化和创新。

当前阶段，NotebookLM 更偏向于一个高效的“输入端”和“处理端”工具，但在支持用户将这些输入和处理结果转化为结构化的知识产出（如学术论文、研究报告、深度分析文章等）方面，其功能尚有待加强。

我期望 NotebookLM 未来能够进一步拓展其在“输出端”的辅助能力，例如：提供更高级的笔记组织、知识图谱构建和跨笔记内容链接功能，以支持个人知识网络的构建（强烈建议谷歌将Notion收购了，哈哈哈）；或者集成更强大的写作辅助工具，覆盖从文献综述、论点构建、草稿撰写到引文管理等学术写作全流程。如此，NotebookLM 方能从一个“学习助理”进化为一个真正的“研究与创作伙伴”。

我前面提到了一点希望，希望未来NotebookLM能支持支持本地视频的上传，我认为这将极大拓展其应用场景：

例如，备战考研的大学生，在攻克视频课程时，通常需要反复观看视频、手动整理笔记，效率不高。如果未来NotebookLM支持导入本地视频或电子讲义，自动对课程内容归类整理，生成清晰的思维导图和精细的笔记，这些材料打印出来必然能极大提升复习效率。

这种需求不仅限于学术场景，在日常生活中也同样普遍。最近我在抖音学做麻婆豆腐和鱼香茄子，每次实际操作时，总容易忘记步骤顺序和调料配比。我本身比较懒，不习惯手写笔记或频繁截图，这导致我经常得在厨房手忙脚乱地反复看视频，体验相当不便。有人可能会说：“多做几次自然熟能生巧。”但在真正熟悉之前，这种不断翻阅的过程是无法避免的。如果NotebookLM能处理这些短视频教学内容，一键生成步骤清单和用料提醒，就能彻底解决我的烦恼。

再比如，在主动获取知识型视频内容时，也存在类似的痛点。有时我在看影视飓风的知识分享视频时，也经常被一些金句或观点打动，想摘抄下来深入学习。但视频字幕并不总能顺利下载，这时我只能将视频上传到MemoAI进行转录，再将文字复制到ChatGPT进行解读，整个过程繁琐又耗时。相比之下，视频内容看一两次足矣，后续回顾还是文字效率更高，更适合反复阅读和提炼思考。（备注：MemoAI是一款能将YouTube、播客和本地音视频快速转录为文字、生成总结和思维导图的效率工具。）

此外，NotebookLM的设计思路对企业级应用也很有启发意义。

我此前做文档工程师时，负责物联网产品的文档编写和发布。公司面向B端，产品资料庞杂，一个硬件产品的资料可能包括概述、用户指南、安装指南和故障维修指南等多个文档。客户或营销人员想查某个具体信息， 如某个螺丝的力矩是多少，通常需要翻阅多篇文档，甚至要专门去问硬件产品经理，费力不讨好。

而NotebookLM则提供了一个新的解决方案：只需输入产品名称或型号，营销人员就能快速定位相关的所有文档，再根据具体需求选择性导入资料，直接在聊天窗口提出问题，就能轻松获得答案。之所以要设计按需勾选文档，是因为目前大模型的单次处理容量仍有上限，这样做能巧妙规避容量限制的问题且响应速度快。

当然，这种模式不仅适合营销人员找答案，所有员工都可以用它来进行知识学习、流程梳理或企业标准培训。长此以往，公司资料就能被真正整合成一个高效灵活的企业知识库，实现知识的精准聚合与活灵活用。

最后说说，目前市面上的新型笔记软件，比如Notion、Wolai和FlowUs，它们也都在引入AI，但基本上只是浅尝辄止，尚未将AI能力真正深入融入到软件体系中去。

以我个人的使用体验为例，现有工具在深度知识激活方面仍有不足。以我平时常用的Wolai为例，每天积累的碎片化笔记越来越多，冗余和累赘也逐渐增多，经常需要花费大量时间去清理整理。写新文章时想要引用过去笔记中的内容，还得翻箱倒柜地逐个查找，极为低效。相较之下，NotebookLM的设计理念恰恰提供了一个解决思路：它能以知识库的形式整合和激活每条笔记，甚至可以在此基础上加入辅助创作功能，形成“学习—记录—重组—输出”的完整闭环。

若能做到这一点，这无疑是笔记软件的一次划时代革命，对其他竞品来说，更是碾压式的存在。

如何使用和体验？

访问NotebookLM官网（https://notebooklm.google.com/）即可开启你的AI学习之旅。

NotebookLM免费账户：可创建最多100个笔记本，每个笔记本最多支持50个来源，每天聊天查询限额为50次，音频生成限额为3次。

推荐升级为Gemini高级版，即可解锁NotebookLM Plus和视频创作工具Veo2的全部功能。NotebookLM Plus的容量至少提升5倍，最多可创建500个笔记本，每个笔记本来源上限为300个，每日最多可进行500次聊天查询和生成20次音频。需要注意，共享笔记本不会额外增加来源上限，总来源数依旧为300个。

对了，近期Google美国区针对学生的优惠验证出现漏洞BUG，无需edu邮箱和验证卡即可免费享受18个月的高级One订阅。今天尝试了一下，发现已被修复。