《NotebookLM入门篇》1小时

《NotebookLM实操培训·入门篇——快速上手》

主讲：韩迎娣老师

【课程背景】

NotebookLM是Google推出的AI研究助手，其核心定位是基于用户上传的资料进行智能问答。与ChatGPT等通用AI的本质区别在于：NotebookLM的所有回答仅基于用户上传的文件内容，每条回答都附带来源引用标注，几乎不存在「幻觉」风险，且用户数据不会被用于模型训练。这使其成为深度阅读、学术研究、商业分析等场景的理想工具。

本课程为入门篇，旨在帮助学员快速掌握NotebookLM的核心功能，包括平台注册、界面操作、文档上传与知识库构建、基础问答与摘要生成，为后续深入应用奠定坚实基础。

【课程收益】

掌握NotebookLM平台注册与登录方法，顺利完成账号初始化

熟悉三栏界面的功能布局与核心操作逻辑

掌握多种格式文档的上传方法，构建个人专属知识库

学会使用精准问答技巧，快速从文档中提取关键信息

利用AI自动摘要功能，高效消化长文档和会议记录

理解NotebookLM与通用AI的核心差异，选择最适合的工具

【课程特色】

实操导向：全程演示真实功能，边学边练，即学即用

场景丰富：覆盖文档、视频、音频等多种来源类型的处理方法

技巧实用：传授精准问答的四种核心技巧，提升信息提取效率

对比清晰：通过与通用AI的对比，明确NotebookLM的适用场景

【课程对象】

需要处理大量文档资料的医药企业知识工作者

需要进行文献阅读与研究的科研人员

【课程时间】1小时

【课程大纲】

平台注册与界面导览（约10分钟）

1、NotebookLM平台注册

2、NotebookLM的核心定位

基于用户上传资料作答，每条回答附带来源引用，不编造信息；

数据不用于模型训练，保护隐私

3、NotebookLM与通用AI的核心差异

回答来源与依据

幻觉风险与幻觉可能性

适合场景

数据隐私

4、三栏界面架构详解

Sources（左侧）：管理所有上传的资料来源

Chat（中间）：问答交互区域，提问与获取回答

Studio（右侧）：生成结构化内容，如摘要、问答集

5、案例讲解：通过实际演示展示三栏布局的切换与操作，直观理解各区域功能

6、课堂练习：登录平台，新建笔记本，熟悉首页界面布局

7、手机版入口：支持iOS/Android系统，支持拍照上传手写笔记，随时进行知识管理

二、文档上传与知识库构建（约25分钟）

1、支持的文档格式

文档类：PDF、Word、TXT、Markdown

Google云盘：Docs、Slides、Sheets

网页：粘贴URL自动提取正文内容

视频：YouTube公开链接

音频：MP3、WAV

图片：PNG、JPG等

纯文本：直接粘贴内容

案例讲解：演示从网页粘贴URL提取文章内容，上传音频文件自动生成转录文本

3、课堂练习：上传一份PDF文档和一段文本内容到笔记本

容量限制说明

免费版：100个笔记本/每本50个来源

Plus版：500个笔记本/每本300个来源

Ultra版：500个笔记本/每本300个来源

来源的选择与取消选择（Focus功能）

聚焦特定文档进行提问，忽略其他来源

课堂练习：添加多个不同来源类型的文件，练习来源的选择与取消操作

零源搜索：Explore Sources功能，无需预先上传资料，AI自动搜索网络资源并导入

案例讲解：演示零源搜索功能，让AI根据主题自动搜集网络资料

三、基础问答与摘要生成（约25分钟）

1、Notebook Guide

AI自动生成的知识库摘要，一键生成文档的核心要点、时间线、关键问题等内容

案例讲解：演示Notebook Guide生成的内容结构与阅读方式

课堂练习：为上传的文档生成一份Notebook Guide，查看AI自动生成的摘要

精准问答四种核心技巧

提炼重点：「总结这份报告的核心论点，用三条列出」——快速抓取关键信息

交叉对比：「这两篇文章对XX观点有哪些不同看法？」——对比分析多文档

提取行动项：「从这份会议记录里列出所有待办事项」——从会议中提取任务

预判问题：「如果要汇报，他们最可能问什么？」——站在读者角度思考

课堂练习：使用上述四种技巧对文档进行问答练习

来源引用机制

每条回答附带引用编号，点击可跳转到原文对应段落，方便溯源核实

案例讲解：演示点击引用编号跳转到原文的操作，验证AI回答的准确性

追问与深化

支持多轮对话，可以针对某一问题连续追问，层层挖掘细节信息

课堂练习：选择一个感兴趣的问题进行连续三次追问，体验对话深化的过程

单文档摘要 vs 多文档综合摘要

前者针对单一文档生成摘要，后者综合多份文档的关键信息

案例讲解：对比同一文档的单摘要与多文档综合摘要的差异，帮助理解适用场景