写了198篇NotebookLM评测后，作者终于见到那个真正造工具的人。Michael Chen——Studio面板背后的工程师——打开了自己的笔记本库，展示了一套完全不同的用法。
长期本 vs 临时本：工程师的第一条分界线
Michael把笔记本分成两类。一类是长期存在的"知识库"，另一类是用完即弃的"任务本"。
这个分类本身不新鲜。但Michael的执行很极端：临时本真的用完就删，不留任何心理负担。长期本则精心维护，像打理一个花园。
他的长期本里有一个"AI研究"笔记本，收录了Google内部关于大语言模型的技术文档、论文和会议记录。另一个"产品决策"本，专门存放团队讨论过的功能取舍和背后的数据支撑。
关键区别在这里：临时本解决的是"我现在需要答案"，长期本解决的是"我将来还会遇到这个问题"。
大多数用户的笔记本首页越堆越满，本质是模糊了这两类需求。Michael的做法是，在创建笔记本之前就问自己：这件事6个月后我还需要回顾吗？
Studio面板的隐藏设计逻辑
作为Studio面板的工程师，Michael对这个功能的理解比任何教程都深。
Studio面板的核心是"基于源生成"——不是让AI自由发挥，而是严格限定在你提供的材料里。Michael演示了他的典型工作流：先往笔记本里丢进5-6份相关文档，然后让Studio生成一份"执行摘要"或"FAQ文档"。
「我从来不会直接拿Studio的输出去用，」Michael说，「它帮我完成的是80%的框架搭建，剩下的20%人工调整让结果真正可用。」
这个比例很有意思。很多用户期待AI一键出成品，但工具设计者自己的预期反而更保守。Michael把Studio定位为"草稿加速器"，而非"替代品"。
他展示了一个具体案例：准备技术分享时，他把参考论文和内部备忘录丢进笔记本，用Studio生成演讲大纲。输出包含每个论点的原文引用，方便他现场快速定位细节。
引用功能在这里不是装饰，而是信任机制——你知道AI没瞎编，因为你能随时核查。
源管理的颗粒度实验
NotebookLM允许上传PDF、网页、YouTube视频、Google文档等多种格式。Michael对"源"的切割比大多数用户更细。
他不会把整个100页的报告作为一个源。而是按章节拆分，甚至按论点拆分。这样做的代价是前期整理时间增加，但查询时的精准度大幅提升。
「源的数量上限是50个，」Michael提到这个很多人不知道的限制，「但更重要的是，源的质量比数量重要得多。」
他有一个专门测试不同切割策略的笔记本。同样的材料，整本上传 vs 拆成10个源，查询时的回答质量差异明显。拆分后的源能让AI更准确地定位信息位置，减少"幻觉"引用。
这个发现反过来影响了他的工作。作为工程师，他现在会刻意关注用户上传的源结构，思考产品层面能否降低这种优化的门槛。
从个人到协作：笔记本的社交半径
NotebookLM的共享功能相对低调，但Michael的使用场景揭示了另一种可能。
他的团队有一个共享笔记本，存放每周站会的决策记录。不是会议纪要——那个用别的工具——而是"决策背后的依据"。比如为什么推迟某个功能，当时的用户数据是什么，竞品怎么做的。
新成员加入时，直接把这个笔记本分享过去，相当于一份活的"团队记忆"。
「共享笔记本的价值不在于实时协作，」Michael解释，「而在于建立共同的事实基础。大家引用的是同一批源，讨论就不会变成各说各话。」
这个用法跳出了个人知识管理的框架，进入了组织知识沉淀的领域。NotebookLM没有Notion那样的实时编辑，但Michael认为这反而是优势——它强制你先整理好材料，再进入讨论。
时间线：一个功能如何从想法到上线
Michael参与过Studio面板中"音频概述"功能的开发。这个让NotebookLM出圈的功能——把文档变成双人播客对话——内部经历了完整的迭代周期。
2023年初，团队注意到一个用户行为：很多人把NotebookLM的输出复制到TTS工具里听。这个"外溢"动作说明存在未被满足的需求。
第一步是验证。他们做了一个最小可行版本，内部测试两周。反馈很两极：喜欢的人觉得神奇，不喜欢的人觉得浪费时间。
关键转折发生在一次用户访谈。一位研究员说：「我不想听AI朗读我的文档，我想听AI讨论我的文档。」
这个区分触发了产品重构。从"语音播报"转向"模拟对话"，技术架构完全重写。Michael负责的是对话生成引擎与源的绑定机制——确保讨论内容不脱离材料。
2023年9月，音频概述作为实验功能上线。数据验证了假设：使用音频的用户，周留存率比平均水平高出23%。
2024年3月，功能正式版发布，支持自定义语气和长度。Michael现在的笔记本里还保存着当时的内部测试文档，作为一个"产品考古"案例。
工程师的日常笔记本清单
Michael展示了当前活跃的笔记本结构，共12个长期本：
• "每周同步"——团队站会的决策依据库
• "AI研究"——技术论文和内部实验记录
• "产品决策"——功能取舍的论证材料
• "用户反馈"——按主题分类的调研原始数据
• "竞品追踪"——对手产品的公开资料和分析
• "个人学习"——在线课程和书籍的重点摘录
• "健康记录"——体检报告和医学文献（私人）
• "财务规划"——投资研究和税务文档（私人）
• "旅行计划"——目的地攻略和预订确认
• "房屋维修"——家电手册和维修记录
• "播客脚本"——个人项目的素材整理
• "产品考古"——已下线功能的文档留存
这个清单的分布很有信息量：工作相关占50%，个人事务占50%。私人笔记本启用了端到端加密，连Google内部也无法访问内容。
Michael特别提到"健康记录"本的用法：每次体检后上传报告，同时添加相关医学论文。问诊前用Studio生成"病情时间线"和"关键指标变化"，带去医院作为参考。
「医生通常很惊讶，」他说，「不是惊讶于技术，而是惊讶于患者自己整理的信息质量。」
被忽视的搜索策略
NotebookLM的搜索框支持自然语言查询，但Michael发现大多数用户的提问方式过于笼统。
他演示了一个对比。笼统问："这篇论文讲了什么？" vs 具体问："这篇论文的实验设计有哪些局限性？"后者返回的结果直接定位到原文段落，省去大量筛选时间。
更进阶的用法是跨笔记本搜索。Michael会在搜索前指定范围，比如"在我的AI研究本和用户反馈本里找"。这个技巧很多人不知道：搜索框支持用笔记本名称限定范围。
「搜索质量80%取决于你怎么问，」Michael说，「剩下的20%是工具本身。」
他有一个专门的测试笔记本，用来记录"好问题"和"坏问题"的对比案例。这成了团队改进查询理解能力的训练数据。
输出格式的选择逻辑
Studio面板提供多种输出格式：摘要、FAQ、时间线、大纲、简报等。Michael的选择有明确规律。
初次接触材料 → 用"摘要"建立整体认知
准备演示或写作 → 用"大纲"搭建结构
需要快速决策 → 用"简报"提取关键要点
面向外部沟通 → 用"FAQ"预判对方问题
他不会对同一批材料重复使用多种格式，而是根据当前任务目标选择唯一一种。这个纪律性来自一个观察：格式切换的成本被低估了——不同格式的输出结构差异很大，混用反而造成认知负担。
「格式是思维的脚手架，」Michael说，「选对脚手架，后面的工作会顺畅很多。」
与ChatGPT、Claude的共存策略
作为Google员工，Michael当然使用Gemini系列模型。但他同时是ChatGPT和Claude的付费用户。
三者的分工在他的工作流里很清晰：NotebookLM处理"有边界的信息处理"——材料已知、目标明确、输出可验证。ChatGPT处理"开放式探索"——需要广泛联想和创意发散。Claude处理"长文本深度分析"——代码审查、论文精读等需要超长上下文的场景。
「没有工具能做好所有事，」Michael说，「关键是知道每个工具的边界在哪里。」
他注意到一个趋势：NotebookLM的用户正在形成独特的使用习惯。比如"先建本、后查询"的工作顺序，与ChatGPT的"直接对话"模式形成对比。这种差异不是优劣之分，而是任务类型的自然选择。
产品迭代的内部视角
Michael参与了NotebookLM从实验项目到正式产品的全过程。他分享了几个关键决策点：
2023年5月，团队讨论是否加入网页搜索功能。反对意见认为这会破坏" grounded in sources"的核心定位。最终方案是：保持封闭，但优化源的导入体验。
2023年11月，用户强烈要求增加实时协作。评估后发现技术架构需要重大调整，且与产品定位冲突。替代方案是强化"共享只读"和"版本快照"功能。
2024年1月，关于是否开放API的内部辩论。支持方希望扩大生态，反对方担心质量失控。目前处于有限测试阶段，仅向部分企业客户开放。
这些决策的共同点是：优先保护核心体验，而非追逐功能完整性。Michael承认这会带来用户流失，但认为长期价值在于建立清晰的工具认知。
一个具体的使用场景拆解
Michael现场演示了他准备季度汇报的完整流程，耗时约40分钟：
第一步，创建临时本"Q2汇报-草稿"，设置删除提醒（30天后自动清理）。
第二步，批量导入源：本季度OKR文档、关键项目的数据看板截图、用户调研的原始记录、竞品同期动态的新闻报道。共17个源，按项目分组命名。
第三步，用Studio生成"季度亮点时间线"，检查引用准确性，标记需要补充数据的段落。
第四步，针对标记段落，追加查询获取具体数字，更新到源中重新生成。
第五步，输出"执行摘要"格式，复制到Google Slides作为演讲备注。
第六步，删除临时本。核心材料归档到"产品决策"长期本。
这个流程的关键设计是"临时本"的明确生命周期。Michael强调，如果不设定删除机制，笔记本库会迅速膨胀到无法维护。
对普通用户的建议
采访最后，Michael针对不同类型的用户给出了具体建议：
如果你是新用户：从一个小而具体的任务开始，比如"整理一份会议材料"。不要试图建立完美的分类系统，先用起来。
如果你是重度用户：审视你的笔记本首页，给每个本添加"最后使用日期"。超过3个月未用的，考虑归档或删除。
如果你是团队管理者：尝试建立一个"决策依据"共享本，不是替代现有协作工具，而是作为背景信息的快速入口。
「最重要的习惯，」Michael说，「是定期回顾你的笔记本结构。就像整理物理桌面一样，数字空间也需要断舍离。」
这次采访让作者意识到，工具设计者的用法往往比任何教程都更有参考价值——不是因为他们更"正确"，而是他们更清楚每个功能背后的取舍和边界。如果你也在用NotebookLM，现在可以打开你的笔记本首页，问问自己：这里面有多少本，6个月后我还会打开？
热门跟贴