notebooklm可将碎片信息整合为结构化学习指南：上传多格式源文件→触发知识蒸馏→生成带溯源的四级目录指南→支持prompt强制教学结构→交叉验证冲突→导出含引用锚点的markdown+mermaid图表。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
你需要把散落在不同文档、网页、会议记录里的碎片信息，整合成一份结构清晰、逻辑连贯、可直接用于教学或自学的系统学习指南，而不是反复翻找原始材料。
统一导入所有原始笔记源
登录 notebooklm.google.com → 点击「+ New notebook」→ 选择「Upload sources」；支持 PDF、TXT、Google Docs、网页 URL 混合上传，单次最多 50 个文件，总容量 ≤ 200 MB。
优先上传带标题层级的 Markdown 或结构化 PDF，NotebookLM 能自动识别章节、小节、列表项；扫描版 PDF 必须启用 OCR（上传后右下角会显示“Processing with OCR”），否则无法提取语义块。
【上传前务必重命名文件，用中文短名+序号，如“01_接口设计规范_v2”“02_用户访谈纪要_202606”】——系统不解析文件名语义，但你在后续提问时引用 Source_1、Source_2 容易混淆，人工命名可直接在对话中说“请参考《02_用户访谈纪要_202606》第3段”。
触发结构化知识蒸馏
等待全部源文件右上角出现绿色对勾（通常需 10–90 秒）→ 点击右侧「Studio」面板 → 选择「Generate learning guide」。
系统将自动执行三步：① 对所有源文本做语义分块（按句子边界+标题锚点切分）→ ② 计算块间相似度并聚类主题簇 → ③ 按认知逻辑排序生成章节骨架（非简单拼接原文）。
生成结果默认包含「核心概念」「典型示例」「常见误区」「延伸思考」四栏，每条内容均标注来源锚点（如 Source_3, para 5），点击即可跳转原文位置。
用Prompt强制输出教学级结构
若 Studio 自动生成的指南偏摘要风，可在主对话区手动输入以下指令：
方法一：基础教学模板
“请基于全部资料，生成一份面向初学者的系统学习指南。要求：① 分为‘预备知识→核心原理→实操步骤→排错清单’四级目录；② 每个二级标题下必须含1个真实案例（引用原文段落）；③ 所有术语首次出现时加粗并附简短定义。”
方法二：角色驱动模板
“你现在是资深前端架构师，正在给新入职工程师编写《微前端落地手册》。请严格按‘目标→约束→方案→验证’逻辑链组织内容，禁用‘可能’‘建议’等模糊表述，每个结论必须对应至少一个源文档的明确陈述。”
注意：指令中出现“必须”“禁用”“严格”等强约束词时，NotebookLM 的引用溯源机制会自动激活，幻觉率下降约 73%（基于 2026 年 5 月内部 A/B 测试数据）。
交叉验证与局部重写
第一步：定位矛盾点
在对话框输入：“列出所有源文档中关于‘状态同步时机’的冲突描述”，系统返回带页码/段落号的对比表格。
第二步：发起仲裁式重写
选中某条冲突陈述 → 点击右侧「Edit response」→ 输入：“请综合 Source_1 第4.2节、Source_4 表3、Source_7 用户反馈原文，重写‘状态同步时机’说明，要求：先给出确定性结论，再用‘但需注意’引出例外场景，最后标注各依据权重（高/中/低）。”
第三步：插入教学脚手架
在生成段落末尾追加：“? 教学提示：此处适合搭配流程图讲解，可点击右侧 Studio → ‘Generate diagram’ 自动生成。”
导出可交付成果
点击右上角「Export」→ 选择「Markdown + citations」格式 → 下载 ZIP 包（含 .md 主文件 + _sources/ 文件夹）。
ZIP 解压后，_sources/ 目录下每个 JSON 文件对应一个原始源，字段 citation_text 存储被引用的原文片段，startOffset 和 endOffset 可精准定位到原始 PDF 的字节位置——这意味着你能在本地用 Python 脚本自动提取上下文，嵌入 PPT 或 Notion 页面。
导出的 Markdown 文件已内联 Mermaid 图语法（如 ```mermaid graph TD```），用 Typora 或 Obsidian 打开即渲染可视化流程图。
