用notebooklm搭建个人第二大脑需完成资料投喂、结构锚定、双向回写、智能调用四步闭环：上传可信文件并重命名→用yaml在obsidian锚定nb-id同步→限定来源做focus&peel问题拆解→导出带溯源标记的交付物并校验引用准确性。
☞☞☞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☜☜☜
用NotebookLM搭建专属个人第二大脑，不是把一堆PDF扔进去就完事——它要求你从资料投喂、结构锚定、双向回写到智能调用四个环节形成闭环，否则AI输出会漂浮在表层，无法真正成为你思维的延伸。
第一步：建立可信知识源池
打开 NotebookLM → 点击“+ New notebook” → 命名为“我的第二大脑（2026）” → 在弹出窗口中选择“Upload files”或“Add URL”。
上传文件时优先按以下顺序操作：PDF（政策原文/论文/报告）→ YouTube 公开视频链接（自动提取字幕）→ Google Docs（需开启共享权限）→ 网页链接（确保页面可被爬取）。【不要上传扫描版PDF或无文字图床图片，NotebookLM 无法OCR识别】
每份材料上传后，立即点击右侧“Edit source” → 在Title栏手动重命名为有意义的名称，例如“2025人社部灵活就业新规（全文+解读稿）”，避免默认的“Document_123.pdf”。
第二步：用YAML锚点打通Obsidian知识图谱
在 Obsidian 中新建笔记，例如 MEMORY.md，在顶部插入如下 frontmatter：
```yaml
notebooklm: true
nb-id: "doc_abc123xyz"
tags: [policy, labor]
```
其中 nb-id 字段必须与 NotebookLM 中该文档生成的 document_id 完全一致——这个ID在 NotebookLM 文档详情页右上角“••• → View document info”中可见。填错会导致后续同步失效。
保存后，运行命令：npx notebooklm-obsidian-sync --vault-path "/Users/you/Obsidian-Vault" --api-key "nb_abc123xyz"。该命令启动监听服务，自动将所有 notebooklm: true 的笔记内容分块上传至 NotebookLM，并更新 nb-id 元数据。
第三步：激活Focus & Peel构建问题树
方法一：直接提问触发结构化拆解
在 NotebookLM 输入框中输入：“用 Focus & Peel 拆解‘大模型Agent落地难’这一主题，生成三级问题树，每个叶子节点标注对应来源文档名与页码。”
方法二：绑定特定材料精准推理
先在左侧 Sources 面板中只勾选《LLM Agent工程实践白皮书_v2.3.pdf》和《2025企业AI落地调研报告》，再输入：“对比这两份材料，列出Agent落地的3个核心瓶颈，每个瓶颈需引用原文原句并标注出处。”
这一步操作起来很简单，但必须严格限定来源范围——如果不勾选文档，AI会调用全局知识库，导致结论脱离你喂养的真实材料，产生幻觉。
第四步：生成带溯源标记的交付物
第一步：点击右上角“Export” → 选择“Slide deck”或“Infographic” → 确认模板风格 → 下载为 PDF 或 PPTX。
第二步：在 Obsidian 中打开某篇笔记，输入双大括号嵌入块：{{nb-lm-ref:summary-of-agent-bottlenecks}} → 插件自动拉取 NotebookLM 生成的结构化片段，并保留原始引用锚点（如 [白皮书 p.17]）。
第三步：对导出的幻灯片执行校验——随机点开任意一页的引用标记，返回 NotebookLM 查看原始出处片段是否匹配。不匹配说明AI进行了概括性改写，此时应退回问题指令，加上“禁止改写，逐字引用”约束条件。
