认知与基础篇
为什么高校在用 · 创建第一本笔记本 · 上传策略 · 新手排雷
一、认知：为什么高校与研究机构在用 NotebookLM
纽约大学、斯坦福、凯斯西储、亚利桑那州立、东北大学的教师已公开记录用 NotebookLM 在数小时内搭建完整体系化课程。一位教授称其为“20 年来学术研究的最大变革”。它受欢迎的根本原因不是“更聪明的模型”，而是基于来源的工作方式。
1. 来源锚定（Grounded Generation）
NotebookLM 只在你上传的文件中检索与推理，不会凭空编造你资料里没有的内容。它拥有 100 万 token 上下文窗口，能把“整本笔记本”同时装在脑子里跨资料推理。
2. 脚注可点击、可核对
每一条结论都附带引文脚注，点击即可跳转回原文具体位置。这正是“引用铁律”能成立的技术基础。
3. 与通用聊天机器人的本质区别
| 维度 | 通用聊天机器人 | NotebookLM |
|---|---|---|
| 知识来源 | 训练参数（可能过时/编造） | 你上传的文件（可核对） |
| 幻觉风险 | 高，且难以追溯 | 低，且每条可点回原文 |
| 适用任务 | 开放生成、头脑风暴 | 基于私有资料的精确问答与综合 |
| 协作场景 | 一次性对话 | 可“仅查看”共享给学生/团队 |
Karpathy 的 LLM 知识库范式：前特斯拉 AI 总监安德烈·卡帕西提出，把 NotebookLM 一类工具当作“持久化的个人维基（Persistent Wiki）”——用 Schema 模式结构化摄取（Ingest）资料、用 Lint 检查一致性、用 log.md 持续记录，让知识库随使用不断进化。这与“软件日抛化”时代“知识资产 > 工具”的判断一致。
二、基础操作：创建你的第一本笔记本
1
新建笔记本
登录后点击“新建笔记本”，给它一个有意义的名字（建议=一个项目/一个课程单元/一个案件）。
登录后点击“新建笔记本”，给它一个有意义的名字（建议=一个项目/一个课程单元/一个案件）。
2
上传来源
支持 PDF、Google 文档、网址、YouTube 讲座、音频文件、带 OCR 的图片。免费版每本笔记本最多 50 个来源，每个来源 50 万词。
支持 PDF、Google 文档、网址、YouTube 讲座、音频文件、带 OCR 的图片。免费版每本笔记本最多 50 个来源，每个来源 50 万词。
3
开始对话 / 生成
在对话框提问，或一键生成音频概览、学习指南、思维导图等。
在对话框提问，或一键生成音频概览、学习指南、思维导图等。
上传策略（改变一切）
大多数人只上传一两个文档；而构建完整知识库的专家会一次性上传整个资料清单。原则：一本笔记本 = 一个课程单元 / 一个项目。斯坦福教师公开的工作流是：上传该单元所有指定阅读材料 + 课程大纲 + 往年考题 + 任何相关原始资料。
免费版 vs Plus 版 关键差异
| 能力 | 免费版 | Plus 版 |
|---|---|---|
| 来源数量 | 每笔记本 50 源 | 更多（按官方最新政策） |
| 音频概览 | 可用 | 更长、可定制语气 |
| 深度研究 | 受限 | 更长报告、更多步骤 |
| 上下文窗口 | 约 100 万 token | 同量级，稳定性更高 |
三、新手排雷
① 音频生成失败 / 排队：来源过多或含大量扫描图时易失败，先减少来源或转成文本 PDF 再试。
② 来源不被识别：扫描版 PDF 需先 OCR；图片型资料用“带 OCR 的图片”上传。
③ 中文 PPT / 视频乱码：生成 PPT 或视频时在提示词里前置“清晰简体中文、标准字体、高分辨率、文字锐利无模糊”，详见进阶篇。
④ 幻觉仍可能存在：来源本身错误、或跨来源推理过度时仍会出错——务必点脚注核对。
② 来源不被识别：扫描版 PDF 需先 OCR；图片型资料用“带 OCR 的图片”上传。
③ 中文 PPT / 视频乱码：生成 PPT 或视频时在提示词里前置“清晰简体中文、标准字体、高分辨率、文字锐利无模糊”，详见进阶篇。
④ 幻觉仍可能存在：来源本身错误、或跨来源推理过度时仍会出错——务必点脚注核对。