黄金工作流篇
四条可照搬的端到端流水线 · 含具体参数与提示词
单个提示词解决单点问题；工作流解决端到端任务。下面是可直接照搬的四条黄金流水线。
工作流一：Zotero → NotebookLM → Heptabase → Gamma（科研全家桶）
1
Zotero 采集：用 Zotero 统一管理 50 篇文献，自动抓取元数据、PDF、笔记。
2
NotebookLM 上帝视角：把 Zotero 导出的文献整批上传，跨文档关联、深度穿透，生成综述与论点树。
3
Heptabase 视觉战场：把碎片化观点“原子化、可视化”，搭建可拖拽的知识网络。
4
Gamma 一键成稿：将结构化洞察直接生成演讲 PPT 或图文报告。
原笔记作者实测：读完 50 篇万字长文并梳理出完整底层逻辑，“只需要不到 1 小时”。NotebookLM 负责跨文档穿透，Heptabase 负责可视化，Gamma 负责呈现——三者分工而不重叠。
工作流二：Perplexity + NotebookLM 双核研究法
Perplexity 负责“广”：联网检索、快速定位最新证据与外部盲区；NotebookLM 负责“深”：把你私有资料作为唯一真理源做精确综合。双核配合——外查广度和内守精度，既不被来源局限，也不被网络信息带偏。
工作流三：Ollama + AnythingLLM 私有化 RAG（机密资料必选）
当资料涉密（如未公开的税务清算数据、案件材料、企业内部文档）时，用本地化方案替代云端：
| 参数 | 推荐值 | 说明 |
|---|---|---|
| 切块大小 Chunk | 1200 | 兼顾上下文完整与检索精度 |
| 重叠 Overlap | 200 | 防止语义在切块边界被切断 |
| 嵌入模型 | bge-m3 | 中英双语检索效果好 |
| 上下文 | 8192 | 保证长文档连贯 |
| OCR | PaddleOCR | 扫描件/图片型 PDF 文字提取 |
私有化牺牲了 NotebookLM 的“来源脚注可点”体验，需自行在输出中保留出处字段，否则同样会失去抗幻觉优势。
工作流四：NYU / 斯坦福 七步建课法（教育流水线）
以下为纽约大学、斯坦福、凯斯西储等高校教师公开记录的确切流程：
1
资料上传策略：将整个阅读清单 + 大纲 + 往年考题，按“一单元一本笔记本”上传（免费版 50 源 / 50 万词 / 100 万 token 上下文）。
2
课程地图提示语：“基于所有上传材料，为这个单元创建完整的课程地图。确定学生必须理解的 5 个核心概念。对每个概念，列出：引入它的资料、深化它的资料、挑战或复杂化它的资料。然后建议一个逻辑教学顺序。”
3
生成教案堆叠：“为 [主题] 创建详细的每日教案。每节课包括：学习目标、关键概念、一个现实案例或类比、一个讨论问题、60 分钟课堂时间分配。”严格基于材料，无虚构引用。
4
学生材料包：一键生成学习指南、阅读理解题、概念闪卡、练习测验（附答案键与引用）。
5
音频概览预习：每节课前生成 10–15 分钟播客式总结，学生“在读第一页前先接触关键理念”。
6
深度研究升级：运行 Deep Research，自主规划网络搜索、识别资料空白、提取新论文，综合成带引文报告（文献综述准备时间可降 70%）。
7
谷歌课堂集成：以“仅查看”模式分配笔记本给学生，教授只需设置一次知识库，学生以最适合自己的格式互动。
附：学术不端避雷
原笔记专门警示：有 3 个论文 AI 工具“千万别用”——凡是不基于你真实来源、却声称“代写/代生成参考文献”的工具，都可能制造伪造引文，构成学术不端。NotebookLM 的安全边界恰恰在于“所有内容可点回你的资料”。