📌 本文重點
- NotebookLM 把閱讀、整理、寫程式整合在同一工作空間
- 內建雲端 sandbox，可直接跑 Python 做資料分析
- 透過 Agent 自動查網路資料，像一位會 Google 的研究員
用一句話說 NotebookLM：把你的文件、網頁跟程式碼交給一個會自己查資料、寫筆記、跑程式的 AI 研究員，幫你把「看資料 + 做筆記 + 寫程式」整合在同一個工作空間。
官方介紹與註冊入口：https://notebooklm.google.com
相關報導：The Decoder（連結）、The Verge（連結）
核心功能：現在的 NotebookLM 到底多了什麼？
1. Gemini 3.5：回覆更準、少亂講
這次 NotebookLM 底層模型換成 Gemini 3.5 Flash，重點不是名字，而是實際效果：
- 引用來源更清楚：問問題時，NotebookLM 會標記是從哪一份 PDF、哪一頁、哪一段抓出來的。
- 和你自己的資料對齊：它只會優先根據你匯入的檔案回答，而不是憑空編故事。
- 支援多文件綜合：你可以丟 10 篇論文、3 份簡報，直接問「幫我整理共同結論」。
💡 關鍵： NotebookLM 會優先根據你匯入的資料回答問題，大幅降低「亂講」和憑空編造內容的風險。
你可以怎麼用：
- 把課程講義、公司簡報、研究論文丟進一個 Notebook，直接問：
- 「請用 300 字整理這些文件的重點，分成三個小節。」
- 「列出文件裡提到的所有關鍵術語，做成小抄。」
2. 內建雲端 sandbox：直接在 Notebook 裡跑程式
根據 The Decoder 報導，NotebookLM 現在有自己的 雲端電腦環境，可以：
- 執行 Python / 程式碼片段，不用本機安裝任何東西。
- 讓 AI 自己寫程式、執行、看結果，再調整程式碼。
- 做資料分析：匯入 CSV、跑統計、畫圖，全在瀏覽器裡完成。
💡 關鍵： 內建雲端 sandbox 讓你不用開 Jupyter 或設定環境，就能在瀏覽器裡完成程式與資料分析工作。
你可以怎麼用：
- 上傳一份 CSV 報表，在對話框輸入：
- 「幫我用 Python 讀取這個檔案，算出每個產品線的月營收，並畫出折線圖。」
- 有一段不熟悉的程式碼，直接貼進 Notebook：
- 「解釋這段程式在做什麼，幫我加上註解，並用更易懂的寫法重構。」
NotebookLM 會在它的雲端 sandbox 裡跑程式，再把結果和程式碼一起貼給你。
3. Agent 式自動查資料：會自己 Google 的研究員
新版 NotebookLM 加入了 Agent 式研究能力：
- 可以直接叫它「去幫我找資料」，它會透過 Google 搜尋 找來源。
- 不用一開始就匯入檔案，也能從「空白」開始一個研究計畫。
- 它會把找到的網頁、PDF 當成新的資料來源，整理成摘要或報告。
The Verge 指出，現在你可以直接在 NotebookLM 裡啟動研究，而不是先手動找資料再貼進來。
你可以怎麼用：
- 問：
- 「請幫我找三篇 2023 年後關於 LLM 應用在教育的研究，整理出研究問題、方法、結論。」
- 要求：
- 「所有引用請附上原始連結，最後用一段話提醒我這些研究的限制。」
適合誰用：三個具體場景
1. 學生：整理課堂講義與論文
常見痛點：
- 上課講義 + 教科書 + 老師 PDF + 論文，多到爆炸，很難整理成考前筆記。
- 讀英文論文速度慢，抓不到重點。
NotebookLM 的用法：
- 建立一個 Notebook，例如「機器學習期末」。
- 匯入：課程講義 PDF、指定閱讀論文、老師提供的投影片。
- 問：
- 「請用中文整理這份 Notebook 的期末考重點，照章節分類。」
- 「幫我做一份 10 題選擇題，題目來自這些文件，並給出解析。」
- 「這篇論文的實驗設計和 limitation 是什麼？用口語說明。」
可立即採取的行動：
- 把這學期最頭痛的一門課資料丟進 NotebookLM，直接讓它幫你做考前總整理。
2. 產品經理：整理競品資料與市場研究
常見痛點：
- 競品官網、新聞稿、使用條款、App 介紹分散各處。
- 每次開會都在重做一樣的「功能比較表」。
NotebookLM 的用法：
- 新建 Notebook：「2024 Q3 競品研究」。
- 匯入：競品官網截圖 PDF、功能說明文件、先前做過的簡報。
- 啟用 Agent 查資料：
- 「幫我搜尋 3 家同類型 SaaS 產品的定價頁面，整理成表格。」
- 再問：
- 「針對我們現有產品，列出 5 個值得抄的功能點，並附上來源連結。」
可立即採取的行動：
- 建立你的「競品知識庫 Notebook」，每天丟一兩個新連結進去，讓 NotebookLM 幫你維護最新的競品視圖。
3. 工程師：技術備忘錄 + 資料分析助手
常見痛點：
- 專案文件分散在 Confluence、Google Docs、GitHub Wiki。
- 每次查舊專案架構或業務規則，都要重看一堆文件。
- 做小型資料分析還得開 Jupyter、整理環境。
NotebookLM 的用法：
- 建立 Notebook：「後端服務 A 技術文件」。
- 匯入：設計文件 PDF、API spec、README、部分程式碼片段。
- 提問：
- 「這個服務的主要資料表有哪些？幫我畫一個簡化的 ER 圖描述文字。」
- 「從這份 API 文件裡，整理一份給新同事看的 onboarding 指南。」
- 把日常 log / CSV 丟進去：
- 「用 Python 幫我分析這份 log，找出錯誤頻率最高的三個 endpoint，畫 bar chart。」
可立即採取的行動：
- 先選一個你最常被問的專案，把所有設計文件丟進 NotebookLM，之後把新同事導向 NotebookLM 問問題。
怎麼開始：10 分鐘完成第一個 Notebook 專案
步驟 1：開啟 NotebookLM
- 用 Chrome 或任一瀏覽器開啟：https://notebooklm.google.com
- 用你的 Google 帳號登入。
- 若地區未開放，可以先用 VPN 嘗試（注意公司政策）。
步驟 2：建立第一本 Notebook
- 點選「New notebook」。
- 幫它取一個明確的名字，例如：
- 「行銷簡報整理」
- 「碩士論文文獻庫」
- 按「Add sources」，開始匯入資料。
步驟 3：匯入 PDF / Docs / 網頁
NotebookLM 支援：
- 上傳 PDF、TXT、部分 Office 檔。
- 直接選 Google Docs、Slides、Sheets。
- 貼上網址，讓它自己抓取網頁內容（官網、部落格、新聞稿）。
建議：先匯入 3–5 份你最近真的會用到的文件，不要一次丟 50 份，方便你先熟悉操作。
💡 關鍵： 一開始只匯入 3–5 份核心文件，比一次丟 50 份更容易看出 NotebookLM 的效果並建立使用習慣。
步驟 4：試用這 3 個 Prompt 模板
以下是你可以直接複製貼上的實戰模板：
模板 1：快速總整理
你是一位擅長教學的筆記整理員。請根據這本 Notebook 內所有來源資料，整理一份 800 字以內的重點摘要，
1. 先列出 5 個最重要的概念
2. 每個概念用不超過 3 句話說明
3. 最後用一段話提醒我考試或簡報時最容易忽略的地方
模板 2：給不同對象的說明稿
根據 Notebook 內的資料，分別寫兩版說明：
1. 給完全沒有背景的新手，限制 300 字，盡量口語化
2. 給同領域專業人士，限制 300 字，可以使用專業術語
每一版都請標註引用的來源文件與頁碼（若有）。
模板 3：資料 + 程式分析
我上傳了一份 CSV 檔案，請你：
1. 先用 Python 讀取資料並描述欄位
2. 幫我算出各類別的平均值與標準差
3. 畫出一張適合的圖表（你自己決定類型），並解釋為什麼這樣比較好讀
請貼出完整的 Python 程式碼與分析結論。
結語：把 NotebookLM 當成「專案專屬研究員」
使用 NotebookLM 最重要的觀念是：為每個專案建一本 Notebook，讓它跟著專案一起長大。
- 學生：每門課一冊，所有講義與筆記都放進去。
- 產品經理：每個產品線或競品一冊，讓它幫你維護最新情資。
- 工程師：每個系統或專案一冊，變成活的技術備忘錄 + 分析環境。
你只需要準備好資料，NotebookLM 會幫你查、幫你寫、幫你跑程式，真正變成「專案專屬的 Gemini 研究員」。
🚀 你現在可以做的事
- 登入 NotebookLM，為你目前最重要的專案建立第一本 Notebook
- 先匯入 3–5 份你最近真的會用到的文件，實測上文提供的 3 個 Prompt 模板
- 挑一個課程 / 產品線 / 專案，每次產出新文件就丟進 NotebookLM，開始養成「一專案一 Notebook」的習慣
發佈留言