NotebookLM Video Overview System Prompt
本文分享 NotebookLM Video Overview 功能的系统提示词，展示如何通过多步协同创建工作流将原始素材转化为电影级视频。提示词详细定义了上下文收集（利用笔记本摘要、对话历史和隐含偏好预填充字段）、用户意图解析与消歧（区分已有产物与新建创作、处理重新开始与卡片废弃）、翻译与本地化规范（界面字符串翻译为用户语言但保留结构标识符），以及问卷卡片和审核卡片等多步骤协作流程。
全部文档 / 标签: NoteBookLM
38 篇
小红书起号：7 个 Skill 搞定运营流水线
文章介绍了用七个 Claude Skill 搭建小红书内容运营流水线的方法，按内容生产顺序排列：AgentReach 用于抓取资料和同行爆款标题、openCLI 实现批量自动操作、NotebookLM Skill 搭建知识库、ListenHub 一稿多发、Remotion 批量生成视频、Humanizer-zh 去除 AI 味、baoyu skill 压住质量底盘。作者建议新手先装三个核心工具跑通流程，再逐步补全，避免一次装太多。流水线跑顺后可把一篇三小时的稿子压缩到三十分钟，实现多平台分发。同时强调工具只能缩短重复劳动，选题和真实信息才是账号成长的关键。
详细拆解小红书虚拟电商新风口 - 月入5W的AI PPT
文章详细拆解了利用AI制作原创PPT并在小红书售卖变现的完整流程。作者介绍了四种AI做PPT的方法（一键直出、HTML排版、AI设计画布、整页生图），以及从准备资料、写大纲、固定风格、批量生图到转可编辑格式的详细步骤，并分享了两套生图方案（NotebookLM与中转站API+GPT Image）的成本与效率对比。文中还总结了教师课件、公开课套装、热点事件、医护类等常见PPT类型，以及开店条件、SKU定价策略、爆款笔记制作、投放优化等运营要点，最后提醒版权风险，建议把整套工作流做成可复用的Skill。
Gemini从入门到精通保姆级教程
本文是一篇面向新手的 Gemini 保姆级教程。作者指出多数用户仅用 Gemini 做基础问答，浪费了其八成能力。教程从零基础入门讲起，介绍网页端模型切换、超大 PDF 阅读、无字幕视频理解、Gems 专属分身等基础功能；拆解 Google AI Pro 会员的核心隐藏权益，包括 NotebookLM Plus、2TB 云盘等；对比 Chrome 实时语音看屏与 Codex/Claude Computer Use 的差异；详细讲解 Antigravity 桌面端的上手方法、定时任务、@ / 指令用法及 ParaGravity 多开方案；最后介绍如何通过 GitHub Skills 技能包将 B站、YouTube、播客等变成私人知识库，并附上实测案例与可复用的三段式提示词。
NotebookLM 改名后，又把第二大脑搬进了手机
文章介绍了 Google 将 NotebookLM 更名为 Gemini Notebook 后的全面功能。作者通过创建包含 40 多万字、4 份来源的测试笔记本，详细演示了其三大模块：Sources 管理多类型资料来源、Chat 提供带引用可溯源的问答、Studio 将同一批资料转化为播客、视频、PPT、信息图、闪卡等多种输出形式。文中还讲解了 Deep Research 联网研究的正确用法、手机端新功能、以及自媒体选题研究的进阶工作流，强调其核心价值在于把可信资料变成可持续追问和复用的第二大脑，而非简单的一键生成。
手里攒了 20 多个 Pro 账号，我总结了这 7 种用法
作者基于手中的 20 多个 Google AI Pro 账号，系统整理了 7 种实用玩法。核心包括：通过 CLIProxyAPI 反代把 Gemini 3.8 Flash 接入 Codex 环境复用额度（同时提醒账号风险与官方条款限制）；用模型做视频逆向拆解，生成逐镜提示词；利用 Flow 免费生图入口配合浏览器插件批量制作分镜素材；用 ChatCut + Gemini 做智能剪辑，用 Remotion 和 HyperFrames 做低成本代码视频；借助 Deep Research 集中调研付费规则；以及把 NotebookLM 当作资料整理、思维导图和写作工具。文章面向预算有限的 AI 视频创作者，强调先确认账号有效期与额度规则，从免费和低成本路径入手，把额度用在具体创作环节上。
起底美国大豆包：我看看谁还喷Gemini
作者基于几个月的实际使用体验，为Google Gemini正名，介绍了三个好用的工具：网页版Gemini速度极快、多模态能力强，适合处理长PDF、长视频等海量内容，回答风格自然有人味；Antigravity改版为Agent终端后掌控感下降，但前端交互和多模态理解依然出色；NotebookLM被作者誉为封神的第二大脑，可聚合各类资料建立个人知识库，无幻觉输出，还能生成PPT报告、知识导览图，以及将专业文档转为双人访谈播客，极大提升学习和工作效率。作者最后给出了三工具的日常使用搭配建议。
文档从0-1变60秒竖版短视频
本文介绍如何使用 Google NotebookLM 的 Short Video Overview 功能，将文档直接转化为 60 秒竖版短视频，解决普通人不会剪辑的痛点。作者详细讲解了从准备资料、创建笔记本、选择 Short 模式到编写焦点指令的完整流程，提供了焦点指令写作公式（对象、只讲、不要、开头三要素），并对比了竖版 Short 与横版视频的适用场景。文章还涵盖了权限配额说明、五大避坑指南，以及旧稿翻新、课程笔记、产品说明、会议纪要等创作者实战场景，帮助读者零基础跑通第一条 AI 生成竖版视频。
Anything → NotebookLM：内容处理大杀器
作者介绍了 Anything → NotebookLM 这款内容处理工具，用户可将公众号文章、YouTube 视频、播客音频、PDF、Word、Excel、电子书等多种格式内容直接输入，自动生成播客文稿、PPT 大纲和思维导图。更引人注目的是，该工具能够绕过 NYT、FT、经济学人等数百个付费内容源的付费墙，且全程无需编写代码，操作简单。文章附带了 GitHub 项目链接。
一篇讲透知识库：从个人第二大脑，到企业 AI 知识系统
文章系统讲解知识库的本质与搭建方法，区分了信息、资料、知识和知识库四个概念，并对比个人知识库与企业知识库的不同目标。个人层面介绍了 Obsidian、Notion、语雀、NotebookLM 四款工具的适用场景及从零搭建步骤（五入口结构、知识卡片、每周整理）；企业层面强调从高频问题出发、明确负责人与权限边界、建立内容生命周期管理，避免工具吃灰。还对比了飞书、ima、Notion Wiki、语雀团队空间等团队工具，指出常见失败原因：版本冲突、无人负责、只录入不运营等。
不写代码，2小时用Obsidian+Claude+NotebookLM搭建个人知识库
本文详细介绍了如何在两小时内，无需编程基础，利用Obsidian、Claude和NotebookLM搭建个人知识库系统。文章将三个工具分别定义为矿场、仓库和搭档，并提供了环境准备、软件安装及插件配置的完整步骤，帮助读者构建高效的AI工作流。
自媒体“爆款竞品拆解”—WorkBuddy全自动 B 站行业研究工作流教程
文章介绍了一套基于 WorkBuddy 的全自动 B 站竞品拆解流水线。通过集成 Node.js、Python、B 站搜索技能及 NotebookLM，将原本耗时 2 小时的手动拆解工作缩短至 5 分钟。该系统能自动生成包含爆款文案公式、弹幕情绪分析及内容盲区的深度报告，极大提升了自媒体选题与研究效率。
NotebookLM 迎来大升级：2026年重要更新一次看懂
文章详细介绍了NotebookLM在2026年的重大更新，重点新增了Fast Research和Deep Research联网搜索功能、基于Gemini 3.5的代码执行与数据分析能力，以及Agent聊天和多格式文件生成功能。作者同时指出了这些高级功能目前主要面向付费用户，并强调了在使用AI进行搜索、代码运行和PPT生成时，必须进行人工核验和事实校对。
我用 NotebookLM 重做 6 年信奥教案，效率提升 3 倍
作者分享了如何使用 Google 的 NotebookLM 将 6 年积累的散乱 C++ 信奥教案进行数字化重组。通过按主题分类上传资料，利用 AI 的语义检索和基于资料库的二次创作功能，成功将找教案时间从 30 分钟降至 3 分钟，备课效率提升 3 倍，同时保留了个人教学风格。文章详细介绍了实操流程、Prompt 模板及工具局限性。
Claude Code + NotebookLM + Obsidian：一套越用越懂你的 AI 研究机器
本文介绍了一套基于 Claude Code、NotebookLM 和 Obsidian 的自动化研究系统。文章详细阐述了如何利用 Skill Creator 为 Claude Code 安装 YouTube 搜索和 NotebookLM 技能，构建完整的研究流水线。该系统能自动抓取数据、生成分析并存储至本地知识库，随着时间推移，Obsidian 积累的数据能让 AI 更精准地理解用户思维。
AI需要戒掉“自嗨创作”：文科生AI视频创作全SOP
文章指出AI视频创作的核心在于思维与结构，而非技术。作者提出了一套完整的低门槛AI视频创作SOP，包括选题定位、脚本原子化拆解、Excalidraw极简视觉制作、NotebookLM音频生成及数据复盘策略，旨在帮助文科生利用AI工具构建个人IP，实现高效内容生产。
NotebookLM 极致利用指南：从基础到精通的完全工作流
本文是一份详尽的 NotebookLM 攻略，旨在教读者如何利用这一“基于源材料”的 AI 工具超越 97% 的普通用户。文章详细拆解了 NotebookLM 的六大工作层级，从源材料上传、推理交互、笔记捕获到最终的资产生成与导出。作者不仅阐述了其核心原理，还提供了 27 个强大的用例、提示词库及主工作流，展示了如何将混乱的信息转化为结构化的知识库、课程、SOP 等高质量资产。
停止使用AI，而是agent in the loop
本文指出很多人将AI当作万能工具导致工作流断裂的问题，主张应采用“Agent in the loop”的思维，将AI视为生产系统的一个环节。作者以产品经理视角，分享了如何通过建立知识底座、拆解复杂任务和设计SOP来重构AI工作流，强调设计容错机制比追求完美工具更重要，并提供了独立开发全流程中AI的具体实践案例。
如何将 NotebookLM 变成你的私人 MIT 教授
文章介绍了一种高效使用 NotebookLM 的方法。不同于传统的总结或做卡片，这种方法将其视为苏格拉底导师和研究顾问。核心流程包括：上传 20 个跨领域的源资料以构建课程；利用费曼技巧通过对话修正理解；寻找源资料中的矛盾点以培养批判性思维；以及通过模拟教学和每周综合来巩固知识，最终实现跨学科的通才思考。
Vibe Reading：AI时代读书的系统化方法
文章提出了一种名为“Vibe Reading”的AI辅助读书方法论，旨在解决信息时代“阅读易，消化难”的问题。核心哲学是区分“伪学习”（机械检索、翻阅）与“真学习”（认知压缩、建立钩子），利用AI接管信息传输与筛选工作，而让人类专注于知识内化、费曼技巧等核心思考环节。文章详细介绍了从定需求、匹配书籍、压缩知识到费曼技巧的六步工程化流程，并对NotebookLM和Claude等工具进行了选型分析，强调在AI时代“判断是我的，秘书是AI的”协作理念。
Why 12,000 Nano Banana Prompts Are Blowing Up Right Now
文章介绍了“12000个Nano Banana提示词”数据集，它通过提供结构化的布局框架来加速AI图像生成工作流。作者探讨了如何将此数据集与NotebookLM结合，实现提示词的对话式检索，从而提升制作缩略图、信息图和品牌视觉的效率与一致性，最终将提示词库转化为可复用的长期视觉生产基础设施。
用好NotebookLM立省80%Token
文章介绍了一种通过结合 NotebookLM 与 Claude 来大幅降低 Token 消耗的工作流。作者指出直接将海量数据（如 50 篇论文）塞进 Claude 对话极其昂贵且效率低下，而利用 NotebookLM 作为免费的“老师”进行语料存储和检索，让 Claude 仅负责推理与编排，可实现 17 倍以上的成本节省。文中详细解析了 RAG 与 Context 的成本差异、Prompt Cache 的局限性，并提供了针对学术论文、招股书阅读及个人知识库的具体操作指南。
Claude Code 与 NotebookLM 集成：构建真正的第二大脑系统
本文探讨了 Claude Code 与 NotebookLM 的集成如何通过连接记忆与执行层，将孤立的研究转化为可复用的自动化基础设施。借助 MCP 协议，NotebookLM 作为结构化知识库，为 Claude Code 提供精准的上下文引用，减少幻觉并提升输出质量。这种集成不仅消除了知识存储与自动化执行之间的鸿沟，还使企业能够构建高效的商业智能系统，帮助代理机构和团队加速扩展并优化决策工作流。
用好NotebookLM立省80%Token
文章指出直接将大量语料塞入Claude对话会导致Token消耗巨大且缓存利用率低。作者提出了一种优化方案：利用NotebookLM作为“老师”进行免费的知识库检索和带引用问答，仅将检索结果提供给Claude进行推理和编排。实测表明，该方案在研究、打新和知识库场景下可节省大量成本，但响应速度会降低。
我用 NotebookLM 替换了 Karpathy 的 LLM Wiki
文章对比了 Andrej Karpathy 的 LLM Wiki 方案与 Google NotebookLM 的实际使用体验。作者发现 Wiki 架构在处理个人知识时成本高、速度慢且缺乏与现实世界的集成，而 NotebookLM 利用 Embedding 技术实现了即时响应和高效回答。作者主张应将知识转化为技能并融入日常流程，而非仅仅构建静态索引。
用 AI 弥合“知道”与“做到”的鸿沟：我的克劳德健康闭环系统
作者分享了如何利用 NotebookLM 和 Claude Code 构建一套个人知识管理系统。通过导入 300 集 Huberman 播客建立专家知识库，结合 Claude Code 进行日程安排、实验设计及晨间习惯追踪，成功将学习内容转化为具体的健康行动（如睡眠、运动），并量化了实践带来的积极效果。
Claude Code 代码泄露分析与 PPT 整理
文章主要针对 Claude Code 泄露的代码进行分析，作者利用 NotebookLM 进行梳理，并将关键内容整理为 PPT 格式。作者忽略了宏观的叙事讨论，专注于探究该技术对个人应用水平的实际提升。文中包含多张由 PDF 转换生成的演示文稿图片，展示了技术分析的核心观点。
00后AI实战：如何用NotebookLM与Claude Code搭建内容变现流水线
本文作者分享了其作为非名校毕业生如何通过AI实现能力跃迁的方法论。文章详细拆解了一套基于IPO模型（输入、处理、输出）的研究工作流：利用工具打破信息壁垒进行多源数据采集，结合NotebookLM与Claude Code进行深度问答与知识沉淀，最后坚持人工主导的内容表达。通过这套流程，作者成功实现了快速掌握新领域及知识变现。
NotebookLM：斯坦福与纽大教授的学术研究革命
文章详细介绍了纽约大学、斯坦福等顶尖学府的教授如何利用Google NotebookLM完成从课程构建到学术研究的全流程革新。通过上传整个阅读清单、利用深度研究功能和音频生成，教授们将原本需要数周的课程准备和文献综述工作缩短至数小时。这一工具不仅极大提升了教学效率，也改变了学生的学习体验，被视为学术研究20年来最大的转变。
30 分钟，一本书 + 一期播客变成 16 页深度 PPT——我用 NotebookLM 只当了导演
文章介绍了利用 NotebookLM 快速制作深度 PPT 的方法。通过“投喂素材、提示词提炼、搭骨架、定设计、生成、精修”六步流程，将书籍拆解和播客内容转化为结构化幻灯片。核心在于人是导演，负责内容设计与判断，AI 负责视觉呈现，实现了 30 分钟产出 16 页高质量 PPT 的高效工作流。
