# 应试教育的致命bug 是低效,而 notebooklm 是解药。
最近,李飞飞访谈里的一个观点引起了大量的关注和讨论。观点大致如此:
> 人类已经进入智能时代。让孩子在应试教育和标准答案教育上花费十几年甚至几十年时间,是对人类的一种浪费。

当然,李飞飞原始的表述是比较温和的,温和到对教育和 ai 有足够理解的人都会觉得这是常识,温和到自媒体必须对原始观点进行夸大和扭曲才能获得流量。
我认同李飞飞的观点,我也一直秉持类似的观点:
> 应试教育的最大问题,是低效。
因为低效,所以孩子把十几年青春年华、认知潜力本可以充分发展的的大好年华,浪费在低水平、低效果的应试上。
但标准化考试本身是没问题的,只要考试质量好,学习者的方法得当,反而能打下非常扎实的基础。
你看现在搞ai 的美国华人和中国华人,不都是在标准化考试里历练和筛选出来的吗?如果**脱离扎实的知识基础和解题能力训练,过于追求“创新教育”理念**,其实反而是害了孩子。
所以,在我们家,虽然小树海量阅读闲书,有自己的兴趣爱好,但是一直不排斥“应试”,甚至**战略之一就是“以考促学”**。
而上周ai 讲座的主角 **notebooklm,在我看来,就是解决应试教育低效 bug 的神器**。不论是成年人**为了自己**的终身学习、效率提升,还是成年人**为了孩子**的学习效率效果提升,都应该好好研究,天天研究,先花费 100 个小时再说。

下面就是上周ai讲座的大纲笔记啦。还没上课的可以大概了解讲了什么,上过课的可以温故知新。
**howie 的 ai 主题直播**
- **主题**:NotebookLM 专题|解锁 10x 学习力的 AI 神器
- **主讲**:@howie.serious
- **时间**:2025-12-26 (W2552)

2025 年是 **”ai slop”元年**。“ai slop”,也可以称为ai泔水,ai垃圾内容。
无论短文字、长文字、视频还是 Podcast,各个媒体频道充斥着 ai 生成的低质量内容。在这方面,未来让人悲观:从现在开始,我们都要面对互联网上铺天盖地的 ai slop,无可逃避。
**应对原则:Idea 与 Taste**
在大语言模型能够高效生成各种内容的时代,我们作为人的 **Idea(思想)** 和 **Taste(品味)** 变得至关重要。个人的特色思考、审美、鉴别力,其底层是 **注意力**。注意力资源变得特别重要。
### NotebookLM:从发布到可用的两年

**产品历程**
- **2023 年 5 月**:NotebookLM 公开发布,至今已两年半。
- **两年间的状态**:每次 Google 发布新模型就会试用,但每次都很失望,"仍然垃圾,仍然不好用"。
- **上周的质变**:底层模型更新到 Gemini 3.0 系列(Flash 和 Pro),产品终于发生质变,达到了可以推荐的程度。
**理念定位** NotebookLM 是 Google 在 ai 时代对个人知识管理提出的方案——**ai Notebook(ai 笔记本)**,特别聚焦于教育场景、学习场景和知识管理。
### 界面与功能概览

**整体布局**
- **左边:Source(信息源)** —— 你的资料库
- **中间:Chat(对话)** —— 与大语言模型对话,内容可保存为笔记
- **右边:Studio(工作室)** —— 9 种预制功能,生成各类产物
**Studio 的 9 种功能**
**支持的信息源类型** 依托 Google 生态,支持导入:PDF、Google 云端硬盘文件、网站链接、YouTube 视频、音频等。因为 Google 的模型本身就是**原生多模态**的。
## 八大使用场景
### 场景一:K12 学习教练

**核心理念:** 家庭教育最重要的一件事是构建学习型家庭,父母一定要**躬身入局**。
**痛点与解决:**
- 父母要用行动做示范,但注意力、精力、认知负荷都有门槛,不可能亲自做笔记、出考题。
- 现在可以把孩子分学科的材料建立成一个个 Notebook,稍微动动脑子,投入很少的时间,就能提供非常具体的帮助。
**具体操作:**
- 上传课本 PDF(如人教版小学五年级语文)
- 用自然语言描述学习目标和需求
- 自动整理识字表、写字表、词语表
- 生成 Quiz、闪卡等学习材料
**经验:** 一开始尽量不动脑子。选择一个资料作为信息源,点一下,它就会用默认功能直接生成对应材料。
### 场景二:小学生必背古诗 75 首

- 把小学初中阶段需要背诵的古诗词相关材料全部放到 NotebookLM 的 Source 里
- 操作简单:直接拖拽进来即可
- 从这个笔记本能得到多少价值,**完全取决于我们自己的应用程度**
### 场景三:编程竞赛备考(NOI与GESP)

**背景:** 家长没法提供具体编程指导,但需要支持孩子备考。
**操作方法:**
1. **导入大纲:** 把考试大纲、活动方案丢进 NotebookLM
2. **ai 深度解析:** 让 Claude、Gemini 或 ChatGPT 把活动方案里每一个具体的知识点、易错点研究得"翻天覆地"
3. **生成备考材料:** 把 ai 分析导出为 Markdown,作为新信息源上传,针对全部内容制作 PPT、信息图、闪卡、Quiz
**核心价值:"高维引导 + 细节辅导"策略**
- **High-level:** 家长不需要懂具体代码,不需要亲自出题
- **Detail:** ai 能提供针对具体知识点的精准辅导
- 两边的好处都占了
### 场景四:主题研究
**示例:** 研究 LearnLM(Google 教育版大模型)的演变
' fill='%23FFFFFF'%3E%3Crect x='249' y='126' width='1' height='1'%3E%3C/rect%3E%3C/g%3E%3C/g%3E%3C/svg%3E)
**操作流程:**
1. 用自然语言描述需求:"请帮我搜索跟 LearnLM 相关的所有进展、学术论文、模型演进以及重要资讯"
2. 使用 Fast Research 或 Deep Research,来源可以是 Web 或云盘资料
3. 它会帮你把所有信息源自动加进来
4. 直接提问,不用自己去读、去记笔记
**Google 的优势:** 背靠原生多模态模型和搜索能力,让信息获取极其高效。
### 场景五:Deep Research 报告与知识可视化
' fill='%23FFFFFF'%3E%3Crect x='249' y='126' width='1' height='1'%3E%3C/rect%3E%3C/g%3E%3C/g%3E%3C/svg%3E)
- 把 Deep Research 生成的高质量报告放进 NotebookLM
- 报告可以作为后续知识可视化(PPT、信息图)的素材基础
### 场景六:打通微信读书与 Readwise
' fill='%23FFFFFF'%3E%3Crect x='249' y='126' width='1' height='1'%3E%3C/rect%3E%3C/g%3E%3C/g%3E%3C/svg%3E)
**1. 微信读书整合**
- 通过导出功能,把过去 10 年微信读书里所有的划线和笔记一次性导入 NotebookLM
- 在手机或电脑上,可以随时随地 Chat with 你过去所有的阅读笔记
**2. Readwise Reader 整合**
- Readwise 包含中文英文 Podcast、YouTube 视频、Twitter、PDF 等所有材料的划线和笔记
- 通过 API 或导出方式(如导出为 Google Docs)与 NotebookLM 打通
**为什么这很重要?**
- 笔记一定要**可检索**
- 一定要能**跟 ai 无缝结合**
- 一定要在各种系统之间**可迁移**
- 过去"一生"的阅读印记完全整合到一个工具里
### 场景七:经典文学研读
' fill='%23FFFFFF'%3E%3Crect x='249' y='126' width='1' height='1'%3E%3C/rect%3E%3C/g%3E%3C/g%3E%3C/svg%3E)
**操作方法:** 在 GitHub 找名著文本(TXT 或 Markdown 格式);git clone 下来,上传到 NotebookLM。
**可做的项目:**
- 横向分析表格(如莎士比亚几大悲剧中的"悲剧缺陷")
- 思维模型提取(如《哈姆雷特》里对普通人有启发的思维模型)
- 角色关系图与台词分析
- 定制化教学("给 10 岁的小学生讲《哈姆雷特》")
**Source Grounding 的价值:**
- 直接问 ChatGPT 可能会有幻觉
- 但把原著作为 Source 放在 NotebookLM 里,回答是**基于文档的**,准确度极高,并且带有引用来源
- 对于边缘知识或具体情节的查询,建立专门的原著笔记本是最佳解决方案
### 场景八:技术类硬知识学习
' fill='%23FFFFFF'%3E%3Crect x='249' y='126' width='1' height='1'%3E%3C/rect%3E%3C/g%3E%3C/g%3E%3C/svg%3E)
- 针对博大精深、需要不断更新的网络知识等主题
- 单独建立笔记本,指哪打哪,非常精准
### 理念升级:从”dead tree”到 ai 学习神器
**传统书籍的局限** 以前的书本质上是"Dead Tree"(死树):不能搜索它,没法让它回答问题,没法把人类知识变成唾手可得的 ai 教练。
**ai 时代的转变** 所有材料不再是"死树",而是跟最顶级的 ai 工具整合;能从中获得 1 倍还是 10 倍的效率提升,完全取决于你对"学习"这件事的理解。
**以高考为例**
- 每个学科建一个 Notebook(语文、数学、物理、化学、生物)
- 每个学科构建知识体系,涉及约 1000 个基础重要概念
- 针对每个概念,用 Quiz、闪卡、费曼技巧去消化
### 为什么不推荐音频和视频功能
虽然 NotebookLM 靠生成"ai 播客"出圈,但音频和视频功能**完全没有价值**,甚至可以说是 ai slop。
' fill='%23FFFFFF'%3E%3Crect x='249' y='126' width='1' height='1'%3E%3C/rect%3E%3C/g%3E%3C/g%3E%3C/svg%3E)
**原因在于学习的本质:**
- 学习最重要的事情是把线性的语言文字,变成有体系、有结构的知识框架
- 这就是把**非结构化材料转化为结构化材料**的过程
- 在大脑里,知识以框架、体系、结构和网络的形式存在
**音频和视频是线性的,** 并没有帮助完成"从非结构化到结构化"的转化过程。**其他七种媒介形式(思维导图、报告、闪卡、测验、信息图、PPT、表格)**,本质上都在辅助这个认知过程,是有价值的。
### 三个核心概念
**概念一:Source Grounding(解决幻觉)**
**所有大语言模型都有幻觉。** 没有幻觉就不叫大语言模型,那叫搜索引擎。因为模型把人类知识压缩进参数时,必然会丢失细节。
**NotebookLM 存在的意义,就是专门为了解决大语言模型的幻觉问题。**
技术原理:
- 使用 **Source Grounding(来源溯源)** 或 **Knowledge Grounding(知识溯源)**
- 回答问题时,不是优先使用模型内部的训练数据(参数记忆),而是**优先使用你上传的 Source**
- 将数据转化为向量空间,通过 **Vector Search(向量搜索)** 匹配相关材料
- 每个回答都会标注**引用来源(Citations)**
- 它是"接地气"的(Grounded),接到了你提供的具体材料上
**概念二:NotebookLM 即 Gemini Projects**
' fill='%23FFFFFF'%3E%3Crect x='249' y='126' width='1' height='1'%3E%3C/rect%3E%3C/g%3E%3C/g%3E%3C/svg%3E)
**为什么 ChatGPT 有 Projects 功能,而 Gemini App 里没有?**
因为 **NotebookLM 本身就是 Gemini 的 Projects**。
' fill='%23FFFFFF'%3E%3Crect x='249' y='126' width='1' height='1'%3E%3C/rect%3E%3C/g%3E%3C/g%3E%3C/svg%3E)
- 这几十个笔记本,就是你 Gemini 账号下的一个个项目库
- **联动更新:** 在 Gemini 网页端,可以直接把 NotebookLM 里的笔记本作为信息源调用
- **模型选择:** 虽然 NotebookLM 界面内默认模型是 Gemini 1.5 Flash(无法手动切换),但通过在 Gemini App 里调用 NotebookLM,可以用 Gemini 3.0 Pro 甚至 Flash Thinking 模型来处理笔记里的材料
这样就打通了**最顶级的模型能力**与**私有知识库**。
**概念三:UI 结构即"学习闭环"**
界面设计完美对应了人类学习闭环的全过程:
' fill='%23FFFFFF'%3E%3Crect x='249' y='126' width='1' height='1'%3E%3C/rect%3E%3C/g%3E%3C/g%3E%3C/svg%3E)
- **输入环节:** 审视信息源的质量和齐备程度
- **理解环节:** 最顶级的模型 24×7 待命,实现真正的因材施教
- **输出环节:** 辅助生成各种笔记和可视化材料
### 重要辨析
#### 直出图 vs. 专业可视化工作流
**问题:** NotebookLM 直出的 PPT 和信息图能用吗?
**结论:不能用于正式输出。** 它的质量达不到专业标准,只能作为学习过程中的辅助材料。
**最佳实践——知识可视化 Workflow:**
1. **内容策划(Content):** 使用 Gemini 3.0 Pro,通过专门的 Prompt 将材料转化为详细的视觉策划方案
2. **视觉生成(Visual):** 使用专业工具(如 Napkin ai),拿着策划好的方案去生成视觉元素
**核心原则:** 内容策划与视觉呈现分离。不要指望 ai 一键直出完美结果。
#### Deep Research 功能的定位
在 NotebookLM 里,Deep Research 更多是作为 **Database(数据库)功能**,利用 Google 搜索索引帮助快速收集信息。
- Google 过去二三十年把互联网信息做了最高质量的索引
- 相当于直接对接 Google 的基础设施,把相关信息源自动"拉"进笔记本
- 解决了"找资料"费时费力的问题
### 历史溯源:Project Tailwind
**产品前身** NotebookLM 最早在 2023 年 Google I/O 大会上发布时,名字叫 **Project Tailwind**。
' fill='%23FFFFFF'%3E%3Crect x='249' y='126' width='1' height='1'%3E%3C/rect%3E%3C/g%3E%3C/g%3E%3C/svg%3E)
**命名隐喻:**
- "Tailwind" 意为"顺风"或"尾风"
- 在航海术语中,是从你背后吹来的风,助力你加速向目标前进
- 与之相对的是 "Headwind"(逆风)
**初衷:** Google 希望这个工具能像顺风一样,**加速人类的学习和思维过程**。
**演变:** 2023 年 7 月更名为 NotebookLM,起初使用 PaLM 2 模型,效果"非常拉跨",直到更新 Gemini 3.0 才真正兑现承诺。
**本质定位:** 它不仅是笔记软件,更是一个旨在加速思考的 **思维工具(Tools for Thinking)**。
### 基于"学习闭环"的深度解析
想用好 NotebookLM,必须了解人是如何学习的。
1. 体系(System):构建知识网络
**NotebookLM 的局限:** 它不是用来构建知识体系的,没有全局的知识图谱功能。
**推荐工具:** Logseq 或 Obsidian。通过双向链接和树状结构,将成千上万个笔记(知识砖块)关联成网。这是知识的"地基"。
1. 输入(Input):信息收集与聚合
**NotebookLM 的优势:** 可以作为"快速信息收集器",将 PDF、云盘文件、网站链接、YouTube 视频等各种媒介汇聚一处。适合做短平快的主题研究。
**对比 Readwise Reader:** Readwise Reader 更适合作为长期的阅读器(划线、笔记、多端同步),而 NotebookLM 更适合作为针对特定项目的资料库。
1. 理解(Understanding):因材施教的 ai 助教
**痛点:** 传统学习中,老师的水平、时间、精力都有限,无法顾及每个学生的具体困惑。
**解决方案:** NotebookLM 的 Chat 模块基于你上传的特定材料,提供 **24/7 的顶级模型答疑**。实现真正的**个性化学习**和**因材施教**。
1. 内化(Internalization):精细加工与主动提取
**原理:** 学习不能只靠"看",那叫被动输入。真正的掌握需要:
- **精细编码(Elaborative Encoding)**
- **主动提取(Active Recall)**
**NotebookLM 的价值:** Studio 里的功能正是为此设计的。
- **Flashcards(闪卡)& Quiz(测验):** 最符合认知科学的"自我测试"工具,强迫大脑调动知识去提取,而不是一遍遍重读(低效的勤奋)
- **表格与思维导图:** 帮助将线性文本拆解为最小的知识概念(Concepts),并重新组合
1. 输出(Output):辅助生成
可以生成 PPT、报告等 Artifacts,但更多是学习过程中的中间产物。真正的高质量输出,还需要更深度的创作。
**总体价值** NotebookLM 极大弥补了人脑"前额叶"算力有限的缺陷:
- 帮我们处理费脑子的信息整理和检索工作
- 让我们把有限的脑力用在更深层的思考、更主动的回想上
- 这就是"第四层大脑"的价值
### Q&A
Q1:微信公众号文章怎么导入?
**问题:** 直接粘贴链接通常会报错。
**解决方案:** 使用 Readwise Reader 作为"桥梁"。先用 Readwise 插件剪藏文章,在 Reader 里生成公开分享链接,或导出为 PDF/Doc,再导入 NotebookLM。
Q2:如何用 NotebookLM 背单词?
**观点:** 不要为了用 ai 而用 ai。背单词的核心是方法论(如"单词四步法":理解词义、词根词源、同义反义、语境应用)。
只有掌握了科学的方法,ai 才能帮你生成高质量的例句、词根分析或测试题。
Q3:NotebookLM 的思维导图好用吗?
自带的思维导图功能比较基础。真正的知识结构需要在自己脑子里构建,或者在 Logseq 这种大纲笔记软件中"生长"出来。
Q4:为什么需要 Workflow?
知识可视化的本质是**内容策划与视觉呈现的分离**。不要指望 ai 一键直出完美结果,必须先用 ai 策划好内容方案,再用专门的工具去生成视觉元素。
### “先建 100 个笔记本再说”
怎么把 NotebookLM 用好?**每天用**。
无论是孩子期末考试备考、读一本书、研究一个主题,还是学习一项技能,都可以变成一个 Project(项目笔记本)。
只有积累了第一手的直接经验,你才会发现它的价值。
**先做,在做中学(Learning by Doing)**——这是 ai 实战派最重要的经验。如果一个东西没有 Use Case(使用场景),那它只是营销信息,不能解决具体问题。
### 结语:ai最有价值的use case
**ai 最大的 Use Case 真的就是学习和教育。**
2025 年所有的好事都跟 ai 相关。NotebookLM 用了两年,直到上周才及格。但这才刚刚开始。
如果我们把过去几千年来没法解决的学习老大难问题,用现在的**学习科学(Learning Sciences)** 和**最顶级的 ai 工具**结合,再加上家长对学习本质的了解,整个局面会完全不一样。
### 讲座回看&下期预告
加入”做中学·ai社群“,即可获得以下全部权益:
' fill='%23FFFFFF'%3E%3Crect x='249' y='126' width='1' height='1'%3E%3C/rect%3E%3C/g%3E%3C/g%3E%3C/svg%3E)
chatgpt发布三年来,我首次招募ai社群,就是因为**现在是 ai 最可以也最应该落地的时刻**。
首次招募,**领券后只需365 元**,还赠送 129 元《内驱式学习》签名书。数量有限,先到先得。
' fill='%23FFFFFF'%3E%3Crect x='249' y='126' width='1' height='1'%3E%3C/rect%3E%3C/g%3E%3C/g%3E%3C/svg%3E)
点击”**阅读原文**“,现在加入社群。