用了 NotebookLM 两年后，我觉得它不是笔记软件了

最近 AI 圈真的太卷了。

各种新的概念和产品层出不穷，比如 Codex、Claude Code、Harness、OpenClaw、Skills等等。

过去两年，我体验过上百款 AI 产品，有些让我惊艳过几天，有些让我写过推荐文章，但两年过去，真正还留在我工作流里的产品其实不多。

NotebookLM 是其中之一。

记得第一次接触的时候是2024年。那时候的我觉得：它是一个 AI 笔记软件。能总结 PDF、能生成 FAQ、能对话问答、还能标注知识出处。对于当时的我来说，这已经足够惊艳了。

2025年，我又写了一篇。那一年 NotebookLM 更新了中文播客和思维导图生成。我觉得它开始改变学习方式了，于是我又写了一篇体验分享。

转眼到了2026年。前几天整理资料的时候，我打开了自己的 NotebookLM 首页。大大小小几十个项目静静躺在那里。

突然有一种很奇妙的感觉，这些不是项目，而是过去两年我的学习轨迹。那一刻我突然意识到，我已经连续用了它两年。而且我对它的理解，也发生了三次变化。

2024 年，我觉得它是一个 AI 笔记软件。

2025 年，我觉得它是一个学习工具。

2026 年，我突然意识到：它其实更像一个知识操作系统。

我认为学习最大的瓶颈，其实从来不是获取知识。在过去几年，其实我们经历了一场知识获取革命。以前想学一个东西：要买书、找课程、找老师。现在只需要打开 AI 进行询问就好了。

理论上，今天应该是人类历史上最容易学习的时代。

但现实却很讽刺。

我们拥有了无限接近无限的知识，却越来越难真正学会一个东西。

为什么？

因为问题已经变了。

过去的问题是：没有知识。

今天的问题是：知识太多。

每天都有：新模型、新框架、新产品、新论文、新教程。以 AI 领域为例，现在一天的信息量可能比十年前一年还多。

于是出现了一个很有意思的现象。我们收藏的内容越来越多，真正掌握的内容却没有同步增长。浏览器书签越来越多，硬盘里的 PDF 资料越来越多。但回头问自己：真正理解了多少？其实非常少。

我后来发现，学习最难的根本不是看懂，而是消化。

以前我研究一个新东西，流程通常是这样的：看文档、做笔记、整理重点、画思维导图、总结框架、最后输出文章。整个过程非常重，尤其是技术论文，几十页、甚至上百页，很多时候看完第一遍，脑子里依然是模糊的。

真正的理解：是能够重新表达，能够回答问题，能够把知识变成自己的东西，而这就是我认为 NotebookLM 最具有价值的地方。它帮我完成了一件以前最费劲的事情：知识内化。

学习流程

我现在学习新知识基本是固定流程，比如最近研究 Google Stitch，我会把：官方文档、官方博客、官方演讲、用户案例、社区讨论、油管优质视频教程，全部资料丢进去。

这主要依赖于 NotebookLM 强大的输入能力。支持文件、网站链接、云端硬盘、文字以及搜索引擎。

在这里使用有一个小技巧，如果你希望搜索整理资料更快可以使用Deep Research（深度搜索）它会搜索到几十个不同格式的内容，但是我建议你要对搜索到内容都快速检查一遍，这样可以保证你的内容质量。

接下来我会做三件事情。

第一件事：生成信息图和PPT。

在右侧的Studio菜单中里面有一个信息图功能，可以点击旁边的小箭头，还可以进行自定义。

在这里可以对信息进行自定义，比如语言、屏幕方向、详细程度、更多描述。

因为很多时候，不是看不懂细节，而是根本不知道全貌。NotebookLM 会把大量内容压缩成一张结构图，这样可以起到一个快速了解全貌的作用。

比如以Google Stitch工具为例，我分别生成了详细、标准、简短的信息图。

它的区别在于图片信息密度不一样，这里有个小问题就是详细的图字多，但是容易文字乱码，目前详细版偶尔会出现文字乱码，不过不影响理解内容。唯一的缺点就是不能直接发到社交媒体上，或者用在自己的 PPT 里。如果要直接使用可以使用第三张简短内容的。

这些图就会像一个老师一样，先告诉你：这门课学什么，为什么学，有哪些重点，整个框架是什么。很多内容看到这里，理解就已经完成了一半。

如果说信息图是一张全局地图，那么 PPT 就是具体分支的详细路径。

右侧点击演示文稿，可以选择自定义。

格式选择「详细演示文稿」，语言选择「中文」，时长选择「默认」，这样信息密度最高。问题和信息图一样，会出现部分文字乱码，如果要使用里面的图片建议再生成一份演示用的幻灯片，时长短的。

PPT这种形式非常实用，我经常写公众号、做分享和培训。很多时候，可以直接拿这里面的图就用上了，不管是PPT页面复用还是文章配图都非常的实用。

NotebookLM 的 PPT 功能特别像一个研究助理。它会先帮你梳理逻辑，整理重点，提炼框架。于是很多时候，我已经不再先写文章，而是先看它生成的 PPT，看完整体框架之后，再开始输出自己的观点。这一步特别重要，因为 AI 可以帮你整理知识，但最终决定文章价值的，依然是你的理解和判断。

通过这两个步骤，我们无论从宏观框架还是微观细节上，对这个知识点都会建立起基本认知。

第二件事：不断提问。

信息图肯定不能解答你所有的问题，当你看到信息图的内容后肯定会有一些疑问，那么你可以直接在中间的输入框提问，让你查漏补缺。

我经常问：为什么这么设计？解决了什么问题？还有什么替代方案？如果让我自己实现会怎么做？有什么缺点？一句话总结一下？用人话如何解释？优势是什么？能不能解决XXX问题？

我后来发现：真正的学习，不是不断阅读，而是不断提问。

阅读是在接收答案，提问才是在构建理解。

而 NotebookLM 最大的价值，是它能基于你上传的资料回答。相比直接问通用大模型，它的回答会严格基于你上传的资料。

你还可以点击回复后的数字标签，它会定位到具体的数据来源位置。

第三件事：验证理解。这一点特别重要，因为很多人学习只有输入，没有验证。

这就像我们小时候学习完之后要考试一样的，NotebookLM 可以根据内容自动生成问题。在自定义的时候可以选择更多问题和困难难度的。这里还可以指定主题，非常适合给孩子生成测试题，上传指定学科内容。

作答后会显示正确答案、错误原因以及解析。这让我想到了考驾照的时候刷题的感觉。你会发现一些特别有意思的事情，有些内容，你以为自己懂了，结果一道题都答不上来（我大多数时候都是那么的迷之自信）。

有些内容，你能解释给别人听。说明它已经真正进入你的知识体系了。

能看懂，不等于会。能复述，不等于懂。能解决问题，才算真正掌握。

学习最怕的不是不会，而是以为自己会。

最后

过去两年，AI 圈出现过很多爆火产品。有些火了几个月就没人提了，有些更新几次就消失了。但 NotebookLM 一直留在我的工作流里。原因很简单，它解决的不是信息获取的问题，而是信息消化的问题。

在这个信息过载年代，未来真正稀缺的能力，可能不是获取知识，而是消化知识。

过去，我们总以为学习是在不断积累知识。但越来越多时候，我发现真正重要的不是存了多少资料，而是有多少知识真正留在了自己脑子里。AI 正在让获取知识变得越来越便宜。

而未来最有价值的能力，可能不是知道得更多，而是理解得更深。

这也是为什么用了 NotebookLM 两年后，我越来越觉得：它不是一个笔记工具，也不是一个学习工具。

它更像一个知识操作系统。

帮你把信息，慢慢变成理解。

再把理解，变成自己的能力。