需上传多源资料至notebooklm.google.com并完成语义解析，才能构建可追溯、跨文档交叉验证的知识流；解析后支持关系追问、实体锚定等方法实现知识关联，并导出带溯源信息的结构化表格作为新枢纽节点。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
你需要把散落在PDF、网页、会议记录里的信息拧成一股可追溯、能交叉验证的知识流，而不是继续用文件夹堆砌资料。
上传多源资料并激活语义索引
访问 notebooklm.google.com，用 Google 账号登录；点击「+ New notebook」→「Upload sources」，一次性拖入最多 50 个文件（PDF/DOCX/TXT/YouTube链接均可），总大小不能超过 200 MB。
等待系统自动解析完成（通常 10–60 秒），此时 NotebookLM 已将每份资料切分为语义块，并建立向量索引——【这一步不可跳过，未完成解析的资料无法参与跨文档推理】。
解析完成后，右侧会显示所有来源的缩略图与页码范围，鼠标悬停可预览关键段落。
构建跨文档知识关联网络
在对话框中直接提问，例如：“对比《光催化C–H活化》论文与《有机合成安全指南》中关于DCE溶剂的使用建议”，NotebookLM 会同时检索两份文档，定位原文依据，并标注出处页码和段落位置。
方法一：用“关系追问法”主动编织节点 输入：“列出所有文档中提到‘Ir(ppy)₃’的位置，并说明它在每个场景中的作用（催化剂/光敏剂/淬灭剂）”。系统将聚合分散信息，生成带引用标记的关系表。
方法二：用“实体锚定法”锁定核心概念 先问：“文档中出现频率最高的三个化学实体是什么？”，得到答案后，再以其中一个为锚点追问：“围绕‘quantum yield’，有哪些化合物被明确测定过该参数？分别在什么反应条件下？”
注意：跨文档推理仅在至少两个已解析资料中存在共现实体或语义重叠时生效，单文档提问不会触发网络构建。
导出结构化知识资产
第一步：在对话框中输入指令：“请从全部已上传资料中提取以下字段：技术名词、定义、应用场景、限制条件、原始出处（含文档名与页码），按表格形式输出。”
第二步：复制生成的 HTML 表格代码 → 新建本地 TXT 文件 → 粘贴保存 → 用浏览器打开即可查看可点击跳转的引用表格。
第三步：将该 TXT 文件重新上传为新资料源，点击右键菜单中的「Convert all to source」，它就成为知识网络的新枢纽节点——后续所有提问都将优先通过这张表进行语义路由。
这一步操作起来很简单，直接把文件拖进去就行。但必须确保 TXT 中保留了完整的页码和文档名标识，否则转换后将丢失溯源能力。
