必须先让NotebookLM识别全部日期，再按时间顺序排列生成可导出的结构化列表：上传文档待显示“Ready”后提问提取所有日期，校验补全后转为ISO格式，最后用timeline.js.org生成交互式时间线。
☞☞☞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☜☜☜
要从NotebookLM中提取文档里所有日期并自动构建完整时间线，必须先让模型识别出文本中所有隐含和显式的日期表达式，再按时间顺序排列生成可导出的结构化列表。
让NotebookLM识别全部日期
在NotebookLM左侧「Sources」中上传含时间信息的原始文档（PDF/DOCX/TXT均可），上传后等待右上角显示「Ready」状态——【未等到Ready就提问，模型会跳过大量未解析的日期】。
点击右下角「Ask」输入框，直接输入：“列出本文中出现的所有日期，包括年份、年月、年月日、相对时间（如‘三年前’‘下周’）及模糊时间（如‘上世纪九十年代’‘改革开放初期’），不遗漏任何一处。”
发送后等待响应。若返回结果明显偏少（比如只列了5个日期但原文有几十处时间线索），说明模型未充分理解上下文，此时需补充指令：“请重新扫描全文，特别注意数字+‘年’‘月’‘日’‘初’‘末’‘前后’‘之际’‘期间’等组合，以及中文习惯表达如‘零三年’‘一九八四’‘二〇二二年’。”
校验并补全缺失日期
方法一：用「Outline」视图人工筛查
点击顶部「Outline」→ 展开所有段落标题 → 逐条扫视每段首句和结尾句，重点查找“于”“在”“自”“截至”“历时”“历时X年”等引导时间的介词结构——这些位置常藏有模型漏掉的口语化或嵌套式时间表达。
方法二：反向提示工程
复制一段含疑似日期但未被提取的原文（例如：“项目启动恰逢千禧年交接之际”），单独新建一个提问：“这句话里隐含的具体年份或时间范围是什么？请只输出最可能的年份区间，格式为‘2000–2001’。”
方法三：启用「Source snippets」对照验证
在回答下方点击「Show source snippets」→ 查看每个日期对应的原文片段 → 若发现某处原文写的是“2023年Q4”，而模型只返回“2023”，需手动补上“2023-10至2023-12”。
生成可排序的时间线
第一步：整理所有日期为标准ISO格式
将提取出的全部日期（含补全部分）粘贴到新文本文件中，统一转写为以下四种之一：
• 完整日期：2023-05-17
• 年月：2023-09
• 年份：2021
• 区间：1980–1992
【禁止混用格式如‘2023年5月’或‘1990年代’，否则后续排序会错乱】。
第二步：导入在线时间线工具
打开 https://timeline.js.org → 点击「Create a new timeline」→ 选择「Google Sheets」或「CSV upload」→ 将整理好的日期列表按“日期,事件简述”两列填入表格（日期列必须是第一列且无标题行）。
第三步：一键生成可视化时间线
保存表格 → 返回timeline.js.org → 粘贴共享链接或上传CSV → 点击「Generate Timeline」→ 页面自动渲染带缩放、标签和颜色区分的交互式时间轴。
