要打造高效私人知识助手，需创建主题明确的笔记本（如“AI工具测评”），上传相关源文件并验证解析状态，再通过定位、对比、生成三类提问激活知识库，最后持续投喂与轻量维护。
☞☞☞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☜☜☜
你想把零散的读书笔记、会议纪要、PDF报告和网页摘录变成一个能随时问答、自动归纳、精准溯源的私人知识助手，而不是继续让它们躺在硬盘里吃灰。
明确主题边界，一个笔记本只管一件事
打开 notebooklm.google.com → 登录 Google 账号 → 点击「+ New notebook」→ 在弹出窗口中输入名称，比如“AI工具测评”或“项目复盘资料”。【名称必须具体，不能叫“我的知识库”或“所有资料”】
这一步不是走形式。NotebookLM 的语义索引能力高度依赖主题一致性——混入无关文档会稀释关键词权重，导致后续提问时召回率骤降。你上传 10 篇 AI 工具测评 PDF，它能精准对比参数；但若夹进 2 篇健身食谱，连“Stable Diffusion 支持哪些模型格式”这种问题都可能漏掉关键段落。
上传并验证你的第一组源文件
进入刚创建的笔记本 → 点击「Upload sources」→ 拖入或选择文件（支持 PDF/DOCX/TXT/Google Docs/图片/MP3/WAV/网页链接/大段粘贴文字）→ 单次最多 50 个文件，总大小 ≤ 200 MB。
等待自动解析完成（通常 10–60 秒），完成后立即做两件事：
① 点击右上角「View sources」确认每份文件都显示为绿色“Ready”状态；
② 在对话框输入：“请用一句话总结这份资料的核心结论”，观察是否返回带原文出处（如 Source_3, p.12）的简洁回答。
如果某份 PDF 显示“Processing failed”，大概率是扫描版未启用 OCR 或加密了。此时不要重试，直接用 Adobe Acrobat 或在线工具解密/转文字后再上传。
使用固定的 Next.js/Tailwind/Prisma 技术栈构建并记录独立 SaaS 项目，仅将 FastAPI 用于 Python 工作负载，并遵循严格的架构规范。
用三类问题快速激活知识库
方法一：定位型提问
“在《2024年AIGC工具白皮书》第4节中，提到哪三个主流模型训练成本差异？”
→ 这类问题检验锚点跳转是否生效，答案末尾应带可点击的页码引用。
方法二：对比型提问
“对比 Source_1 和 Source_4 中关于RAG架构的描述，列出三点分歧”
→ NotebookLM 会并列呈现双方原文片段，并标注来源编号，不自行编造结论。
方法三：生成型提问
“基于全部资料，生成一份面向新手的‘Prompt工程入门 checklist’，分步骤，每步附一个真实例子”
→ 此时模型调用的是你资料中的术语体系和案例逻辑，输出结果天然适配你的知识语境，不会冒出你从未见过的概念。
持续投喂与轻量维护
第一步：新资料到手后，先用 Gemini 快速提炼成结构化文本（如“会议纪要→5个结论+3个待办+2个风险点”）；
第二步：将该摘要 + 原始会议录音转录稿（如有）一并上传至同一笔记本；
第三步：删除旧笔记本中已过期的临时草稿文件（如初版调研问卷），保留核心报告与终版纪要。
注意：不要频繁新建笔记本覆盖旧的。同一个主题下，用“上传→提炼→清理”循环维持知识密度，比堆砌 20 个半死不活的笔记本更有效。
