NotebookLM能将多源材料（PDF/网页/音视频）统一理解、交叉比对并结构化输出，所有回答严格锚定上传资料，杜绝幻觉；支持混合格式上传、语义对齐、手动校准及概念图谱生成。
☞☞☞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☜☜☜
专题研究需要把分散在PDF、网页、音视频里的信息统一理解、交叉比对、结构化输出，而NotebookLM能强制所有回答锚定在你上传的资料源上，杜绝幻觉，自动识别跨文档概念关联，把几十份材料变成一个可提问、可推理、可生成图表的活知识体。
它不靠猜，只认你给的材料
打开notebooklm.google.com，用Google账号登录后，创建新笔记本→上传PDF/网页/文本→所有后续问答、总结、对比、图表生成，都严格限定在这批材料范围内。模型不会调用训练数据补全内容，也不会联网搜索，【一旦上传完成，知识边界就彻底锁定】。
这一步是根本前提：如果你上传的是《气候变化政策比较》的5份白皮书+3篇论文+2个政府官网页面，那它永远只在这10份材料里找依据，哪怕问题问得再宽，它也会标注“该结论未在任一源中提及”。
多源材料自动对齐语义
方法一：上传时混合格式不需预处理
PDF（含扫描件OCR）、网页URL、纯文本、YouTube视频字幕，可同时拖进同一个笔记本。系统自动提取文本、对齐时间戳或版式段落，构建统一嵌入空间。
方法二：上传后手动校准关键节点
若某PDF公式被OCR误识，点击右侧引用浮标→悬停原文→点“Edit source text”直接修正，修正后所有后续推理立即同步更新。这比重传整份文件快得多。
【注意：扫描PDF超过50页时，OCR精度会明显下降，建议优先上传带文本层的PDF】
资料分类不是打标签，而是建关系网
第一步：让NotebookLM自动生成“核心概念图谱”
输入提示：“列出所有资料中反复出现的术语，按出现频次排序，并标注每个术语在哪些文档中被定义、在哪些文档中被应用。”
第二步：用矛盾猎手提示词定位分歧点
输入：“找出所有资料对‘碳边境调节机制’适用范围的表述差异，按文档来源分组，标出每处差异对应的原文页码和段落。”
第三步：导出结构化分类结果
点击右上角「Export」→选择「JSON with citations」→得到含文档ID、段落锚点、语义标签的嵌套对象，可直接导入Obsidian或Notion做二次组织。
