1. 登录并查看例子
我们说上手一款工具最好的方式就是看别人是怎么用的，因此第一次先打开：https://notebooklm.google.com/ 点击Try an example notebook
左侧我们看到有：
快速开始
如何最大化NoteLLM能力
功能特色
术语表
常见问题
NotebookLLM用作帮助中心和指引
NotebookLLM用于研究
NotebookLLM用于整理会议稿/采访稿
这样我们就快速知道了，NotebookLLM可以面向的几类场景分别是：
知识库：用于一般文档合集辅助阅读
学术研究：用于学术论文工作
职场：整理会议稿/采访稿
2. 快速开始
点击左侧的快速开始，我们可以看到官方指引写得比较清晰。你可以将其视为一款辅助阅读工作，你可以上传文档资料，支持PDF、txt或者是Google文档/幻灯片的URL链接。
其中限制是每个资料小于50万字，每个notebook包含不超过50个资料。
因为在这个example notebook中无法创建note，我们回到前一个界面创建新notebook。
测试这类AI工具一开始建议使用自己熟悉的材料，以此评估AI生成内容是否足够好。所以我上传了一篇大数据的综述，处理完成后就弹出了下一步指引。
这里你可以生成一系列预定义的内容如 FAQ 常见问题，学习指引，目录，时间线，文档总结。又或者可以生成一个两人的对话（只支持英文），就像听播客一样学习。另外还有三个建议的问题。
点击生成播客音频之后，可以使用其他功能，这里我点击了第三个问题。
大数据系统趋势：专业化、多样化和实时处理
研究指出，大数据系统的演变主要受到三个趋势的推动：专业化、多样化和实时处理。
1. 专业化架构
为了降低成本并提高效率，大数据系统正逐渐从传统的通用架构转向为特定应用设计的专业化架构。这种转变在国内外领先的互联网公司开发的大规模、高吞吐量、低成本和可扩展系统中尤为明显。
2. 平台多样化
自 2008 年以来，Apache Hadoop 已被广泛采用，成为大数据处理的事实标准。然而，随着 Spark、Scribe、Flume、Kafka、Storm、Drill、Impala、TEZ/Stinger、Presto 和 Spark/Shark 等新系统的出现，平台多样化的趋势愈加明显。这些新系统扩展了大数据技术的生态系统，形成了一个更全面和强大的环境，而不是简单地取代 Hadoop。
3. 实时计算的兴起
为了克服批处理的局限性，实时计算正受到越来越多的关注。实时计算的目标是将处理 PB 级数据的时间缩短到秒级，以补充批处理，并满足快速变化的数据流中对及时洞察的需求。Dremel 系统就是这一趋势的一个例子，它能够以比传统 MapReduce 快得多的速度进行网络规模数据集的交互式分析。
总结得还不错。我们点击右下角Notebook guide 听一下生成好的音频，可以下载。
两人对话比较自然，互动频繁，不像是生成对话文本之后再逐段tts做出来的，因为对话时还会有那种播客里经常出现的两个主持人相互打断的情况。
可以试听一下，如果这个功能可以支持中文就好了。
这时如果再打开一个新的Note，就会变成是一边听播客一边做笔记的样子：
我还测试了一下问一些上传材料中不涉及，但可以延伸的问题，NotebookLM还是给出了不错的回答。
3. 使用场景
总体体验很不错，那下一步可以用来做什么？我会想到以下场景：
项目了解
当我们刚接手一个项目时，往往会有大量项目材料需要阅读，除了正规产出的文档之外，还会有各种会议纪要、聊天录音等过程性材料。这时为了快速上手，你可以将所有资料都上传到NoteLM并根据需要让AI辅助你进行下一步工作。
主题阅读
当我们想要快速了解某个陌生领域时，配合AI搜索引擎，可以一边搜集资料一边尽可能缩短资料阅读的时间。因为可能有80%左右的资料都是无需细读的，NotebookLM 可以帮助你快速判断一个信息是否值得深入研究。
学术研究
与主题阅读类似，当我们需要开展学术研究时，仍然可以在NotebookLM中整理庞大的学术资料库。
总的来说，日常工作与学习可能涉及到的文件类型NoteLM都支持了，有一些不支持的比如word、ppt、excel这些都是有办法转换的。更加方便的是，有一些线上资源如视频（支持youtube），网站（博客等内容网站），电子书也都可以通过URL直接导入。
功能都齐备了，那下一步关键问题便是：你的输入是什么？
以主题学习为例，我们下来使用pplx配合NotebookLM来尝试做一个学习工作流
4. 主题学习
假设我们要学习的是有关 AI Agent 方面的知识，那么可以让pplx帮忙找学术论文。
将可以下载的论文全部下载下来，为了演示方便，这里只用了其中五篇。上传五篇论文后，让NotebookLLM输出目录。
配合pplx使用，可以顺手放回来翻译成中文。
这时你会发现只有论文3和4才跟我们想要研究的主题比较相关。再接下来你可以针对这两篇论文进行提问了。
看到这里，你大概知道pplx给出来的是几篇水文。这时你得回到论文检索步骤重新开始，论文检索技巧是另外一项工作，就先不在此展开。你可能也发现了，NotebookLM底层所使用的多模态大模型Gemni目前只是不会输出中文，但它可以理解中文。
5. 后记
总的来说，NotebookLM使用体验挺不错。但对于学术类调研来说，可能还需要去跟你的学术知识库（Zotero、Endnote等）进一步打通才会变得更好用。当下比较适合上手的用户可能是英文水平本身比较好，日常工作学习也都习惯使用英文材料的，那么NotebookLM会是你理想的学习搭子。
支付宝微信扫一扫，打赏作者吧～本文链接：https://kinber.cn/post/5717.html 转载需授权！
推荐本站淘宝优惠价购买喜欢的宝贝:
您阅读本篇文章共花了： 
