Skip to content

Gemini + NotebookLM 数字分身工作流

工作本质可概括为三个维度:快速学习、高效沟通、精准交付。本视频展示如何用 NotebookLM 构建个人数字分身,联动 Gemini 实现从前端调研到后端交付的全自动化,将三人团队一周的工作量压缩到一人一个下午。


核心架构

┌─────────────────────────────────────────────────┐
│              你的个人数字分身                      │
│         (NotebookLM Notebook)                    │
│                                                  │
│  ┌──────────┐ ┌──────────┐ ┌──────────┐        │
│  │ 历史案例  │ │ 分析模型  │ │ 方法论   │        │
│  │ & 方法论  │ │ (SWOT等) │ │ & 流程   │        │
│  └────┬─────┘ └────┬─────┘ └────┬─────┘        │
│       └────────────┼────────────┘               │
│                    │                             │
│         自定义指令 (角色设定)                      │
│         + 每次对话沉淀为新笔记                     │
└────────────────────┬────────────────────────────┘
                     │
         ┌───────────┼───────────┐
         ▼           ▼           ▼
    会议录音处理   市场调研    商业交付
   (NotebookLM)  (Deep       (Gemini + NotebookLM
                  Research)   + Canvas)
                              ├── 数据可视化图表
                              └── 小红书图文素材

第一步:建立数字分身

核心概念

NotebookLM 的关键优势:只从你上传的资源展开 AI 活动,不会捏造或抓取虚假信息,大幅减少 AI 幻觉。上传数据不会用于模型训练。

操作步骤

  1. 创建新 Notebook,命名为「我的资讯大脑」
  2. 上传核心资产文件
  3. 设置自定义指令(Custom Instructions)
  4. 持续喂养新知识

上传文件清单

文件 内容 价值
成功案例复盘 过往项目详情、客户需求、解决方案 复用经验,避免重复劳动
商业分析工具箱 SWOT、波特五力等分析模型 标准化分析框架
咨询方法论 & 运营手册 工作习惯、workflow、交付流程 保证服务质量一致性

自定义指令示例

你是我的数字分身,拥有 10 年商业咨询经验。
擅长用麦肯锡金字塔原理思考。
风格犀利、客观、只讲干货。

持续进化机制

对话中产生新思考 → 保存为笔记 → 勾选成为新资源
        ↑                                      │
        └────── 每次对话都在喂养数字分身 ←───────┘

关键特性

  • 右侧面板可生成思维导图,辅助归纳
  • 可选择合适资源生成正式报告
  • 测验功能可生成培训题目,用于新人考核

第二步:高效处理会议与调研

技巧 1:处理客户会议录音

流程

会议录音 → 语音转文字文档 → 上传到数字分身 → AI 分析

提问模板

基于这次会议,客户的真实痛点是什么?
客户明说的需求和没有明说的顾虑分别是什么?

AI 会区分表面需求(如「想提升销量」)和深层顾虑(如「执行力不够」)。

文件大小限制及绕过方案

限制 数值
每个来源文件字数上限 50 万单词
本地文件上传大小 200 MB

大文件绕过:上传到 YouTube 设为不公开,把链接丢给 NotebookLM,自动提取内容。

推荐插件

插件 用途 链接
Grabbit 一键抓取所有打开的网页 Edge 插件商店搜索 Grabbit
YouTube to NotebookLM 抓取频道所有视频链接导入 Chrome Web Store

技巧 2:快速行业调研

使用 NotebookLM 的 Deep Research(深度搜索) 功能:

  1. 输入调研主题(如「2026 年宠物经济市场趋势」)
  2. AI 全网搜索行业报告和新闻,自动生成调研文档
  3. 人工筛选:逐个检查来源,保留权威机构报告,删除营销号内容
  4. 基于筛选后的数据提问,获得精准市场洞察
  5. 导出为 Google Docs 存档
Deep Research 输出
       │
       ▼
  ┌─────────────┐
  │ 来源质量筛选  │ ← 关键步骤!AI 可能混入营销号
  │ 保留权威来源  │
  │ 删除垃圾信息  │
  └──────┬──────┘
         ▼
  基于高质量数据提问 → 精准市场洞察

对比

方式 传统做法 Deep Research
信息收集 手动搜索 + 筛选 AI 自动搜索
数据来源 靠经验和运气 需人工审核把关
耗时 数小时到数天 30 分钟 + 筛选

第三步:商业交付 — 联动 Gemini

前提:Gemini 中挂载 NotebookLM

2026 年 1 月起,Google 正式支持在 Gemini 中直接挂载 NotebookLM 笔记本作为知识源:

  1. 打开 Gemini 主对话页
  2. 点击左下角 +
  3. 选择 NotebookLM
  4. 挂载你的「资讯大脑」笔记本

场景 1:生成商业洞察图表

操作

  1. 挂载 NotebookLM 笔记本
  2. 拖入 CSV 数据表格(品类、单价、复购率、利润率等)
  3. 输入指令:分析品类,找出利润最优组合策略,生成交互式图表

输出:Gemini 生成动态散点图,鼠标悬停可查看详细数据。

指令模板:
作为商业顾问分析 [品类A] [品类B] [品类C],
找出利润最优的组合策略,并生成可视化交互式图表。

场景 2:生成小红书图文素材

在 Gemini + NotebookLM 环境中继续操作:

Step 1 — 生成文案

基于刚才的宠物经济分析数据,帮我生成一篇小红书笔记。
标题要有数据冲击力,正文要有干货感,可以带 emoji,
语气就像朋友聊天一样。

NotebookLM 中的写作风格设定会自动影响输出,保持人设一致性。

Step 2 — 生成配图(Gemini Canvas):

把刚才的品类利润率进行对比,生成五张 3:4 比例的
小红书信息图,风格要简洁专业。

Step 3 — 局部修改

  1. 选择右下角「选择文本并进行查询」
  2. 框选需要调整的区域
  3. 用自然语言描述修改效果
  4. 越细节的描述,效果越好

输出格式:HTML(可分享链接在新窗口高清浏览,直接截图保存)

端到端效率对比

环节 传统流程 AI 工作流
调研 2-3 天 1 小时
数据分析 4-6 小时 10 分钟
图表制作 2-3 小时(设计师) 5 分钟
小红书图文 写稿 + 找设计 + 排版 = 半天 15 分钟
总计 约 1 周(3 人团队) 1 个下午(1 人)

NotebookLM vs Gemini 定位分工

维度 NotebookLM Gemini
核心能力 知识沉淀、来源引用、深度搜索 创意生成、图表可视化、图片创作
数据安全 不用数据训练模型、来源可追溯 通用 AI 对话
输出形式 笔记、摘要、音频概览、简报 对话、图表、Canvas 画布
适用场景 内部知识管理、学习研究 对外交付、内容创作、数据可视化

一句话总结

NotebookLM 负责吸收世界,Gemini 负责呈现思考。


最佳实践

✅ 推荐做法

  • 上传前对敏感数据脱敏处理
  • Deep Research 结果必须人工审核来源质量
  • 数字分身的自定义指令要明确角色和专业领域
  • 每次有价值的新思考都保存为笔记,持续喂养分身
  • 大文件走 YouTube 链接绕过 200MB 限制

❌ 常见误区

误区 纠正
把 NotebookLM 当聊天机器人 它是基于你上传资料的知识引擎
把 Gemini 当搜索引擎 挂载 NotebookLM 后它才有你的专属知识
Deep Research 结果直接用 必须筛选来源,可能有营销号混入
数字分身建好就不管 需要持续喂养新知识才能进化
工具越多越好 真正在于是否能整合到你的工作流

参考资料

相关笔记