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¶
- 创建新 Notebook,命名为「我的资讯大脑」
- 上传核心资产文件
- 设置自定义指令(Custom Instructions)
- 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:
- 输入调研主题(如「2026 年宠物经济市场趋势」)
- AI 全网搜索行业报告和新闻,自动生成调研文档
- 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
- 基于筛选后的数据提问,获得精准市场洞察
- 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:
- 打开 Gemini 主对话页
- 点击左下角 + 号
- 选择 NotebookLM
- 挂载你的「资讯大脑」笔记本
场景 1:生成商业洞察图表¶
操作:
- 挂载 NotebookLM 笔记本
- 拖入 CSV 数据表格(品类、单价、复购率、利润率等)
- 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:
- 选择右下角「选择文本并进行查询」
- 框选需要调整的区域
- 用自然语言描述修改效果
- 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¶
- Google 官方公告:NotebookLM 作为 Gemini 来源
- Google 官方:Notebooks in Gemini
- NotebookLM 官方文档
- Gemini + NotebookLM 联动实战攻略(知乎)
- NotebookLM 与 Gemini 3.1 Pro 联动深度评测(什么值得买)
- 腾讯云:NotebookLM + Gemini 外挂模式
相关笔记¶
- NotebookLM - Gemini CLI 批量生成简报提示词工作流
- [[NotebookLM]]