应试教育的致命bug 是低效，而 notebooklm 是解药。
howie serious约 11 分钟最近，李飞飞访谈里的一个观点引起了大量的关注和讨论。观点大致如此：
人类已经进入智能时代。让孩子在应试教育和标准答案教育上花费十几年甚至几十年时间，是对人类的一种浪费。
当然，李飞飞原始的表述是比较温和的，温和到对教育和 ai 有足够理解的人都会觉得这是常识，温和到自媒体必须对原始观点进行夸大和扭曲才能获得流量。
我认同李飞飞的观点，我也一直秉持类似的观点：
应试教育的最大问题，是低效。
因为低效，所以孩子把十几年青春年华、认知潜力本可以充分发展的的大好年华，浪费在低水平、低效果的应试上。
但标准化考试本身是没问题的，只要考试质量好，学习者的方法得当，反而能打下非常扎实的基础。
你看现在搞ai 的美国华人和中国华人，不都是在标准化考试里历练和筛选出来的吗？如果脱离扎实的知识基础和解题能力训练，过于追求“创新教育”理念，其实反而是害了孩子。
所以，在我们家，虽然小树海量阅读闲书，有自己的兴趣爱好，但是一直不排斥“应试”，甚至战略之一就是“以考促学”。
而上周ai 讲座的主角 notebooklm，在我看来，就是解决应试教育低效 bug 的神器。不论是成年人为了自己的终身学习、效率提升，还是成年人为了孩子的学习效率效果提升，都应该好好研究，天天研究，先花费 100 个小时再说。
下面就是上周ai讲座的大纲笔记啦。还没上课的可以大概了解讲了什么，上过课的可以温故知新。
howie 的 ai 主题直播
主题：NotebookLM 专题｜解锁 10x 学习力的 AI 神器 主讲：@howie.serious 时间：2025-12-26 （W2552）
2025 年是 ”ai slop”元年。“ai slop”，也可以称为ai泔水，ai垃圾内容。
无论短文字、长文字、视频还是 Podcast，各个媒体频道充斥着 ai 生成的低质量内容。在这方面，未来让人悲观：从现在开始，我们都要面对互联网上铺天盖地的 ai slop，无可逃避。
应对原则：Idea 与 Taste
在大语言模型能够高效生成各种内容的时代，我们作为人的 Idea（思想） 和 Taste（品味） 变得至关重要。个人的特色思考、审美、鉴别力，其底层是 注意力。注意力资源变得特别重要。
NotebookLM：从发布到可用的两年
产品历程
2023 年 5 月：NotebookLM 公开发布，至今已两年半。 两年间的状态：每次 Google 发布新模型就会试用，但每次都很失望，"仍然垃圾，仍然不好用"。 上周的质变：底层模型更新到 Gemini 3.0 系列（Flash 和 Pro），产品终于发生质变，达到了可以推荐的程度。
理念定位 NotebookLM 是 Google 在 ai 时代对个人知识管理提出的方案——ai Notebook（ai 笔记本），特别聚焦于教育场景、学习场景和知识管理。
界面与功能概览
整体布局
左边：Source（信息源） —— 你的资料库 中间：Chat（对话） —— 与大语言模型对话，内容可保存为笔记 右边：Studio（工作室） —— 9 种预制功能，生成各类产物
Studio 的 9 种功能
支持的信息源类型 依托 Google 生态，支持导入：PDF、Google 云端硬盘文件、网站链接、YouTube 视频、音频等。因为 Google 的模型本身就是原生多模态的。
八大使用场景
场景一：K12 学习教练
核心理念： 家庭教育最重要的一件事是构建学习型家庭，父母一定要躬身入局。
痛点与解决：
父母要用行动做示范，但注意力、精力、认知负荷都有门槛，不可能亲自做笔记、出考题。 现在可以把孩子分学科的材料建立成一个个 Notebook，稍微动动脑子，投入很少的时间，就能提供非常具体的帮助。
具体操作：
上传课本 PDF（如人教版小学五年级语文） 用自然语言描述学习目标和需求 自动整理识字表、写字表、词语表 生成 Quiz、闪卡等学习材料
经验： 一开始尽量不动脑子。选择一个资料作为信息源，点一下，它就会用默认功能直接生成对应材料。
场景二：小学生必背古诗 75 首
把小学初中阶段需要背诵的古诗词相关材料全部放到 NotebookLM 的 Source 里 操作简单：直接拖拽进来即可 从这个笔记本能得到多少价值，完全取决于我们自己的应用程度
场景三：编程竞赛备考（NOI与GESP）
背景： 家长没法提供具体编程指导，但需要支持孩子备考。
操作方法：
导入大纲： 把考试大纲、活动方案丢进 NotebookLM ai 深度解析： 让 Claude、Gemini 或 ChatGPT 把活动方案里每一个具体的知识点、易错点研究得"翻天覆地" 生成备考材料： 把 ai 分析导出为 Markdown，作为新信息源上传，针对全部内容制作 PPT、信息图、闪卡、Quiz
核心价值："高维引导 + 细节辅导"策略
High-level： 家长不需要懂具体代码，不需要亲自出题 Detail： ai 能提供针对具体知识点的精准辅导 两边的好处都占了
场景四：主题研究
示例： 研究 LearnLM（Google 教育版大模型）的演变
操作流程：
用自然语言描述需求："请帮我搜索跟 LearnLM 相关的所有进展、学术论文、模型演进以及重要资讯" 使用 Fast Research 或 Deep Research，来源可以是 Web 或云盘资料 它会帮你把所有信息源自动加进来 直接提问，不用自己去读、去记笔记
Google 的优势： 背靠原生多模态模型和搜索能力，让信息获取极其高效。
场景五：Deep Research 报告与知识可视化
把 Deep Research 生成的高质量报告放进 NotebookLM 报告可以作为后续知识可视化（PPT、信息图）的素材基础
场景六：打通微信读书与 Readwise
1. 微信读书整合
通过导出功能，把过去 10 年微信读书里所有的划线和笔记一次性导入 NotebookLM 在手机或电脑上，可以随时随地 Chat with 你过去所有的阅读笔记
2. Readwise Reader 整合
Readwise 包含中文英文 Podcast、YouTube 视频、Twitter、PDF 等所有材料的划线和笔记 通过 API 或导出方式（如导出为 Google Docs）与 NotebookLM 打通
为什么这很重要？
笔记一定要可检索 一定要能跟 ai 无缝结合 一定要在各种系统之间可迁移 过去"一生"的阅读印记完全整合到一个工具里
场景七：经典文学研读
操作方法： 在 GitHub 找名著文本（TXT 或 Markdown 格式）；git clone 下来，上传到 NotebookLM。
可做的项目：
横向分析表格（如莎士比亚几大悲剧中的"悲剧缺陷"） 思维模型提取（如《哈姆雷特》里对普通人有启发的思维模型） 角色关系图与台词分析 定制化教学（"给 10 岁的小学生讲《哈姆雷特》"）
Source Grounding 的价值：
直接问 ChatGPT 可能会有幻觉 但把原著作为 Source 放在 NotebookLM 里，回答是基于文档的，准确度极高，并且带有引用来源 对于边缘知识或具体情节的查询，建立专门的原著笔记本是最佳解决方案
场景八：技术类硬知识学习
针对博大精深、需要不断更新的网络知识等主题 单独建立笔记本，指哪打哪，非常精准
理念升级：从”dead tree”到 ai 学习神器
传统书籍的局限 以前的书本质上是"Dead Tree"（死树）：不能搜索它，没法让它回答问题，没法把人类知识变成唾手可得的 ai 教练。
ai 时代的转变 所有材料不再是"死树"，而是跟最顶级的 ai 工具整合；能从中获得 1 倍还是 10 倍的效率提升，完全取决于你对"学习"这件事的理解。
以高考为例
每个学科建一个 Notebook（语文、数学、物理、化学、生物） 每个学科构建知识体系，涉及约 1000 个基础重要概念 针对每个概念，用 Quiz、闪卡、费曼技巧去消化
为什么不推荐音频和视频功能
虽然 NotebookLM 靠生成"ai 播客"出圈，但音频和视频功能完全没有价值，甚至可以说是 ai slop。
原因在于学习的本质：
学习最重要的事情是把线性的语言文字，变成有体系、有结构的知识框架 这就是把非结构化材料转化为结构化材料的过程 在大脑里，知识以框架、体系、结构和网络的形式存在
音频和视频是线性的， 并没有帮助完成"从非结构化到结构化"的转化过程。其他七种媒介形式（思维导图、报告、闪卡、测验、信息图、PPT、表格），本质上都在辅助这个认知过程，是有价值的。
三个核心概念
概念一：Source Grounding（解决幻觉）
所有大语言模型都有幻觉。 没有幻觉就不叫大语言模型，那叫搜索引擎。因为模型把人类知识压缩进参数时，必然会丢失细节。
NotebookLM 存在的意义，就是专门为了解决大语言模型的幻觉问题。
技术原理：
使用 Source Grounding（来源溯源） 或 Knowledge Grounding（知识溯源） 回答问题时，不是优先使用模型内部的训练数据（参数记忆），而是优先使用你上传的 Source 将数据转化为向量空间，通过 Vector Search（向量搜索） 匹配相关材料 每个回答都会标注引用来源（Citations） 它是"接地气"的（Grounded），接到了你提供的具体材料上
概念二：NotebookLM 即 Gemini Projects
为什么 ChatGPT 有 Projects 功能，而 Gemini App 里没有？
因为 NotebookLM 本身就是 Gemini 的 Projects。
这几十个笔记本，就是你 Gemini 账号下的一个个项目库 联动更新： 在 Gemini 网页端，可以直接把 NotebookLM 里的笔记本作为信息源调用 模型选择： 虽然 NotebookLM 界面内默认模型是 Gemini 1.5 Flash（无法手动切换），但通过在 Gemini App 里调用 NotebookLM，可以用 Gemini 3.0 Pro 甚至 Flash Thinking 模型来处理笔记里的材料
这样就打通了最顶级的模型能力与私有知识库。
概念三：UI 结构即"学习闭环"
界面设计完美对应了人类学习闭环的全过程：
输入环节： 审视信息源的质量和齐备程度 理解环节： 最顶级的模型 24×7 待命，实现真正的因材施教 输出环节： 辅助生成各种笔记和可视化材料
重要辨析
直出图 vs. 专业可视化工作流
问题： NotebookLM 直出的 PPT 和信息图能用吗？
结论：不能用于正式输出。 它的质量达不到专业标准，只能作为学习过程中的辅助材料。
最佳实践——知识可视化 Workflow：
内容策划（Content）： 使用 Gemini 3.0 Pro，通过专门的 Prompt 将材料转化为详细的视觉策划方案 视觉生成（Visual）： 使用专业工具（如 Napkin ai），拿着策划好的方案去生成视觉元素
核心原则： 内容策划与视觉呈现分离。不要指望 ai 一键直出完美结果。
Deep Research 功能的定位
在 NotebookLM 里，Deep Research 更多是作为 Database（数据库）功能，利用 Google 搜索索引帮助快速收集信息。
Google 过去二三十年把互联网信息做了最高质量的索引 相当于直接对接 Google 的基础设施，把相关信息源自动"拉"进笔记本 解决了"找资料"费时费力的问题
历史溯源：Project Tailwind
产品前身 NotebookLM 最早在 2023 年 Google I/O 大会上发布时，名字叫 Project Tailwind。
命名隐喻：
"Tailwind" 意为"顺风"或"尾风" 在航海术语中，是从你背后吹来的风，助力你加速向目标前进 与之相对的是 "Headwind"（逆风）
初衷： Google 希望这个工具能像顺风一样，加速人类的学习和思维过程。
演变： 2023 年 7 月更名为 NotebookLM，起初使用 PaLM 2 模型，效果"非常拉跨"，直到更新 Gemini 3.0 才真正兑现承诺。
本质定位： 它不仅是笔记软件，更是一个旨在加速思考的 思维工具（Tools for Thinking）。
基于"学习闭环"的深度解析
想用好 NotebookLM，必须了解人是如何学习的。
体系（System）：构建知识网络
NotebookLM 的局限： 它不是用来构建知识体系的，没有全局的知识图谱功能。
推荐工具： Logseq 或 Obsidian。通过双向链接和树状结构，将成千上万个笔记（知识砖块）关联成网。这是知识的"地基"。
输入（Input）：信息收集与聚合
NotebookLM 的优势： 可以作为"快速信息收集器"，将 PDF、云盘文件、网站链接、YouTube 视频等各种媒介汇聚一处。适合做短平快的主题研究。
对比 Readwise Reader： Readwise Reader 更适合作为长期的阅读器（划线、笔记、多端同步），而 NotebookLM 更适合作为针对特定项目的资料库。
理解（Understanding）：因材施教的 ai 助教
痛点： 传统学习中，老师的水平、时间、精力都有限，无法顾及每个学生的具体困惑。
解决方案： NotebookLM 的 Chat 模块基于你上传的特定材料，提供 24/7 的顶级模型答疑。实现真正的个性化学习和因材施教。
内化（Internalization）：精细加工与主动提取
原理： 学习不能只靠"看"，那叫被动输入。真正的掌握需要：
精细编码（Elaborative Encoding） 主动提取（Active Recall）
NotebookLM 的价值： Studio 里的功能正是为此设计的。
Flashcards（闪卡）& Quiz（测验）： 最符合认知科学的"自我测试"工具，强迫大脑调动知识去提取，而不是一遍遍重读（低效的勤奋） 表格与思维导图： 帮助将线性文本拆解为最小的知识概念（Concepts），并重新组合
输出（Output）：辅助生成
可以生成 PPT、报告等 Artifacts，但更多是学习过程中的中间产物。真正的高质量输出，还需要更深度的创作。
总体价值 NotebookLM 极大弥补了人脑"前额叶"算力有限的缺陷：
帮我们处理费脑子的信息整理和检索工作 让我们把有限的脑力用在更深层的思考、更主动的回想上 这就是"第四层大脑"的价值
Q&A
Q1：微信公众号文章怎么导入？
问题： 直接粘贴链接通常会报错。
解决方案： 使用 Readwise Reader 作为"桥梁"。先用 Readwise 插件剪藏文章，在 Reader 里生成公开分享链接，或导出为 PDF/Doc，再导入 NotebookLM。
Q2：如何用 NotebookLM 背单词？
观点： 不要为了用 ai 而用 ai。背单词的核心是方法论（如"单词四步法"：理解词义、词根词源、同义反义、语境应用）。
只有掌握了科学的方法，ai 才能帮你生成高质量的例句、词根分析或测试题。
Q3：NotebookLM 的思维导图好用吗？
自带的思维导图功能比较基础。真正的知识结构需要在自己脑子里构建，或者在 Logseq 这种大纲笔记软件中"生长"出来。
Q4：为什么需要 Workflow？
知识可视化的本质是内容策划与视觉呈现的分离。不要指望 ai 一键直出完美结果，必须先用 ai 策划好内容方案，再用专门的工具去生成视觉元素。
“先建 100 个笔记本再说”
怎么把 NotebookLM 用好？每天用。
无论是孩子期末考试备考、读一本书、研究一个主题，还是学习一项技能，都可以变成一个 Project（项目笔记本）。
只有积累了第一手的直接经验，你才会发现它的价值。
先做，在做中学（Learning by Doing）——这是 ai 实战派最重要的经验。如果一个东西没有 Use Case（使用场景），那它只是营销信息，不能解决具体问题。
结语：ai最有价值的use case
ai 最大的 Use Case 真的就是学习和教育。
2025 年所有的好事都跟 ai 相关。NotebookLM 用了两年，直到上周才及格。但这才刚刚开始。
如果我们把过去几千年来没法解决的学习老大难问题，用现在的学习科学（Learning Sciences） 和最顶级的 ai 工具结合，再加上家长对学习本质的了解，整个局面会完全不一样。
讲座回看&下期预告
加入”做中学·ai社群“，即可获得以下全部权益：
chatgpt发布三年来，我首次招募ai社群，就是因为现在是 ai 最可以也最应该落地的时刻。
首次招募，领券后只需365 元，还赠送 129 元《内驱式学习》签名书。数量有限，先到先得。
点击”阅读原文“，现在加入社群。