Google王炸知识库：Gemini + NotebookLM，腾讯IMA要加油了！
叶小钗约 5 分钟AI训练营7期，1月下旬开班，欢迎咨询
Google今年一直在AI领域表现非常强势，比如5月左右的Google I/O 产品大会就对外释放了巨多信息，包括：
以Gemini为核心的基模，正在追求更强的推理 + 更可控的成本/延迟 + 更强的工具/Agent生态； 而后Google展示了其技术底蕴，展示了Computer-Use的一些研究成果，要知道无论是电脑操作还是浏览器操作都是Agent最常用的工具集； 最后就是视觉三件套的宣发，Veo 3 + Imagen 4 + Flow，在这套AI工具的帮助下，普通人制作电影将变得可能，只不过当时由于成本和技术门槛，这个并没有风靡，但Google的底蕴强大一览无余； ...
到后来的事情大家就清楚了，无论是Nano Branana 还是 Gemini 在前端侧Coding的强势表现，都标志着Google在AI领域T0的地位！
而今天，我们来介绍一款Google的知识库产品：NotebookLM
NotebookLM
NotebookLM 是一款基于用户上传资料的 AI 笔记与研究助手。与 ChatGPT 或 Gemini 直接回答不同，它的核心逻辑是：只根据你喂给它的资料来回答，极大地降低了 AI 幻觉：
简单看来NotebookLM就是一个知识库类项目，国内类似的产品有很多，比如我常用的腾讯IMA，这类产品都有很多共同的特点：
一、可溯源
基于NotebookLM的每一个回答都会标注引用来源，这会非常方便我们找到原文，比如我们这里依旧是上传了40篇的管理课程，大家可以对比NotebookLM和腾讯IMA的回答对比：
腾讯IMA：
NotebookLM：
二、多模态能力
然后从介绍上，貌似NotebookLM在多模态能力输入输出一块要更为优秀全面一点，但这东西单看实现成本问题，简单的场景下，并没有什么太高的技术门槛。
但是从工作面板来说，NotebookLM无疑来说是比较强大的，他支持很多基于基本信息的二次信息生成任务：
比如，我们试试脑图生成：
其实从这里就逐渐发现其定位所在了，NotebookLM这步棋其实很妙的，他正在抢占一个AI非常擅长、且我们非常需要的领域：
三、NotebookLM抢占办公领域
首先，了解大模型的同学应该会有所认识，其实他们表现得最好的就是内容生成，以Manus为例其被用得较多的能力分为：基于DeepResearch的写作、完成PPT、生成HTML...
从这个角度再去看NotebookLM的功能设置，他可以很好的基于用户自身数据，完成基于这些数据的二次内容生成。
综上，NotebookLM是个很好的二创平台：
比如这个信息缩略图：
比如这个PPT（看上去，还像那么回事）：
知识利用→智能程度
现阶段大模型已经很聪明了，如果只是闲聊需求，AI几乎都会游刃有余，但如果我们稍微提高点问题的难度，就可以看出彼此的智能程度了，这里的智能程度也能看出其对知识的利用程度，比如我这里给个陷阱题目：
用已知的问题，反向去推导，让模型给出我到底是什么管理上的问题，这里先说答案，我是根据副班长缺失这个管理问题去针对性问答的，这里先看IMA的表现：
我最近感觉到工作上很是疲惫
这是什么管理问题导致呢？
反正每天精力都感觉很分散就是了
可以说完全没在点子上，于是我们再看NotebookLM：
可以看到，NotebookLM是精准的将我们的问题定位出来了，所以只说聪明程度无疑NotebookLM是更好的，我们这里再做多一轮的测试：
我是一个管理者，下面有50人
但是现在是HR和财务老是用一些他们觉得重要，我认为不重要的事情烦我
所以这到底是什么管理问题，该如何处理呢？
IMA直接搜了31篇材料出来，也给出了错误的回答：
而这里NotebookLM无论从内容检索精准，还是输出精准都好了太多：
如果这里要考究RAG的执行效率的话，IMA是相当不过关的：
PS：当然我这里测的案例较少，大家可以多测测
综上，从知识利用率的智能程度来看，NotebookLM的表现是很优秀的！再基于此的话就可以实现很多二创功能了：
一书一AI，比如当前我们去读很多玄幻小说，灌水是很严重的，这就完全可以让NotebookLM梳理出精华； 如果精华都梳理出来了，基于此做一个小视频撒的好像也不是不可以； 小视频如果可以，博客什么的也就很简单了； ......
Deep Research
因为我是日更博主，所以对于文章的需求很大，这个时候如果想要一篇概括性的管理文章，就可以上Deep Research功能了，比如：
请基于知识库，用1000字，为我概括介绍到达什么是管理，我需要让人惊艳的回答
整体来说还挺不错的：
其实这也没什么好说的，依旧是AI知识库常规的功能...
结语
回归一下，NotebookLM是一个非常不错的AI知识库，我认为他当前瞄准的是个人知识库办公这个领域，而且从当前的体验来说，做得是很不错的！
我们最后来说说起技术实现，其实他与OpenEvidence是非常类似的：
NotebookLM 与 OpenEvidence 都是采用的RAG技术，这里以OpenEvidence为例做说明，他们都是证据驱动的 RAG 系统...
OpenEvidence 这边用的是“医学证据”，NotebookLM 锚定的是“我们上传的资料”。虽然场景不同，但工程逻辑几乎一致：先把答案绑回来源，再允许模型输出。
这块在我详细测试下来，OpenEvidence还是要做得深得多，这里的核心原因应该是OpenEvidence的逻辑是基于CoT展开，背后是强大的医疗KnowHow，NotebookLM这块更多是知识库的工程优化策略，虽然已经很不错，但在严肃领域下还需要再调教。
不过，如果作为一个通用性知识库，NotebookLM已经很屌了，我其实也做了个类似的，但从完成度来说就差很多了。
最后，Google牛逼，希望国内尽快跟上！！！
点击上方卡片关注叶小钗公众号，查看下方二维码，添加我个人微信：