NotebookLM 能串接 Gemini，這個串接，讓知識工作流程有大優化。
過去你的知識散落在不同筆記本裡，要整合很麻煩。我以前都是手動整理，需要不斷的來回複製、貼上、載入、匯出等操作。
現在 Gemini 可以同時調動多個筆記本，讓「專業內容」、「客戶溝通」、「會議記錄」、「其他顧問意見」、「其他專案」這些完全不同類型的知識一起協作，互相比對找出重點，或者合併出新的內容
而且這套工作流最適合一般人知識管理，或小團隊共享知識。
NotebookLM ＝ 個人 RAG 檢索知識庫（記憶層）
NotebookLM 是 Google 出的一款 AI， 它是目前最強的個人檢索式知識庫 。技術名詞叫 RAG（Retrieval-Augmented Generation）。
它的特色是——你丟什麼進去，它只在這些資料裡找答案。它會明確告訴你「這句話來自第 4 份文件第 3 頁」。
但 NotebookLM 有個重要限制—— 它擅長記憶與檢索，思考分析的能力比較弱 。它能幫你快速從一堆資料裡撈出相關段落，但深度分析、整合推理，要靠別的工具。
Gemini ＝ 思考層（過去式）
Gemini 可以呈在 NotebookLM 之上—— NotebookLM 負責記憶，Gemini 負責思考 。記憶 + 思考的組合本來很完美。
實際應用示範：我請報告來讀我
每天都有新的 AI 工具、新的產業趨勢報告，每一份看起來都很重要，但我根本讀不完。後來我把這件事整個反過來想：與其我一份一份追著報告讀，不如讓報告來讀我。
具體怎麼做？我會把兩種資料一起放進 NotebookLM：
- 外部資料 ：那份我有興趣、但讀不完的報告或論文（PDF）
- 內部資料 ：我自己的工作日記、寫過的文章、應用筆記
放好之後，我透過 Gemini 去問它。這裡要先理解兩個工具的分工：NotebookLM 的強項是記憶跟精準檢索（從一大片資料裡找出相關內容），Gemini 的強項是思考分析，兩個搭起來最順。我會問：
「這份報告對我現階段到底有沒有用？對照我自己的資料，我有沒有盲點？如果我做得不錯，我的做法能不能幫到大部分的人？」
我第一次這樣玩，是把一份 ChatGPT 使用模式的報告，跟我自己一百多份工作日記、幾十篇文章一起丟進去，請它幫我看「我用 AI 用得好不好、有沒有盲點」。分析出來的結果好到讓我嚇一跳。
從那之後，各種報告、論文我都這樣處理：外部報告 × 我的內部資料，請 AI 幫我判斷「這個新技術我到底需不需要學」「這份報告值不值得我花時間」。
但有一個前提你要記住：這招準不準，取決於你的內部資料有沒有先準備好。報告能不能「讀」你，前提是你得先有東西讓它讀。你平常累積的工作日記、文章這些素材，就是 AI 認識你的依據（這也是下一段要講的事）。
延伸閱讀：
善用AI成為終身學習夥伴：費曼學習法＋AI工具教學 https://vocus.cc/article/68b57803fd89780001f6a439
兩招解決 AI 資訊焦慮：做自己的學習地圖，加一份個人設定檔 https://vocus.cc/article/699bc518fd89780001ada2ae
Chrome 外掛：
YouTube to NotebookLM
https://chromewebstore.google.com/detail/youtube-to-notebooklm/kobncfkmjelbefaoohoblamnbackjggk
在 YouTube 影片頁面點外掛，自動撈字幕，可以一鍵丟到 ChatGPT、Claude、Gemini、NotebookLM。一個喜歡的 YouTube 頻道幾百支影片，半小時就能全部撈完字幕進 NotebookLM。
進階：讓 Claude 或 Codex 連 NotebookLM
我會去研究一些 YT 頻道的教學 會用 Chatom 外掛 「YouTube to NotebookLM」 把整個頻道的內容抓到 NotebookLM 裡
然後再用 Claude 幫我分析，變成我的 AI 顧問
我的工作流分兩種：
▸ 少量資料：Claude 直接讀 NotebookLM。
▸ 大量資料：先用 Codex 整理、分類、上標籤，存進本地知識庫，再讓 Claude 讀整理過的版本 。
大量的案例，可能像是一個 YouTuber 頻道有 300 支影片，全用外掛批量加進 NotebookLM。
流程總結： 1. NotebookLM 負責爬蟲跟生成字幕 2. Codex 負責清理文字跟轉存到本地 3. Claude 負責文件推理、應用
如何操作：
Claude Code 或 Codex 透過 MCP 直接連你自己的 NotebookLM
notebooklm-connector（我做的技能包）：
https://github.com/Jiang-Yude/notebooklm-connector
它能做什麼：
- 在 Codex / Claude Code 對話裡直接問你 NotebookLM 裡的內容
- 把 NotebookLM 內容匯出回本地（chats、notes、reports、mindmap、影片摘要等）
- 批次管理 NotebookLM 的 sources（列、加、刪）