NotebookLM 这个工具，已经用好几个月了。 最近看网上也有越来越多的人在聊它，才发现它确实已经悄悄成了不少人 AI 学习链路里的核心一环。 所以我也来分享一下自己的用法，说不定对也在找高效吸收 + 智能消化的朋友有点参考价值。 说句不夸张的，它可能是我用过的最好的 AI 笔记软件，不仅是能记，更是能讲、能拆、能教。 我现在的用法，主要有两条路径，哪种开始都能走得通，最后都能回到那个闭环上。 路线一：原始资料输入派 有时候我会跳过 Gemini，直接从源头开始。 像 Google Scholar、arXiv、YouTube，都可以直接扔进 NotebookLM。 它能自动提炼结构、总结重点、生成可以听的播客稿，洗漱、通勤、散步时就能听完一篇论文，完全利用碎片时间。 路线二：Gemini 研究起步派 在之前分享过，我经常会让 Gemini 帮我做深度研究，比如某个新领域的综述、或者多个信息源的融合。 研究完成后我会把这些内容导入到 Google Docs 里整理一下，接着： 直接把这份文档丢进 NotebookLM，开始逐段阅读、提问、生成播客稿、做结构化学习。 最后一步，我会回到 Gemini Canvas ，让它帮我生成一个小测验，自己复习一轮。 这两条链路我都在用，核心只有一个目的： 让 NotebookLM 成为我的学习消化中枢，而 Gemini 成为我的研究起点 + 复盘助理。 一前一后，一推一收，整个链条效率提升非常明显。尤其对我这种内容密度大、时间碎、还要输出的人，真的是越用越离不开。 当然也不是没有短板：中文播客听起来确实还有点不像那么回事儿，但英文播客体验非常好。 所以我现在的 workflow 大概是这样： 1. 资料现成？直接把论文 / 视频丢进 NotebookLM 起步，一路听一路学； 2. 想研究？先让 Gemini 出一份深度报告； 3. 想吸收？把 Gemini 的内容导入 NotebookLM 拆解消化； 4. 想复习？回到 Gemini 出一份小测验查漏补缺； 以前是我啃资料，现在是 AI 帮我查、帮我讲、还安排我测。 NotebookLM + Gemini = 我的双核 AI 学习副驾，没有之一。 这就是我目前最常用、也最推荐的组合，如果你也在摸索怎么把AI 用进学习系统而不是浅浅问答，那这条路线值得一试。