NotebookLM作为Google推出的AI知识管理神器，正在重新定义学习与创作逻辑。它不仅能消化PDF、视频等多模态资料，更通过精准引用解决大模型的幻觉问题，还能将知识转化为播客、思维导图等丰富形态。本文深度解析其如何用结构化学习路径，帮助用户从零掌握Claude Skills等专业领域知识，并揭秘音频生成、自定义信息图等隐藏的杀手级功能。

NotebookLM是什么

NotebookLM是Google推出的一款知识库管理产品。

允许上传多种格式的资料，包括文档、视频、视频。基于你上传的文档内容来回答问题、生成内容的AI研究助手。

既支持你对内容细节的提问，也可以将知识内容按需生成音频播客、视频、个性化报告、思维导图等。

NotebookLM支持网页端和APP端，两个端功能基本一致。

NotebookLM支持创建50个笔记本，如下图，NotebookLM的笔记本页面主体分为三大块，来源、对话、和Studio。

来源：支持多模态的知识内容，可以添加 PDF、网站、文本、视频或音频文件。此外，还可以直接从 Google 云端硬盘导入文件；

对话：与大模型对话，针对收集归拢的知识进行提问，提问的过程帮助理解消化知识；

Studio：工作空间，根据知识来源内容生成音频（双人对话博客）、视频、学习指南、思维导图、PPT等。

NotebookLM强在哪里

NotebookLM作为一款知识库工具，从产品设计上解决了大模型的两个硬伤，幻觉和上下文有限。

幻觉问题，当大模型不知道问题答案时，不会说我不知道，而是会一本正经的编一个让你无从分辨。

上下文有限问题，你扔给他一个一两百页的文档，他可能只能看到前面几十页，后面要么忽略，要么张冠李戴。

NotebookLM基于用户提供的精准素材，它负责消化输出，它解决了三个老大难问题。

1. 超长记忆。PDF、长视频、网页，无论多少内容它都能消耗学习；
2. 有据可查。每句回答都带着引用出处；
3. 跨格式理解内容，音频、视频、文档都不在话下，而且真正把这些信息串联理解，融会贯通。

NotebookLM做知识的收集整理和零碎知识的关联，你负责提问，它负责思考。

用NotebookLM学Claude Skill

我们通过第二大脑的经典框架code 来进行 收集、整理、消耗、表达，通过NotebookLM构建这一套整套学习路径，掌握Claude Skills。

输出网址https://notebooklm.google.com/，并注册登录NotebookLM。

在 首页-设置 里面，可以先把输出语言改为中文（简体）（对于英语没那么好的朋友而言）

然后，点击 创建一个新的笔记，命名为Claude Skills

我们就进入到Claude Skills这个笔记本里面了。

今天目的是为了学习Claude Skills，那先从Claude官网开始添加信息源。

来源，依托于Google的多模态的理解能力，可以直接扔图片和音视频文件进去，它全都能读懂。

可以去油管搜索相关视频，添加进来。比如添加这个AI Engerner 博主的的视频Don ‘t build agent glued skills，我们添加进来。

我们可以直接在网络中搜索，我们搜索Skill最佳实践 ，添加知识来源。这里我们添加 Reddit上的高分文章和两篇官方的就可以（在精不在多）。

资料收集完了，现在的挑战是如何把这七个长短不同的信息融会贯通，尤其是刚加进去的长视频和搜索结果内容挺多的，我们很难一下子抓住重点，这时候我们可以利用 NotebookLM 的信息图帮助我们理解相关概念。

这里介绍一个进阶技巧，可以点击信息图右上角的编辑图表，会有一个自定义的界面。

我们要求AI扮演一个产品专家，他通过标准化的5W1H的模型，对我们的文档进行结构化可落的拆解。

生成的信息图如图。这个在结构上就很符合我的需求了。

它清晰的指出Skills是可复用的专家知识包，核心用户是开发者和企业团队，在价值上强调Skills是一种标准化的能力来解决重复指令和工作区之间孤立的问题。

对比默认生成的信息图，这种结构化输出更符合我们自己的认知习惯，其认知效率会更高。

刚刚我们在油管找个这个视频，Don ‘t build skills, build agent，有个很炸裂的观点，Don ‘t build skills, build agent 。我想知道这背后逻辑支撑是什么？

我们可以只勾选来源区的这个视频，这样AI就会严格限定在这个视频内容范围内回答。

我们在对话框直接提问，SKills是用来替换Agents的吗？请详细对比两者之间的关系。

这次系统的回答会非常的清晰，Agent是执行的主体，正在变得通用化，而Skills是执行主体用来使用的技能包，是为Agent提供的插件。

换句话说，一个通用Agent加载不同的Skill就能成为各个领域的专家。

系统还生成了一个对比表格，把两者之间的差异和关系分得清清楚楚。

这个回答非常有价值，我们可以保存笔记到我的笔记本。

根据第二大脑的经典框架code ，我们已经完成了知识的收集、整理，接来下是消化和表达。

NotebookLM另一个被严重低估的功能就是学习指南功能。

默认聊天窗口只是一个被动的问答机器，当你切换到学习指南模式它能瞬间变成你自己的AI私教。

它不再被动等待而是给你甩出一条路径从核心概念、到结构解剖、再到运行机制，一步步带你深入理解学习。

概念解读，Agent（大脑），像是一个智商 300 的数学天才，虽然聪明，但如果不学习具体的税法，也没法帮你报税，而Skill是赋能给 Agent 的“知识包”，让通用的 Agent 瞬间具备某个领域的专业执行力。

Skill的内部结构，包含了作为说明书的Skill.md（必选），以及执行任务的脚本程序、相关资源等。

Skill的分层加载策略确保只在需要时才调用，这一点解决了我们在用MCP Service时稍微加载几个复杂的MCP，几百K的上下文就没了。

不光疯狂消耗我们的Token，还经常让Claude Code达到Quata上限而罢工。明显这种按需加载的设计就是为了解决MCP这个缺陷而生。

NotebookLM杀手锏之一是音频生成，可以将以上高强度的知识转为一期双人对谈的博客，两位AI主持人像聊八卦一样把Claude Skill展开讨论。

这种听八卦的状态学习晦涩难懂的技术知识，我个人觉得效率奇高。当然你可以下载到本地，通勤路上听听。

同样可以设置自定义音频风格，或着重介绍哪一方面的内容。

英文版还支持随时打断，加入讨论，太强了。相信很快中文版也会上线。这也预示着AI时代学习形态的变革。

根据第二大脑的经典框架code ，我们已经完成了知识的收集、整理，消化，最后是表达。当我们试图将一个概念以自己的语言表达出来时，才会发现认知上的缺陷和漏洞

NotebookLM自带的演示文稿功能帮我们生成PPT。

生成的PPT首先从风格上还是一致的，逻辑顺畅，堪称85分以上的片子。它从Skill的核心哲学讲起，输入解释了为什么要构建技能，这些概念的起源，渐进式纰漏。

我们可以拿着这篇稿子和同事小伙伴进行分享，看能不能把这些概念给别人讲清楚。

但正式场合或者演讲经验比较少的情况下，我们可以使用NotebookLM自带的视频生成功能，它能生成带有语音讲解的动态幻灯片，你可以把它当成你的口语陪练，学习如何将视觉化信息专为口语表达，这对表达能力的提升也有很大帮助。

最后，分享一个使用技巧，生成小红书分享图文。

我们可以利用NotebookLM自定义指令让它直接输出如何小红书调性的图片文案。

点击演示文稿旁边的编辑图表，将小红书规格的提示词填入，即可生成小红书风格图文。

好，到这里，我们按照第二大脑Code框架收集、整理、消化、表达的结构，学完了Claude Skill。

回忆一下，看本文之前你是不是对Claude Skill只是概念的理解。现在不光明白了Claude Skill设计思路，和Agent的区别，还获得了一份可以直接发布的小红书图文。

最后，在2026年，光使用那些通用chat AI已经不重要了，我们要找到顺手的工具去做信息的筛选组织。NotebookLM不只是个总结工具，更像是一个脚手架帮你把散乱的材料组织起来，辅助学习。

参考：https://www.youtube.com/watch?v=ubQCKiGLvYI