NotebookLM筆記術: 打造你的AI「第二大腦」DM2615

1-1 為什麼「抄重點」無法真正幫助理解

1-2 AI 時代的筆記 - 從「記錄 → 理解 → 輸出」

1-3 NotebookLM 在學習與工作中的角色定位

▌第2 章　NotebookLM 快速上手與基本設定

2-1 NotebookLM 可以做什麼、不適合做什麼

2-2 建立第一本「筆記（Notebook）」

2-2-1 建立第一本 Notebook 的關鍵原則

2-2-2 教育場景常見的 Notebook 主題

2-2-3 企業場景常見的 Notebook 主題

2-3 免費版與進階版本差異說明

▌第3 章　多來源資料整合把「零散資訊」變成知識

3-1 可加入的資料來源與支援格式總覽

3-2 PDF、Google 文件、簡報的最佳整理方式

3-3 圖形與圖像資料的應用（截圖、流程圖、照片）

3-4 YouTube、會議紀錄、錄音資料的應用

3-5 來源命名與分類技巧（避免混亂）

▌第4 章　如何準備「適合 AI 理解」的資料

4-1 為什麼資料順序會影響回答品質

4-2 長文件 vs 多文件的整理策略

4-3 教材、論文、企劃文件的差異化處理

▌第5 章　提問技巧 - 問得好筆記才有價值

5-1 問題型、摘要型、比較型提問

5-2 如何讓 NotebookLM 幫你「想清楚」

5-3 避免得到空泛答案的提問原則

▌第6 章　NotebookLM 視窗操作環境

6-1 認識NotebookLM 入口視窗平台

6-1-1 NotebookLM 入口視窗

6-1-2 筆記本的存取權限 – Reader/Owner

6-1-3 設定

6-1-4 何時建立新 Notebook、何時進入既有 Notebook

6-1-5 入口視窗畫面與後續工作流程的關係

6-1-6 從入口視窗到內部視窗

6-2 NotebookLM 內部視窗架構概覽

6-3 來源區 - 理解的地基

6-3-1 基礎觀念

6-3-2 來源區窗格

6-3-3 點選來源檔案後的閱讀畫面與其意義

6-4 對話區 - 思考正在發生的地方

6-5 引用與可信度索引提示 - 讓回答可被驗證

6-6 工作室在視窗畫面中的角色

6-6-1 工作室的角色與定位 - 為什麼不是一開始就用

6-6-2 是否先使用對話，會如何影響工作室的輸出結果

6-7 視窗配置與使用情境的對應關係

6-8 本章小結 - 看懂畫面，就是看懂流程

▌第7 章　實戰建立NotebookLM 知識庫- 以「AI 在教育研究中的應用與影響」為例

7-1 本章案例說明 - 知識庫要回答什麼問題？

7-2 建立 Notebook 與上傳研究來源

7-3 錯誤示範 - 標題相似，卻不該放在同一本 Notebook

7-4 來源上傳順序與研究脈絡 - 技術層與使用層的差異

7-4-1 觀念釐清 - 技術層不看順序，使用層會形成脈絡

7-4-2 實務示範 - 本章五個研究來源的建議上傳順序

7-4-3 建立 Notebook -「 AI 在教育研究中的應用與影響」

7-5 補充來源 - Deep Research 與網路搜尋的使用判斷

7-6 第一次對話 - 建立研究脈絡

7-6-1 摘要型研究提問 - 為什麼第一問不該追求結論

7-6-2 對話實作

7-6-3 認識回應的「索引編號」

7-6-4 認識「儲存至記事」

7-6-5 實際輸入後的回應解讀 - 如何判斷研究脈絡是否站穩

7-6-6 解讀 NotebookLM 的回應內容

7-7 深化研究對話與判斷 - 從比較提問到研究總結

7-7-1 深化對話：比較與研究型提問（對話實例二）

7-7-2 對話實作

7-7-3 研究者如何總結 NotebookLM 的回應 - 從比較結果到研究立場

7-8 儲存至記事 - 為研究歷程定錨，而不是為結果存檔

7-8-1 儲存記事 - Notebook 的定錨點

7-8-2 實作 - 儲存至記事

▌第8 章　NotebookLM 的應用 - 長文件應用場景

8-1 那份你一直沒打開的 PDF

8-2 先不急著讀，先把這份PDF 交給NotebookLM

8-3 上傳「原子習慣的力量.pdf」

8-4 角色導向閱讀

8-4-1 教師 - 以「教學結構」為核心的角色閱讀

8-4-2 學生 - 以「學習目標」為核心的角色閱讀

8-4-3 企業員工 - 以「行動判斷」為核心的角色閱讀

8-5 本章小結 - 你不需要讀完，才算開始

▌第9 章　NotebookLM 的應用- 多來源知識庫的建立

9-1 為什麼真正的知識庫，一定是「多來源」

9-2 圖片作為來源 - 當重點其實藏在畫面裡

9-2-1 為什麼圖片適合作為知識庫來源？

9-2-2 應用場景 - 教師的教材圖片與教學示意圖

9-2-3 應用場景 - 學生的筆記圖片與課堂紀錄

9-2-4 應用場景 - 企業工作中的截圖與操作畫面

9-2-5 小結 - 圖片不是裝飾，而是理解本身

9-3 YouTube 作為來源 - 當知識是被「說出來」的

9-3-1 為什麼影片是重要的知識來源？

9-3-2 應用場景 - 學生的補充學習

9-3-3 應用場景 - 企業內部訓練影片

9-3-4 小結 - 讓影片成為可整理、可比對的知識來源

9-4 網站網址作為來源 - 當資訊一直在更新

9-4-1 為什麼網站不能只靠書籤？

9-4-2 應用場景 - 教師與研究者的資料整理

9-4-3 應用場景 - 企業資訊的持續追蹤與整理

9-4-4 如何在 NotebookLM 中實作 + 實例提問方式

9-4-5 小結 - 把動態資訊，變成可理解的脈絡

9-5 把不同來源放在同一個 Notebook，會不會亂

9-5-1 多來源本身，不會造成混亂

9-5-2 什麼情況下，多來源是「加分」

9-5-3 為什麼「問題一致」這麼重要

9-5-4 多來源真正發揮作用的時刻

9-5-5 小結 - 先對齊問題，再談來源

9-6 本章小結 - 來源不是越多越好，而是各司其職

▌第10 章　NotebookLM 的來源探索與研究模式

10-1 什麼時候該用「來源探索」？先看你手上有沒有資料

10-1-1 NotebookLM 中的來源探索位置示意

10-1-2 來源探索在 NotebookLM 中的使用時機

10-2 來源探索的入口 - 網路與雲端硬碟

10-3 快速研究（Fast Research）- 快速探索的起點

10-3-1 Fast Research 的定位與使用時機

10-3-2 Fast Research 的實際應用實例

10-3-3 企業導入新工具前的「快速可行性判斷」

10-4 深度研究（Deep Research） - 深入探索與系統分析

10-4-1 Deep Research 的定位與 Fast Research 的差異

10-4-2 Deep Research 的工作原理與研究流程

10-4-3 適合使用 Deep Research 的情境

10-4-4 深度研究實作 - 生成式 AI 真的會影響我的工作嗎

▌第11 章　記事 - 把一次理解，變成長期可用的知識

11-1 為什麼對話不會留下，記事才會留下

11-2 什麼內容「值得」存成記事

11-3 記事怎麼命名，決定你會不會再用它

11-4 從「儲存至記事」到「主動新增記事」

11-5 本章總結 - 記事，連接理解與產出的關鍵層

▌第12 章　工作室 - 把準備好的來源，轉化為實際成果

12-1 什麼是工作室？九種成果，而不是九個工具

12-2 從來源到成果 - 工作室的基本運作邏輯

12-3 第一類成果 -「 摘要型產出」

12-4 第二類成果 -「 結構化理解產出」

12-5 第三類成果 -「 說明與展示型產出」

12-6 第四類成果 -「 分析與整理型產出」

12-7 第五類成果 -「 檢核與回饋型產出」

12-8 如何選對功能？從「我要交什麼」開始

12-9 為什麼有些工作室功能有「筆」

12-10 本章小結 - 工作室，是成果真正開始出現的地方

▌第13 章　學生應用 - 考試、報告與專題整理

13-1 考前複習 Notebook 的建立方式

13-1-1 生成式AI 考前複習Notebook

13-1-2 語音摘要 - 情境是零碎時間很多，卻很難再坐下來讀書

13-1-3 影片摘要 - 快速回顧重點章節

13-1-4 用心智圖整理整科的概念結構

13-1-5 小結：考前複習的關鍵轉換

13-2 小論文與報告的整理流程

13-2-1 生成式AI 專題Notebook

13-2-2 用「報告」功能整理多來源資料

13-2-3 用「資訊圖表」釐清論點與架構

13-2-4 避免「拼貼式寫作」的關鍵轉換

13-2-5 應用結論 - 報告整理的核心價值

13-3 減少死背，提高理解效率

13-3-1 生成式AI 理解檢核Notebook

13-3-2 用「學習卡」功能整理關鍵概念

13-3-3 用「測驗」檢查是否真的理解

▌第14 章　教學設計應用 - 教材、講義與備課

14-1 課程內容快速整理

14-1-1 資訊科技概論Notebook

14-1-2 用心智圖建立課程整體結構

14-1-3 用語音摘要快速熟悉新教材

14-2 講義、測驗與補充教材生成

14-2-1 用「簡報」快速生成教學投影片

14-2-2 用學習卡設計重點講義

14-2-3 用測驗做形成性評量 - 不是考試

14-3 教學備課的 AI 協作模式

14-3-1 資訊科技概論_ 含影片Notebook

14-3-2 用影片摘要快速吸收外部教學資源

14-3-3 資訊圖表 - 把外部教學資源轉為可視化教具

▌第15 章　上班族應用 - 會議、企劃與知識管理

15-1 會議紀錄自動整理

15-1-1 會議決策整理Notebook

15-1-2 用語音摘要快速掌握會議重點

15-1-3 用報告整理多場會議的決策脈絡

15-2 企劃資料與決策脈絡保存

15-2-1 企劃決策整理Notebook

15-2-2 用資料表整理方案比較

15-2-3 用資訊圖表呈現決策重點

15-3 建立「可回顧」的工作筆記

15-3-1 工作經驗回顧Notebook

15-3-2 用報告累積工作經驗

15-3-3 用測驗檢查是否真的理解流程

▌第16 章　研究者與長期學習者的知識庫建構

16-1 為什麼需要為「長期學習」設計 Notebook

16-2 主題型 Notebook 的設計原則

16-3 長期累積與更新的實用策略

16-4 避免筆記越多越亂的三個關鍵

16-5 本章小結 - 建立可成長的知識系統

▌第17 章　跨 Notebook 思考 - 把知識連起來

17-1 多本 Notebook 的搭配方式

17-2 比較、歸納與觀點整理

17-3 建立自己的「第二大腦」

我們大多數人，都很認真做過筆記。

上課時抄重點、會議中記錄討論、讀書時畫線標記，資料一份一份累積，檔案一個一個存下來。然而，當真正需要用到這些筆記時，卻常發現：

․ 找不到、連不起來、也說不清楚。

這並不是你不夠努力，而是因為「傳統筆記」本來就不是為了理解、整合與輸出而設計的。它擅長保存，卻不擅長思考；能記錄資訊，卻難以轉化為真正的知識。

在生成式 AI 出現之後，筆記這件事，第一次有了重新被定義的可能。

筆記，不再只是存放資料，而是思考正在發生的地方

本書的出發點很單純：

․ 如果 AI 可以協助我們理解資料，那麼我們是否能把「筆記」這件事，從被動保存，升級為主動思考？

NotebookLM 的價值，並不在於替你回答問題，而在於它能「站在你提供的資料上」，陪你一起整理脈絡、比較觀點、釐清重點，並將零散資訊逐步轉化為可理解、可回顧、可再利用的知識。

這也是為什麼筆者在書中反覆強調：

․ NotebookLM 不是代勞者，而是你的「第二大腦」。

它不取代你思考，而是讓思考變得可視、可追蹤、可累積。

這不僅是一本工具教學書，更是一套思考流程的設計

翻開目錄你會發現，本書並不是從「功能介紹」開始，而是先回到一個更根本的問題：

․ 為什麼我們做了這麼多筆記，卻仍然覺得學不進去、用不上？

從理解傳統筆記的限制，到重新建立「適合 AI 理解的資料結構」；從提問方式的轉換，到多來源知識庫的建立；

再到學生、教師、上班族與研究者的實際應用情境 - 「本書嘗試帶你走過的，是一條完整、可重複、可成長的筆記與思考流程」。

你會看到，NotebookLM 的畫面配置，本身就是一種學習階段的隱喻；你也會發現，真正影響輸出品質的，從來不是功能多寡，而是你是否已經「想清楚」。

打造第二大腦，不是一天完成，而是一種長期習慣

「第二大腦」這個詞，常被誤解成龐大、複雜、甚至遙不可及。

但在我看來，它真正的意義是：

․ 你是否擁有一套能持續成長、不會隨時間崩壞的知識系統。

它可以從一個 Notebook 開始，從一個問題、一份文件、一段對話慢慢累積。

重點不在於一次做到完美，而在於你是否建立了「可以持續優化的方式」。

如果這本書：

․ 能讓你重新看待「做筆記」這件事。

․ 能讓你在學習、教學或工作中，第一次感覺到思考真的被保存下來。

那麼，這本書的任務，就已經完成了一半。

另一半，將由你親自完成 - 「在你的每一本 Notebook 裡」。

洪錦魁 2026/1/31

編號：314/364/500

jiinkwei@me.com

臉書粉絲團

歡迎加入：王者歸來電腦專業圖書系列

歡迎加入：iCoding 程式語言讀書會

歡迎加入：MQTT 與AIoT 整合運用

歡迎加入：深度機器學習線上讀書會

讀者資源說明

本書籍的所有Prompt 和資源實例可以在深智公司網站下載。