以下为视频内容的文字版
对普通人来说，其实没必要去搞那么复杂的AI知识库。你把NotebookLM彻底用起来就已经足够好了。而且大概率会比市面上那些知识库类工具更强大。
我用NotebookLM挺早的，但之前都只是把它当做AI学习工具来用。直到最近Google的两个更新改变了我的想法。
第一，NotebookLM终于升级Gemini 3了。
说实话，虽然这款产品很不错，但是之前的模型有点拉胯。因为我平时都在高频使用Gemini，所以我对这个模型有很清晰的体感——NotebookLM大概率是用Flash模型，没用最强的Pro模型。
而这次升级非常关键。因为Gemini 3跟之前的2.5相比，有了很大的提升。尤其是刚刚推出的Gemini 3 Flash，在保持高速的前提下，智商有了非常显著的提升。
升级后NotebookLM，在对话中估计还是用Flash模型。而在一些关键环节，比如深度搜索、数据表格方面，会用Pro模型。
有了Gemini 3模型打底，NotebookLM最后一块短板算是补上了。
第二，NotebookLM和Gemini应用打通了。
在Gemini里边，点加号就可以添加NotebookLM的笔记本。
那么问题来了：可以添加笔记本里的什么内容呢？
Gemini可以添加笔记本里的来源。也就是你上传的各种文档，粘贴进去的链接和文本。
我看到有人觉得这个没什么，只不过是一个很简单的打通而已。会这么认为是因为，他们不知道这两款产品的差异。
在知识库类产品里，通常会有两种模式：一种是查询模式，严格基于文档内容进行回复；另一种是聊天模式，模型就是有啥聊啥。
那么对应到Google这边：
NotebookLM特别讲究Source-Grounding，也就是源文档锚定。它必须且只能从来源里找答案。类似于查询模式的感觉。
而Gemini则类似聊天模式。它会结合它的训练数据、上网搜到的内容、用户的输入，综合给出一个最佳答案。
如果你理解这两款产品的不同，就知道为什么需要把它们打通了。
第一、打破“信息孤岛”。
NotebookLM是一个封闭系统，准确性可以很高。但是如果你问它一个笔记本里没有的概念，它很有可能回答不了。
这个时候，如果你在Gemini里导入笔记本，就可以让Gemini 结合笔记本里的资料，同时也去搜索最新的网络信息。
第二、跨笔记本分析。
在NotebookLM里，如果你有5个不同的笔记本，你不能同时向它们提问。
而在Gemini里，你可以同时勾选多个笔记本作为来源。
第三、调用更高级的能力。
NotebookLM的模型经过微调，极度专注于“阅读理解”和“总结”，但是在创意写作、复杂逻辑推理等方面，它的能力被有意限制了。
而Gemini是通用的强模型。导入笔记本之后，Gemini可以做到更多。
第四、直接输出成果。
在NotebookLM里聊完天后，结果还是留在聊天框里。
而Gemini已经连接Google全家桶了。基于笔记本聊完天之后，可以直接把对话结果导出到Google Docs。
所以，把这些综合起来看，NotebookLM就是最适合普通人的AI知识库。
第一、搭载最强模型。
普通人不需要了解什么RAG、文档切割。你就大力出奇迹，把整本书、好多份财报全扔进去，NotebookLM背后的Gemini模型帮你全都搞定。你不需要操心那么多。
第二、专注于把“非结构化”转化为“结构化”。
普通人的知识是杂乱无章的。比如，随手记下的备忘录、网上看来的各种PDF、手机拍的合同照片，等等。这些都是“非结构化数据”，很难整理。而NotebookLM可以帮你把这些乱七八糟的东西全都结构化，变得井井有条，好理解，也好查询。
第三、是独立知识库，也是 Gemini 的外挂知识库。
作为独立知识库，NotebookLM可以添加外部资料，也可以添加Google Drive里的资料。作为外挂知识库，NotebookLM可以彻底融入Google生态和工作流当中。这种灵活性是其它任何知识库工具都没有的。
第四、有手机 APP，还支持拍照上传。
大部分知识库类工具只有桌面版，挺不方便的。而且由于多模态能力不够，所以支持的数据来源以文本为主。而NotebookLM可以通过手机APP拍照上传，通过Gemini直接理解。也就是说，只要手机在手，万物皆可入库。
第五、包含在20美元订阅中。
我订阅Google One是冲着Gemini去的。现在多了NotebookLM的高级功能，这就相当于白送一个顶级知识库，非常非常划算。
正好年底了，借着整理资料的机会，我会把原有知识库都迁移到NotebookLM里。以后就不折腾别的工具了。其实，在工具层面花的精力本来就不应该太多。
如何学习大模型 AI ？
由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。
但是具体到个人，只能说是：
“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。
这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。
我在一线科技企业深耕十二载，见证过太多因技术卡位而跃迁的案例。那些率先拥抱 AI 的同事，早已在效率与薪资上形成代际优势，我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在大模型的学习中的很多困惑。我们整理出这套AI 大模型突围资料包：
- ✅ 从零到一的 AI 学习路径图
- ✅ 大模型调优实战手册（附医疗/金融等大厂真实案例）
- ✅ 百度/阿里专家闭门录播课
- ✅ 大模型当下最新行业报告
- ✅ 真实大厂面试真题
- ✅ 2025 最新岗位需求图谱
所有资料 ⚡️ ，朋友们如果有需要《AI大模型入门+进阶学习资源包》，下方扫码获取~
① 全套AI大模型应用开发视频教程
（包含提示工程、RAG、LangChain、Agent、模型微调与部署、DeepSeek等技术点）
② 大模型系统化学习路线
作为学习AI大模型技术的新手，方向至关重要。 正确的学习路线可以为你节省时间，少走弯路；方向不对，努力白费。这里我给大家准备了一份最科学最系统的学习成长路线图和学习规划，带你从零基础入门到精通！
③ 大模型学习书籍&文档
学习AI大模型离不开书籍文档，我精选了一系列大模型技术的书籍和学习文档（电子版），它们由领域内的顶尖专家撰写，内容全面、深入、详尽，为你学习大模型提供坚实的理论基础。
④ AI大模型最新行业报告
2025最新行业报告，针对不同行业的现状、趋势、问题、机会等进行系统地调研和评估，以了解哪些行业更适合引入大模型的技术和应用，以及在哪些方面可以发挥大模型的优势。
⑤ 大模型项目实战&配套源码
学以致用，在项目实战中检验和巩固你所学到的知识，同时为你找工作就业和职业发展打下坚实的基础。
⑥ 大模型大厂面试真题
面试不仅是技术的较量，更需要充分的准备。在你已经掌握了大模型技术之后，就需要开始准备面试，我精心整理了一份大模型面试题库，涵盖当前面试中可能遇到的各种技术问题，让你在面试中游刃有余。
以上资料如何领取？
为什么大家都在学大模型？
最近科技巨头英特尔宣布裁员2万人，传统岗位不断缩减，但AI相关技术岗疯狂扩招，有3-5年经验，大厂薪资就能给到50K*20薪！
不出1年，“有AI项目经验”将成为投递简历的门槛。
风口之下，与其像“温水煮青蛙”一样坐等被行业淘汰，不如先人一步，掌握AI大模型原理+应用技术+项目实操经验，“顺风”翻盘！
这些资料真的有用吗？
这份资料由我和鲁为民博士(北京清华大学学士和美国加州理工学院博士)共同整理，现任上海殷泊信息科技CEO，其创立的MoPaaS云平台获Forrester全球’强劲表现者’认证，服务航天科工、国家电网等1000+企业，以第一作者在IEEE Transactions发表论文50+篇，获NASA JPL火星探测系统强化学习专利等35项中美专利。本套AI大模型课程由清华大学-加州理工双料博士、吴文俊人工智能奖得主鲁为民教授领衔研发。
资料内容涵盖了从入门到进阶的各类视频教程和实战项目，无论你是小白还是有些技术基础的技术人员，这份资料都绝对能帮助你提升薪资待遇，转行大模型岗位。
