NotebookLM 進階攻略：7 個 Power User 工作流，讓你不只是「會用」

大多數人用 NotebookLM 的方式就是「丟文件進去、問問題、看答案」。這沒有錯，但你可能只用到了這個工具一成的功力。從 2025 年底開始，Google 陸續推出了 Custom Instructions、Deep Research、Gemini 整合等重大更新，讓 NotebookLM 從「AI 筆記工具」進化成了「個人知識研究平台」。這篇文章整理 7 個實戰工作流，幫你從入門者升級為 Power User。

TL;DR

• Custom Instructions 支援 10,000 字元的自訂指令，善用角色設定和輸出格式控制，回答品質天差地別
• Deep Research 可以自動掃描數百個網站，產出完整研究報告，適合文獻回顧和競品分析
• 透過 Gemini 掛載 notebook，打破筆記本孤島，跨筆記本查詢成為可能
• Audio Overview 不只能生成播客，還有測驗模式、辯論模式和即時互動功能
• 了解 NotebookLM vs ChatGPT vs Perplexity 的各自擅長場景，選對工具事半功倍

為什麼大多數人只用到 NotebookLM 一成功力

如果你用 NotebookLM 的方式還停留在「上傳 PDF → 問問題 → 複製答案」，你並不孤單。根據我觀察周圍同事和社群的使用習慣，大部分人都卡在這個基礎用法的天花板上。

問題不在於 NotebookLM 功能太少，而在於 2025 Q4 以來的重大更新速度太快，繁中社群還來不及消化。Custom Instructions 字數上限從 500 字元大幅提升至 10,000 字元、Deep Research 自動網路研究、Gemini 跨筆記本整合，這些功能每一個都能大幅改變你的使用方式，但目前繁中市場的教學文章大多還停留在功能導覽，很少有人把這些功能串成完整的工作流。

好消息是：這些進階功能的學習門檻其實不高。以下 7 個工作流，你今天就能開始用。

進階提示詞框架：Custom Instructions 的正確打開方式

根據實測，NotebookLM 的 Custom Instructions 是提升回答品質最快的方式。關鍵在於：不要給空泛的指令，要明確指定「角色」、「情境」和「任務目標」。

Notebook-level Persona vs 單次指令

NotebookLM 有兩個層級的指令設定：

• Notebook-level Persona：點擊 Chat 面板上方的調整圖示，開啟「Configure Chat」面板，在「Custom」模式下輸入自訂指令（上限 10,000 字元）。這裡的設定會影響所有對話和 Studio 產出（包括 Audio Overview）。除了自訂模式，也有 Default 和 Learning Guide 兩種預設可選，還能調整回覆長度（Default / Longer / Shorter）
• 單次對話指令：直接在聊天框中給出指令，只影響當次回答，適合臨時調整

建議做法是在 Notebook-level 設定好基礎角色，再用單次指令做微調。

3 個可直接複製的提示詞模板

以下模板都能直接貼進 Configure Chat 的 Custom 欄位。重點不是字數多，而是明確告訴 NotebookLM「你是誰、怎麼回答、用什麼格式」——這三件事寫清楚，回答品質就會有明顯差異。

研究助手（適合論文、報告、資料交叉比對）：

你是一位嚴謹的研究顧問。請遵守以下規則：

1. 每個論點必須附上來源的精確引用（標註出處段落或頁碼）
2. 當不同來源的說法有矛盾，主動指出並列出各方觀點
3. 明確區分「來源中的事實」和「你的推論」，推論部分用「根據上述資料推測…」開頭
4. 回答語言為繁體中文
5. 如果來源中找不到答案，直接說「現有來源未涵蓋此問題」，不要腦補

學習教練（適合備考、自學新領域）：

你是一位耐心但嚴格的學習導師。互動規則：

1. 不要直接給答案。先用 1-2 個問題引導我自己思考
2. 當我的回答正確，追問更深一層（「為什麼？」「如果條件改變呢？」）
3. 當我的理解有誤，用來源中的具體段落糾正，並解釋我的哪個假設出了問題
4. 每次互動結束時，用一句話總結我這次學到的核心概念
5. 回答長度偏短，重點在引導而非長篇講解

內容分析師（適合市場研究、競品分析、選題評估）：

你是資深內容策略顧問。分析資料時：

1. 先列出「讀者最可能問的 5 個問題」作為分析框架
2. 用表格比較不同來源的觀點（欄位：主題 / 來源 A 觀點 / 來源 B 觀點 / 落差）
3. 指出現有資料中的「內容缺口」——哪些重要面向沒有被任何來源覆蓋
4. 結尾給出 3 個可執行的下一步行動建議
5. 如果資料量不足以做出判斷，直接說明而非勉強給結論

進階技巧：模板庫

把常用的提示詞存為 Note（筆記），建立可重複使用的模板庫。下次開新 notebook 時，直接從模板庫複製到 Custom Instructions，省去每次重寫的時間。

Deep Research 實戰工作流

2025 年 11 月，Google 為 NotebookLM 推出了 Deep Research 功能，這可能是最被低估的一次更新。

Fast Research vs Deep Research

NotebookLM 提供兩種研究模式：

• Fast Research：秒級回應，適合快速事實查核或補充單一知識點
• Deep Research：背景執行數分鐘，自動瀏覽數百個網站、擬定研究計畫，產出包含外部來源的完整研究報告

操作方式很簡單：在「新增來源」面板選擇「Web」，系統會讓你選擇 Fast 或 Deep 模式。

實戰場景：用 Deep Research 做競品分析

根據我的使用經驗，Deep Research 最強的場景是「我的 notebook 裡有產品 A 的完整資料，但我想知道市場上競品 B 和 C 的情況」。傳統做法是自己去搜尋、整理、再上傳到 notebook。現在只需要下一個指令：「請研究市場上與 [產品 A] 類似的競品，比較功能、定價和使用者評價」，Deep Research 會自動完成這一切。

完成後，研究報告和引用的外部來源可以一鍵匯入 notebook，成為新的來源素材，讓後續的對話和 Audio Overview 都能參考這些新資訊。

Gemini × NotebookLM：打破筆記本孤島

NotebookLM 最常被抱怨的問題之一就是「筆記本孤島」：每個 notebook 各自獨立，無法跨筆記本查詢。你可能有一個「產品研究」notebook 和一個「市場趨勢」notebook，但沒辦法同時查詢兩邊的資料。

Google 在 2026 年初推出了解法：在 Gemini App 中直接掛載 NotebookLM notebook 作為資料來源。

實際操作

1. 打開 Gemini App，在對話框點「+」按鈕
2. 選擇要載入的 NotebookLM notebook
3. 你可以同時掛載多個不同主題的 notebook

這樣 Gemini 就成了跨筆記本的橋樑。你可以問「根據我的產品研究和市場趨勢資料，這個產品在 2026 年的競爭優勢是什麼？」，Gemini 會同時檢索多個 notebook 來回答。

額外好處是 Gemini 本身具備網路搜尋能力，可以填補 notebook 中缺失的即時資訊，你不用再手動建立一個「什麼都塞進去」的巨無霸筆記本。

Audio Overview 進階玩法

大多數人對 Audio Overview 的認識就是「AI 自動生成播客」。但實際上，透過提示詞設定，你可以把它變成完全不同的學習工具。

四種常用格式

Audio Overview 最常被使用的四種格式：

格式	風格	適用場景	設定方式
Deep Dive	雙主持人深度對談	完整理解複雜主題	預設格式
Brief	單人精簡摘要	快速掌握重點	預設格式
Lecture	單人約 30 分鐘講課	結構化學習	預設格式
Critique	批判式分析	找出資料中的弱點	透過 Customize 欄位指定
Debate	正反方辯論	從多角度思考議題	透過 Customize 欄位指定

Deep Dive、Brief 和 Lecture 是 UI 內建的預設選項。Critique 和 Debate 則需要在 Customize 欄位中透過提示詞指定風格來達成。Audio Overview 現已支援 80 種以上語言的完整長度播放，不限於英語。

用提示詞解鎖更多玩法

除了上述格式，你可以透過 Custom Instructions 或 Customize 欄位創造更多玩法：

• 測驗模式：「產出 10 題問答測驗，兩位主持人輪流出題和解答，答錯時要糾正並解釋原因」，很適合考前複習或知識鞏固
• 多語系沉浸：「全程使用日文進行技術探討」，營造高強度語感訓練環境，適合語言學習者
• 聚焦指令：在 Customize 欄位指定「只討論第三章的實驗方法」，排除不相關內容

Interactive Mode

Audio Overview 還有一個容易被忽略的功能：Interactive Mode。聆聽途中你可以暫停播放並輸入問題，AI 會根據你的來源回答，然後繼續播放。這讓原本單向的聆聽變成了雙向的學習對話。

Video Overview 與資訊圖表（2026 年新功能）

2026 年 3 月更新加入了 Video Overview，可以從你的來源資料自動生成帶有流暢動畫的影片，適合視覺化複雜主題。在 Studio 面板中與 Audio Overview 並列。

另外也新增了 10 種資訊圖表風格：Sketch Note、Kawaii、Professional、Scientific、Anime、Clay、Editorial、Instructional、Bento Grid 和 Bricks。結合簡報匯出功能（現可匯出為 PPTX），NotebookLM 已具備不錯的簡報製作能力。

Flashcards 與測驗功能也有升級，進度會跨 session 儲存，可以標記「會了」或「還不會」並重測錯題，適合考前複習或知識鞏固。

常見痛點與解法

來源上限不夠用

免費版每個筆記本限 50 個來源。除了升級 Pro（每月 $19.99，含 Google AI Pro，上限 300 個來源），還有幾個免費的變通方式：

• 合併檔案：將多個相關 PDF 合併為單一檔案來節省額度。但要注意，單一檔案過大可能降低 AI 的檢索精準度
• Gemini 掛載：透過前面提到的 Gemini 整合，將資料分散在多個 notebook 中，再用 Gemini 做跨筆記本查詢
• 精選來源：上傳前先篩選，只保留與研究主題直接相關的高品質來源

對話紀錄消失

這個問題在近期更新中已經解決。NotebookLM 現在支援自動儲存對話歷史，你可以隨時關閉再回來，無縫接續之前的研究脈絡。

匯出格式跑掉

目前 NotebookLM 支援匯出至 Google Docs、Sheets 和 PDF 格式。如果你需要貼到 Notion 或 Obsidian，建議先匯出為 Google Docs，再手動複製過去。格式不完美，但目前這是最可行的方式。

長文截斷與幻覺

上傳過長的文件時，NotebookLM 可能只讀取前半段，後半段的內容會被忽略，甚至產生「腦補」的回答。解法是將長文件拆分為多個較短的段落分別上傳，並養成交叉驗證的習慣：對重要的回答，追問「這個資訊出自哪個來源的哪個段落？」

NotebookLM vs ChatGPT vs Perplexity：什麼時候該用哪個？

這三個工具不是互相取代，而是各有擅長的場景。根據實際使用經驗，我整理了這個決策框架：

場景	最佳選擇	原因
基於特定文件做深度研究	NotebookLM	封閉資料庫，零幻覺風險
需要即時網路資訊 + 來源連結	Perplexity	即時搜尋，自動附來源
廣泛腦力激盪和創意生成	ChatGPT	開放式對話，創意能力強
產出 AI 播客或音訊摘要	NotebookLM	獨家功能，其他工具無法取代
長期知識庫建構和管理	NotebookLM	來源管理 + 持久化查詢

組合使用建議

最高效的做法不是「只用一個」，而是串聯使用：

1. Perplexity 找來源：用 Perplexity 搜尋最新資料，把高品質的來源 URL 收集起來
2. NotebookLM 深度分析：把找到的來源匯入 NotebookLM，進行深度解析和交叉比對
3. ChatGPT 創意發想：需要從分析結果延伸出新想法時，切換到 ChatGPT

這套工作流讓你同時擁有「精準度」和「廣度」，不用在不同工具之間做取捨。

結論

NotebookLM 的價值不在於它有多少功能，而在於你怎麼組合使用這些功能。從今天開始，先花 5 分鐘設好 Custom Instructions，然後用 Deep Research 做一次完整的研究，你會立刻感受到跟「丟文件問問題」完全不同的體驗。

如果你已經在用 NotebookLM，試試這些進階工作流，然後跟我們分享你的使用心得。