NotebookLM 是什么?Google AI 研究助手

核心功能

• 文档问答:上传资料后,针对内容提问,AI 给出带引用的回答
• 智能摘要:自动生成文档摘要、关键要点、时间线
• Audio Overview:将文档转为两人对话式播客(约 10-15 分钟)
• 学习指南:自动生成问答卡片、测验题,辅助学习
• 多来源整合:可同时上传多个文档,AI 跨文档分析和对比
• 引用溯源:每个回答都标注来源段落,可验证准确性

支持的来源类型

Audio Overview:AI 播客

NotebookLM 最出圈的功能——将任何文档变成播客:

• 形式:两位 AI 主持人自然对话,讨论文档内容
• 时长:通常 10-15 分钟,可自定义长度
• 质量:语音自然,有互动、有幽默,不像机器朗读
• 用途:通勤收听、快速了解长文档、分享给团队
• 语言:支持多语言生成,包括中文

免费版 vs Plus

实战:用 Gemini API 实现类似功能

Python 示例:文档问答(NotebookLM 核心功能)

from openai import OpenAI

client = OpenAI(
    api_key="你的Key",
    base_url="https://api.example.com/v1"  # AI的那些事儿中转
)

# 读取文档内容(模拟 NotebookLM 的文档上传)
with open("research_paper.txt", "r") as f:
    document = f.read()

# 基于文档问答 — 利用 Gemini 的长上下文能力
r = client.chat.completions.create(
    model="gemini-2.5-pro",
    messages=[
        {"role": "system", "content": "你是研究助手。只基于以下文档内容回答问题,如果文档中没有相关信息请说明。引用相关段落。"},
        {"role": "user", "content": f"文档内容:\n{document}\n\n问题:这篇论文的核心贡献是什么?"}
    ],
    max_tokens=1000
)
print(r.choices[0].message.content)

# 生成摘要
r = client.chat.completions.create(
    model="gemini-2.5-flash",
    messages=[
        {"role": "user", "content": f"为以下文档生成结构化摘要(包含关键要点、方法、结论):\n\n{document}"}
    ],
    max_tokens=800
)
print(r.choices[0].message.content)

Node.js 示例:多文档对比分析

import OpenAI from "openai";
import fs from "fs";

const client = new OpenAI({
  apiKey: "你的Key",
  baseURL: "https://api.example.com/v1",
});

// 多文档对比(NotebookLM 的跨文档分析)
const doc1 = fs.readFileSync("paper1.txt", "utf-8");
const doc2 = fs.readFileSync("paper2.txt", "utf-8");

const r = await client.chat.completions.create({
  model: "gemini-2.5-pro",
  messages: [{
    role: "user",
    content: `对比以下两篇文档的观点异同:\n\n文档1:\n${doc1}\n\n文档2:\n${doc2}`
  }],
  max_tokens: 1500,
});
console.log(r.choices[0].message.content);

常见问题

用 Gemini 长上下文实现文档问答

通过 AI的那些事儿调用 Gemini,200 万 token 上下文轻松处理长文档分析。