NotebookLM 剛出來的時候，大多數人的反應是「就是一個可以問 PDF 問題的工具」。
用了一段時間之後，你會發現它做的事情比這個多很多。它可以管理你的研究知識庫、生成 Podcast、跟 Gemini 雙向同步、幫你找文件裡的矛盾、測試你自己文章的邏輯漏洞。
但這些功能很多人不知道，或者知道但不確定什麼時候該用。
這篇把 NotebookLM 所有的核心用法整理在一起，從最基本的開始，到進階的串接流程。你可以對照自己現在的使用方式，找到下一個值得學的東西。
你現在在哪個階段？
剛開始用：你知道可以上傳 PDF 問問題，但有時候答案品質不穩定，不確定哪裡出了問題。
用了一陣子：基本操作沒問題，但你想知道怎麼問才能挖出更有價值的東西，或者怎麼讓它跟其他工具配合。
想系統化：你有多個專案或客戶，想建立一套可以長期維護的知識管理系統。
三個階段對應的學習重點不同，下面依序說明。
第一階段：讓 NotebookLM 讀得更準
很多人覺得 NotebookLM 不夠好用，問題通常出在輸入端，不在工具本身。
上傳前先處理文件
文件格式影響 NotebookLM 的讀取品質比你想像的大。掃描版 PDF 它幾乎讀不到；格式混亂的文件，它整理出來的答案也會混亂；文件名稱叫「文件1」，之後你根本不知道引用來源是什麼。
上傳前要做的三件事——確認文件可以選取文字、長文件依主題拆分、給文件有意義的名稱——這些準備工作決定了你之後能從這批資料裡挖出多少東西。
→ 上傳文件前要做的三件事，讓 NotebookLM 讀得更準
解決常見的問題
PDF 亂碼、AI 幻覺、格式混亂——這些問題有具體的解法，不需要放棄這個工具。
→ NotebookLM 難用？解決 PDF 亂碼、幻覺與格式混亂的 7 個實戰方案
第二階段：問對問題，挖出真正有用的東西
工具設定好了，接下來決定你能得到什麼的，是你怎麼問。
五種問法，各有適合的場景
「這份報告在說什麼」和「這份報告裡哪些結論跟一般認知不一樣」——同樣的文件，不同的問法，答案的深度差很多。
全面盤點、比較對照、反向追問、立場模擬、輸出導向——五種問法對應五種不同的研究需求，知道什麼時候用哪種，你問問題的效率會高很多。
→ NotebookLM 的提問方式決定答案品質：五種問法比較
中文文件的進階提問技巧
NotebookLM 讀英文文件很強，但面對中文學術或語意密集的文件，容易漏掉深層的論點。三個進階提問技巧，讓你從「請它整理」進化到「精準提取」。
→ 為什麼 NotebookLM 讀中文論文會漏掉重點？三招挖出深埋在字裡行間的關鍵
第三階段：Audio Overview 不只是聽
Audio Overview 是 NotebookLM 最被低估的功能之一。大多數人只是按生成然後被動收聽，但它能做的事比這個多。
四種生成模式、自訂指令、互動模式——
用 Critique 模式測試自己的提案有沒有邏輯漏洞、用自訂指令讓它聚焦在你需要的主題、用互動模式在通勤路上邊聽邊追問——這些用法讓 Audio Overview 從「文件朗讀器」變成「主動的研究夥伴」。
→ NotebookLM Audio Overview 怎麼用：不只是聽，還能這樣做
第四階段：整合多份文件，建立知識庫
單份文件的問答掌握了，接下來是讓 NotebookLM 管理大量資料。
跨來源整合
PDF、Google Docs、網頁、備忘錄分散在各處——NotebookLM 可以把這些來源整合進同一個筆記本，讓你一站式查詢。
→ 專案資料散落各處？NotebookLM 跨來源整合實戰手冊
客戶提案歷史管理
每次準備新提案都要從頭翻舊資料？用 NotebookLM 把歷史提案文件、客戶反饋、會後記錄建成一個可以對話的知識庫，三個月後你對這個客戶的理解會比任何人都深。
→ 用 NotebookLM 管理客戶提案歷史，六個月後你會謝謝自己
第五階段：跟其他工具串接
NotebookLM 單獨用已經很有價值，但跟其他工具配合，能做的事會再往上一個層次。
NotebookLM vs Claude：讀內部文件各有優勢
兩個工具都能讀文件，但設計邏輯不同。NotebookLM 適合長期管理多份文件、反覆查詢；Claude 適合即時分析、改寫延伸。知道什麼場景該用誰，不需要來回試錯。
→ NotebookLM 讀內部文件 vs Claude 讀內部文件，差在哪
NotebookLM vs Notion AI：知識庫的建法不同
外部帶進來的研究資料用 NotebookLM 管，工作流程產生的內部文件用 Notion AI 管——兩個工具解決的是不同問題，不是替代關係。
→ NotebookLM 建知識庫 vs Notion AI 建知識庫：場景不同，選法不同
NotebookLM + Gemini：資料雙向同步
2026 年 4 月，Google 把 NotebookLM 和 Gemini 打通了。你在任何一側加入的資料，會自動同步到另一側。NotebookLM 負責嚴格的資料整理，Gemini 負責結合外部資訊生成內容——兩個工具各司其職，不需要手動搬資料。
→ NotebookLM + Gemini 的協作心法：兩個 Google 工具怎麼串
NotebookLM 整理完，交給 Claude 改寫
NotebookLM 擅長整理，Claude 擅長生成。從研究素材到最終輸出，兩個工具接力跑完整個流程——你只需要在最需要判斷的地方出手。
→ NotebookLM 整理完，再交給 Claude 改寫：完整的研究到輸出流程
從哪裡開始
如果你現在還沒用過 NotebookLM，從這三步開始：
第一步，建一個新筆記本，把你最近有在用的幾份文件上傳進去。不需要整理格式，先上傳再說。
第二步，問它一個你真的想知道答案的問題。不是「這份文件在說什麼」，是一個你自己也不確定答案的問題。
第三步，看它給你的引用來源。確認它引用的是對的文件段落，這個習慣能讓你快速判斷它的答案可不可信。
做完這三步，你會對這個工具的能力和限制有一個直覺，接下來要往哪個方向深入，就清楚了。
其他延伸閱讀：
相關閱讀
Claude vs ChatGPT：行銷人寫提案，哪個比較不會讓你改到崩潰
同樣是 AI 寫提案，為什麼有人改三遍就過，有人改十遍還在原地？不是你的 prompt 不夠好，是你用錯工具了。本文從行銷人的實際需求出發，拆解 Claude 和 ChatGPT 在提案寫作上的真實差異。
主管用 AI 準備週會報告的正確姿勢：不是叫它寫，是叫它整理你的邏輯
叫 AI 寫週會報告，它給你一份格式漂亮但你自己都不確定的東西。問題不在工具，是你用錯方式了。週會報告的核心是你的判斷，AI 的角色是幫你把判斷說清楚。
上傳文件前要做的三件事，讓 NotebookLM 讀得更準
同樣一份文件，上傳前有沒有處理過，NotebookLM 給你的答案品質差很多。不是工具的問題，是輸入的問題。這篇說清楚上傳前要做的三件事。