NotebookLM 提示词速查表 - 基于上传源的知识库问答技巧
很多人用 NotebookLM 用成了「会总结的搜索引擎」，于是拿到一段流畅答案却不知道哪句是真的。它真正的价值来自一条硬约束：回答只能来自你上传的源，并且带内联引用点回原文。这张表按上传与源管理、引用与核验、学习模式、实战提问、研究辅助、避坑分组，重点落在两件事——怎么把源组织到能被高效检索的状态，以及怎么用提示逼它暴露矛盾。判断依据是引用：任何一句不带引用的断言都先当未验证处理，追问「这句话出自哪一页」能立刻分辨是材料真有还是模型在补全。什么时候翻它：读一组财报或论文要做横向比对、把手册变成培训材料、需要确认多份文档说法是否一致、或者拿它起草复习提纲。与通用聊天助手的分界很清楚，它没有训练记忆，也因此不会凭空发挥；代价是源不够好时它只能给出「材料不足」这种无趣但诚实的回答。
上传与源管理 5
上传 PDF / URL / transcript / spreadsheet建 master corpus，大文件拆分后分别上传仅基于上传源作答（边界约束）每个 notebook 最多 50 个源（免费）prompt 上限 10000 字符（custom）引用与核验 5
要求内联引用具体源段落找源之间的矛盾点找覆盖缺口（源未提及的方面）找反方观点 / 不同立场prompt 中显式引用源编号学习模式 5
Learning Guide 模式生成学习指南Studio 生成信息图（Infographic）Studio 生成播客（Audio Overview）自定义 prompt 10000 字符按章节/主题拆分学习实战提问 5
基于上传源，总结 X 的核心论点对比源 A 与源 B 的观点差异列出源中支持 Y 的全部论据用源中的原话解释概念 Z把源内容转成 FAQ研究辅助 5
做文献综述：归纳多源共识提取可执行的行动清单生成术语表（含源出处）核查某结论在源中的依据强度跨源时间线梳理避坑 5
未上传源不答（这是边界，不是缺陷）大文件拆分上传，避免截断源质量决定输出质量引用需人工复核准确性敏感事实交叉验证多源命令示例
摘要类：基于上传源总结核心论点
基于上传源，总结 X 的核心论点「基于上传源」是必需的前缀，它把回答约束在你的材料内；随后应追问某句出自哪一页，以确认引用是真的还是模型在补全。
对比类：源 A 与源 B 的观点差异
对比源 A 与源 B 的观点差异两份材料必须真的都在 notebook 里（同一议题的多份材料放同一处并明确命名），否则对比会退化成单份材料的自我复述。
核验类：找矛盾、缺口与反方观点
找出这些源之间的矛盾点；
列出源中没有提及的方面；
找出源中呈现的反方观点或不同立场。三个问题连问，比让它写一份综述更有诊断价值：矛盾定位到具体两份源，缺口直接变成下一轮要补的材料。
研究辅助：生成术语表并标源出处
生成术语表（含源出处）术语表是学习类用途的高性价比出口：概念定义、源出处、以及后续追问的锚点一次成型；也可以把结果转成 FAQ 做知识沉淀。
常见坑与注意事项
- 指望它回答未上传的内容（因为它「什么都知道」）——它没有训练记忆，只会给出材料不足这类诚实但无用的回答。
- 大文件不拆直接上传，撞上单文件上限后被截断，尾部章节根本不在可检索范围内。
- 源质量参差时仍照单全收：垃圾进垃圾出，源不可靠则结论必然不可靠，工具无法替你提升源本身的成色。
- 把引用当作可靠性证明：引用点回原文只说明模型引用了它，AI 引用偶有误挂，关键事实仍要人工复核。
- 上传后就直接采信结论而不先验证解析——先逐个问「这份文档的核心主张是什么」，能立刻发现解析错了或根本没读进去。
提示
- NotebookLM 的核心边界是"只基于你上传的源作答并附内联引用"——它不编训练记忆，这恰好适合做可信赖的研究/学习助手，但前提是源质量高。
- 核验类提示（找矛盾/缺口/反方观点）是它最被低估的能力：把多份材料喂进去，让它指出冲突与盲区，比肉眼比对快得多。
- 大文件拆分成 master corpus 分别上传，避免单文件截断；免费每 notebook 50 源、custom prompt 10000 字符是实用上限。
- Learning Guide + Studio（信息图/播客）能把枯燥文档变成结构化学习路径，研究/培训场景尤其好用。
- 同一议题的多份材料要在同一个 notebook 里并明确命名，上传后先逐个问「这份文档的核心主张是什么」验证解析是否正确。
- 引用点回原文只说明模型引用了它，不代表该文档本身可靠，关键结论仍要回到原始论文或财报核对。
- 提问时显式指定只用某几份源（例如只依据 A 和 B 两份文档作答），能显著减少它把无关文档拼进来。
常见问题
它回答「材料不足」是不是坏了？
不是，这是边界而不是缺陷。它不编训练记忆，未上传的内容一律不答，所以答案只能落在你给的源里。前提是源质量高：垃圾进垃圾出，源本身不可靠时它只能给你一个无趣但诚实的回答。想让它答某件事，先把那份材料传进去。
怎么让每条结论都能追回原文？
要求内联引用具体源段落，并在提问时直接引用源编号，指向性最强。拿到引用后还要注意：引用点回原文只说明模型引用了它，不代表该文档本身可靠，关键结论仍要回到原始论文或财报核对。AI 引用偶有误挂，引用需要人工复核准确性。
它最被低估的能力是什么？
核验。让它找源之间的矛盾点、找覆盖缺口（源未提及的方面）、找反方观点与不同立场——把多份材料放进同一个 notebook，让它指出冲突与盲区，比肉眼逐份比对快得多。同一议题的多份材料要放在同一个 notebook 并明确命名，上传后先逐个问「这份文档的核心主张是什么」验证解析是否正确。
上传与 prompt 各有什么上限？
免费版每个 notebook 最多 50 个源，自定义 prompt 上限 10000 字符。大文件应拆成 master corpus 后分别上传以突破单文件上限，避免截断；长指令要注意 10000 字符的额度。提问时还能显式指定只用某几份源（例如只依据 A 和 B 两份文档作答），能显著减少它把无关文档拼进来。
Learning Guide、Studio 信息图和播客该怎么选？
三者都是把源转成学习材料的出口，用途不同：Learning Guide 生成结构化学习路径，Studio 生成信息图做要点可视化，Studio 生成音频概览做双人对谈式概览；想精控生成内容就用自定义 prompt（上限 10000 字符）。它们适合培训和入门阶段建立框架，但关键细节仍要回到源里核对——概览类输出压缩掉的东西，正是你最需要看的部分。按章节或主题拆分开学，可以降低认知负担。
由 巧匠 维护
公开更新于 2026年8月21日，内容持续校对官方文档。