学习工具

Key Takeaway

• NotebookLM是Google Labs发布的一款实验性AI笔记应用，结合了Chatbot和RAG，改变了传统笔记逻辑。
• 其核心功能区包括来源区（添加文档）、对话区（AI引导提问和回答）和笔记区（手动/自动创建笔记）。
• NotebookLM通过AI建议提问、引用来源和笔记生成等功能，显著提升了用户对文档的理解和知识沉淀效率。
• 该产品旨在实现“Conversational Learning”（通过对话进行学习），让AI辅助用户消化资料并生成内容。
• 尽管仍处于早期阶段，NotebookLM展现了AI在学习和知识管理领域的巨大潜力。

Full Content

这是我用过最好的AI学习产品。

它是Google Labs前段时间发布的一款实验性产品：NotebookLM。他们把由大模型驱动的Chatbot和RAG加进传统的笔记应用，整个产品逻辑都变了。

虽然NotebookLM还处在早期阶段，但是底子已经打好了。我用了一段时间发现，它对我的学习、知识的沉淀和整理，都非常有帮助。

我强烈建议大家看完这期视频后，都去试试。我已经在考虑怎么把它跟我平时在用的DEVONthink、Obsidian结合起来了。

我从零开始，演示给大家看。

目前这款产品还只限美国地区的用户使用。不过这些对咱们来说都不叫事儿。 登陆之后，就会看到这样一个有点简陋的页面：笔记本的创建和选择。

进入笔记本详情页，就三个核心功能区：

• 来源区
• 对话区
• 笔记区

来源区用来添加文档。支持Google Drive导入、PDF上传，或者直接贴文字进来。

文档上传之后，你可以选定一个文档或者多个文档。AI会根据你的选择，自动进行分析，给出Summary和Key Topics。这时，在对话区，对话框上边出现了AI建议的提问。

这么设计有什么好处？

当我们上传一个没有读过的资料时，往往不知道怎么跟AI开始对话——对资料内容一无所知，肯定不知道该问啥。

这时，我们就可以点击Key Topics或者建议提问中的任意一个，AI自动给出回答。每个回答都会包含citations，引用来源。把鼠标悬停在上边就会出现原文。点击的话，就会自动来到文档中对应的位置，这样还能看到上下文，有一个更全的了解。

值得注意的是，当提完一个问题之后，AI建议的提问还会更新。所以，即使不输入任何问题，跟随AI的引导，点几下鼠标，也能完成对一个大文档的初步了解。

这就是把大模型能力融进笔记应用之后，带来的显著提升。

笔记区也是如此。

我们可以手动添加笔记，也可以通过点击任意一个对话框里的pin按钮，把它自动变成一条笔记。

当笔记做得差不多了，可以把它们全部选中，AI同样会给出操作建议。比如，总结、全部合并，或者创建一个Outline。直接通过对话下达指令也OK。

在笔记的基础上，加上Chatbot和RAG，整个笔记应用就全变了。Google管它叫：Conversational Learning，通过对话进行学习。

就像刚才演示的那样，从一个基础问题开始，AI引导着你把整个资料消化完毕。在这个过程中，还可以很容易就创建若干笔记。最后，通过这些笔记，你还可以让AI帮你生成内容。

有学习，有产出，这就是Conversational Learning。这也是这款产品吸引我的地方。

当然，就像开头说的，NotebookLM还很初级，有很多不足。比如，最基本的多层级文件夹功能缺失。没法创建子文件夹，对资料整理、选择文档来说实在太不方便了。另外，语言的支持也不够，只有英文。我用中文提问，AI还是回复英文。我传中文的文档进去，AI还是回复英文。

当然，这些都是次要问题。Google只要围绕现在这个主干去完善，很有机会打造出一款非常给力的生产力工具。

这应该是我最期待的Google产品了。

OK，以上就是本期内容。大家记得点赞点关注。我们下期见！

Key Takeaway

• Google的NotebookLM是一款强大的AI学习产品，通过“Conversational Learning”理念，辅助用户高效学习和消化资料。
• NotebookLM新增中文支持和笔记本指南功能，后者包含摘要、建议问题和多种生成选项（如简报文档、常见问答）。
• 该工具能帮助用户快速建立对文档的框架性理解，并通过AI引导深入细节，提升学习效率。
• NotebookLM通过结合AI生成和对话，提供立体化的学习体验，超越传统阅读方式。
• 文章强调了NotebookLM在辅助阅读、理解和知识沉淀方面的巨大价值。

Full Content

我还是得再次推荐谷歌的AI神器：NotebookLM。如果你想严肃学习，比如好好看完一本书，或者消化一批研究报告，那这个工具肯定能帮到你。

几个月前我发视频介绍过NotebookLM，这是我最期待的谷歌产品，也是现在为数不多的、真正有用的AI工具。它提出的新理念我非常赞同，叫做Conversational Learning——在AI的辅助下，通过对话的方式完成学习。

咱们来打个赌：半年，最多一年，就会有国内厂商把这款产品的逻辑抄去。

最近NotebookLM有一个大更新：

一是终于支持中文了。

之前它虽然也懂中文，但就是不用中文回复你，也是绝了…现在支持了，不过还是得到设置里更改一下：

进入Google账号的个人信息页面，在网页版的常规偏好设置里，把首选语言改成中文就OK了。

二是新出了笔记本指南功能。

当你把文档导入，Genimi模型会先对文档做预处理。快的话几秒，慢的话十几秒，笔记本指南就完成了。它包含三个部分：

第一，摘要，告诉你文档的核心内容。比如我导入的这本书是Evolution in Four Dimensions（进化的四个维度）。通过摘要我就知道，原来传统的、我们以前在学校里学的达尔文的那套理论——基因决定生物进化并不完全对。除了基因，表观遗传、行为和符号也会影响到生物进化。

第二，建议问题。大模型会根据文档内容自动生成第一批建议问题。我们不需要敲字，只要点击就可以提问。而且，每一个问题提完之后，它还会持续更新建议问题。所以我们一路点下去，就会有一些初步的理解。

不过这还不够，因为这么零散的一问一答是没法形成一个整体性的框架的。于是就有了第三部分——生成。

NotebookLM事先设置了五个生成选项。AI自动生成之后，会以笔记的形式输出。我觉得比较有用的是这两个生成：

第一，简报文档。这部分内容会把文档的核心逻辑和主要观点都列出来。

比如，传统的基因决定论受到挑战，因为我们发现，基因要发挥作用，需要依赖系统，也会受到环境影响，所以没有之前想的那么万能。除了基因，生物进化还有更多维度，包括表观遗传系统、符号遗传系统。

看完简报文档，你就知道进化的四个维度这本书的主张是什么，以及作者是怎么一步一步推导出这个主张的。逻辑比观点更重要，这是我觉得这个生成有用的原因。

第二，常见问答。一本书看完了，你问得出问题来，才说明吃透了。

比如，我们对基因的传统认知是什么？为什么它不再完全适用？表观遗传系统都包含哪些类型？文化遗传是怎么影响到生物进化的？这些都是书里的关键问题，AI先帮你问了，并且给了你答案。

有笔记本指南功能之后，这款产品才算完整了。

先通过AI生成功能，建立起对整个文档的框架性理解。然后通过对话，在框架之下做补充。

这就是AI的辅助作用。之前你得老老实实地从前到后把书看完，才有一个框架性的理解。现在AI先帮你读完了，直接把框架给到你，然后再带着你去过里边的细节。显然这是一种更高效率的学习方法。

这就是为什么我要再出一期视频来再次介绍、再次推荐这款产品的原因。把Why讲清楚了，大家才能更舒服地去用这些AI工具——这是我能带给大家的价值。

OK，以上就是本期内容。有什么问题想问我的，来newtype社群，我都在。那咱们下期见！

Key Takeaway

• Google的Learn about是一款专为学习打造的AI产品，与NotebookLM结合可覆盖所有学习场景。
• Learn about能提供系统性的学习框架，并引导用户进行深度学习。
• 该产品通过AI助理和AI老师的角色，帮助用户从互联网获取、整理和学习知识。
• Learn about和NotebookLM的结合体现了Google提出的AI时代学习方法：Conversational Learning。
• 文章强调RAG将成为AI原生应用的标配，严肃生产是AI应用落地的价值场景，AI将彻底改变学习方式。

Full Content

谷歌又要出爆款了！

Learn about专门为学习打造。你想学什么、想了解什么，直接在对话框里问就可以。它都帮你安排得明明白白。这款新产品跟之前的NotebookLM组合在一起，基本就覆盖了所有的学习场景。

举个例子，你想学Python。

如果你手里有教材或者资料的话，那就用NotebookLM。把文档传进去，它会帮你先过一遍，给出摘要、大纲等等，让你先有一个全局性的了解。然后再以提问、回答的形式，在AI的引导下，去吃透细节。过程中，你有任何想了解的，AI都会基于资料回答。

如果你手里啥也没有咋办呢？没关系，互联网上啥都有，用Learn about搞定。它是你的AI助理，会帮你从网上找到一切跟主题相关的资料。它是你的AI老师，会把找到的资料整理得非常有逻辑，然后在一个大框架下教你，并且回答你的一切问题。

新出的Learn about和已经爆火的NotebookLM加在一起，就是谷歌提出的AI时代的学习方法：Conversational Learning。

哈喽大家好，欢迎来到我的频道。谦虚地说，我是国内少数几个能把关于AI的Why和How讲明白的博主。我提供的东西比教程更值钱。记得点一波关注。如果想链接我，就来newtype社群。已经有600位小伙伴付费加入啦！

回到今天的主题：Learn about。

这款产品还处在早期，跟当初的NotebookLM一样，限定地区，也暂时不支持中文。其实它可以用中文回答，但是刚开口就被掐断了，然后提示不支持。所以咱们耐心等着就好，估计过两三个月就放开了。

我第一次使用的时候，会有点疑惑：这不就是问答引擎吗？因为当时我随便问了个问题，Learn about就像Perplexity那样联网搜索、给出回答、给出来源。但是，当我正儿八经问它该怎么学Python的时候，才发现这款产品真正的威力。

Learn about特别擅长给出系统性的学习框架。以学Python为例。在基础部分，它给出了学习大纲，建议从数据类型、变量、运算符、控制流、函数这五个部分下手。每个部分都有对应的展开。比如，数据类型包含了字符串等等。

随便从哪一个部分切入进去学习都可以。不用担心找不回原来的框架——它被放到左边栏的位置，可以折叠或者展开，起到导航的作用。我们可以时刻知道，正在学的知识点是属于哪个部分，不断强化这种全局观。

同样，如果有子框架出现的话，也会加入左边栏。这就避免了一层套一层，最后搞得特别混乱的情况。

我之所以觉得这个功能很重要是因为，不管你学什么，一定先建立起一个系统性的框架、大纲，或者说是思维导图。这是最重要的。有了这个之后，你再去抠细节，再去抠里边的知识点。我在之前推荐NotebookLM的视频里也强调过这一点：全局性的认识是“学会”的基础。

再来看我们今天的教育就会发现，全都是在死磕知识点。也难怪教出来的学生脑子是空的，人都废了。

跑题了，咱们回到Learn about。

在产品功能上，Learn about大量采用NotebookLM一样的建议问题、引导学习的方式。你刚开始学、没什么概念的话，就让AI带着你、用对话的方式逐渐深入。

在这个过程中，如果你觉得AI讲得太浅了，可以点Go deeper，让它讲得细一些。同样，如果觉得讲太深了、吃不消，也可以让AI讲得通俗易懂一些。另外，在任何时候，如果看到有什么不明白的概念，直接选中，让AI解释。像这些预设的功能虽然小，但是特别实用，谷歌确实走心了。

Learn about和NotebookLM都是关于学习的产品，但是二者的定位不太一样。NotebookLM更多是一种辅助的角色，帮你理解、消化文档。而Learn about处在一个主导的地位，像老师一样去教你。所以在教学过程中，它会加入一些小问题、小测验，通过一个简单的选择题去强化你的理解——这些都是这款产品主动性的体现。

通过这几天的使用，我已经决定把Learn about纳入我的AI工具库。要学点什么，我会用它。要查点什么，我会用Perplexity。要讨论点什么，我会用Claude。

我发现，我之前在社群里陆续分享过的三个判断依旧成立：

第一，RAG会成为AI原生应用的标配。你看，NotebookLM和Learn about都是基于RAG，把这技术玩出花儿来了。

第二，AI应用落地阶段，严肃生产是最有价值的场景。你看，今年火起来的、活得不错的，都是这个方向的产品。非严肃生产类产品，等AI终端普及了才有可能大量出现。

第三，AI会彻底改变我们的学习方式。只要想，就一定能学会。所以，以后世界上会分为两种人：一种是想学的，一种是不想学的。不想学的，AI会创造海量的娱乐内容去饲养他们。而想学的，将成为新世界创建者。

OK，以上就是本期内容。想交流AI，来我们newtype社群。那咱们下期见！

Key Takeaway

• DeepWiki是一款GitHub项目理解神器，能帮助开发者和爱好者吃透任何项目，通过AI扫描代码仓库并结合代码片段进行问答。
• 文章强调在AI时代，理解代码的重要性，认为AI工具能降低编程门槛，但仍需具备开发思维。
• DeepWiki简化了项目理解过程，用户无需下载代码仓库，直接通过网页或修改链接即可导入。
• DeepWiki支持深度回答，可结合Deep Research功能，提供更深入的分析。
• 作者分享了自己利用DeepWiki和Cursor学习AI项目的工作流，并强调AI工具能增强个人能力。

Full Content

给大家推荐一款GitHub项目理解神器：DeepWiki。不管你是开发者，还是像我一样的爱好者，都可以用它吃透任何项目。

DeepWiki的用法很简单。官网已经列出非常多知名的项目了。你可以从里边挑一个。比如微软的Markitdown。

打开之后，我问它：这个项目怎么跟LLM配合使用？接到请求后，DeepWiki会扫描整个代码仓库，包括README文档，以及跟问题有关的代码，然后做出回答。

你看，DeepWiki告诉我，Markitdown在转换PDF文档的时候，如果遇到图片，就会使用GPT-4o模型生成图片描述。点击来源，就可以在右边看到对应的代码片段。

说实话，这个结论和代码来源对应的功能真的太舒服了。因为当你想要理解一个项目的时候，你要的不止是一个描述、一个总结、一个抽象的答案，还需要看到项目的作者是怎么在代码层面实现的。

Show me your code。

现在，只要你肯动脑子思考，在DeepWiki的帮助下，你的开发水平、你对AI项目的理解肯定会突飞猛进。就像我之前在社群里说的：

答案都在哪里，只要你问对问题。

哈喽各位好，欢迎回到我的频道。谦虚地说，我是国内少数几个能把关于AI的Why和How讲明白的博主。我提供的东西远比教程更值钱。记得点一波关注。如果想链接我，就来我们newtype社群。已经有1000多位小伙伴付费加入啦。

回到今天的主题：DeepWiki。

我知道，肯定有小伙伴会说：我又不是程序员，研究这些干嘛？

根据我的亲身经历，有两点我可以非常肯定地告诉你：

第一，在现在这个阶段，你想吃到AI红利，肯定要深刻理解AI。那要深刻理解AI，看不懂代码，或者说，不能从代码层面理解一个AI项目，那肯定是不行的。

一个人，大老板也好，投资人也罢，看不懂代码就在那边大谈AI，那他肯定是在瞎扯。用了几个AI工具，再结合到处看来的、听来的东西，就开始忽悠了。

这种人在国内非常非常多。

第二，有了AI之后，大部分职业的入门门槛就消失了。编程就是一个很好的例子。一年半以前，我刚起步的时候，对自己的要求就是：我可以不太会写，但我一定要能看得懂。

只要能看得懂，我就可以从最新的AI项目下手，理解项目的架构和功能的实现，甚至反推作者的思路。

这个还真挺上瘾的。我一度都不喜欢打游戏了，就在AI的帮助下，把那些项目拆开研究，这里改一些、那里改一些，看看会怎么样。

尤其是有了Gemini 2.5 Pro之后，我在Cursor里，把代码仓库克隆下来，然后借助这个模型的超大上下文来帮我理解。

现在，有了DeepWiki，这个过程就简单多了。

不需要Cursor，我在iPad上也可以实现。你看，用浏览器打开DeepWiki网页就行。

我也不需要再把代码仓库下载下来，直接把链接给到DeepWiki。

或者，还有一个更简单的方法：把链接里的github.com改成deepwiki.com就可以自动完成导入。

在问答的过程中，如果你希望它更深入地回答，要么在开始之前把Deep Research打开，要么就点击Go Deeper按钮，DeepWiki会多花点时间、检索得更仔细，给的答案也更深入。

所以，现在我学习这些AI项目的工具有两个，就像我在社群里介绍的：

平时在iPad上用DeepWiki。有空的时候看看GitHub Trending又有啥热门项目，放到DeepWiki里详细了解一下。觉得有意思的就加个星。等回到桌面端了，再用Cursor操作。

这些AI工具帮了我很多。不止是在具体的学习过程中，更重要的是，给了我很强的信心：

现在，只要一个东西没超过我智商上限，那我都能学会。

OK，以上就是本期内容。想了解AI，想成为超级个体，想找到志同道合的人，就来我们newtype社群。那咱们下期见！

Key Takeaway

• Google NotebookLM现在支持生成中文播客，对学习和自媒体创作有巨大帮助。
• NotebookLM通过结合思维导图、AI播客和AI对话，提供立体化的学习体验，提升知识吸收效率。
• AI播客虽然缺少“人”的感觉，但其质量已达标，且在产量上具有巨大优势，有望催生新的内容形式。
• 文章预测AI播客可能被微信公众号等平台集成，打破内容创作壁垒。
• 强调AI的威力在于打破赛道壁垒和产品区隔，组织应积极拥抱AI。

Full Content

NotebookLM终于支持生成中文播客了！这个对咱们国人的学习，甚至自媒体生意都有非常大的帮助。

就在昨天，Google宣布，NotebookLM的语言摘要功能支持50多种语言，其中就包括中文。我和社群内的小伙伴一样，心心念念等了好久了。因为它可以把你上传的文档转成播客对话的形式。我给你们看一下效果。

这个是David Silver和Richard Sutton两位大佬的作品，讲的是AI的进化将进入“体验时代”。一直以来，AI都是使用人类数据、模仿人类能力来进步——这个叫“经验时代”。但是，这个方法的效果开始见顶了。

一是高质量数据不够了。人类过去那么多年积累下来的数据都喂差不多了。二是用人类的经验作为学习资料，AI也就很难超越人类的理解边界，很难进化成超越人类智能的新智能。

所以，AI接下来将要进入“体验时代”。这篇论文讲的就是这个内容，非常精彩，强烈建议大家看看。

这篇论文一共11页。借助Gemini模型，NotebookLM根据内容生成了8分钟的播客。我播放一小段给大家听听。

不知道大家什么感受，我是挺惊喜的。

从中文语音来看，除了中间有一些地方能听出译制片或者说是老外讲中文的腔调——过于大惊小怪了，但整体来看，已经很不错了。

从内容质量来看，我把整段音频听完了，论文之前也读过，可以说，它对内容重点的提取还是很到位的。核心要点都有了。

所以，现在你把一份资料导入NotebookLM，可以先看它生成的思维导图，对整体逻辑和核心结论有个了解。

接着可以把AI播客听了。认真听也好，有一搭没一搭地听也行。反正听完之后，你感兴趣的部分，自动就进入你脑子里了，就有印象了。

最后，跟AI对话。你可以主动提问，也可以用它的建议问题，都可以。AI已经吃透内容了。你就让它“导航”，带着你跑完整个“逻辑路网”。

这一整套下来，除了文字沟通，还有来自播客的听觉输入，以及来自思维导图的视觉逻辑输入。所以你看，有了NotebookLM之后，你在学习时候所获得的输入会非常立体，你大脑受到的刺激也会更多，更有助于你吸收新东西。

相信我，这绝对会比你只是“看书”，效果好得多！

最后，One more thing。我猜，现在肯定有人尝试搞“AI播客”了。之前NotebookLM不支持中文，你还得找替代品。现在支持了，那就把文档拖进去，等个三四分钟，一个播客就出来了，然后把音频文件下载下来就可以。

跟传统播客相比，AI播客确实缺少人的感觉。但是，它已经达到七十分的水平了，质量已经过关了，甚至比很多人做的播客都好。这个时候，它在产量上的优势就可以完全发挥出来了。

如果我是微信的人，肯定会在公众号上做这样的尝试。现在已经有“听全文”的功能了，那再前进一步，来个“AI播客”又有什么不可以呢？也许过几个月我们就能看到公众号AI播客的灰度测试了。

你看，这个就是AI的威力。赛道之间壁垒、产品之间的区隔被完全打破。没有哪个组织可以幸免，只能积极拥抱。

OK，以上就是本期内容。想了解AI，想成为超级个体，想找到志同道合的人，就来我们newtype社群。那咱们下期见！