2026 年 7 月 16 日，Google 正式把 NotebookLM 更名为 Gemini Notebook。
名字变了，最值得保留的问题没有变：
我能不能沿着一段答案，走回一份自己愿意相信的证据？
这才是 Gemini Notebook 与普通聊天工具真正不同的地方。普通对话从一个宽广模型出发，靠提示词收窄范围；Gemini Notebook 先让你圈定来源，再围绕这些来源提问、比较和生成结果。它最有价值的不是“更会写”，而是缩短了生成主张到检查原文之间的距离。
本文更新至 2026 年 7 月 31 日。全文刻意区分三件事：
- 官方能力：Google 文档明确说了什么。
- 可观察行为：用户能在界面中检查和复现什么。
- 工程推断：为了理解产品而采用的模型，不冒充 Google 的内部实现。
Google 说明 Gemini 驱动这项体验，但没有为每个功能公开固定模型版本，也没有公开具体的切块、嵌入、排序或内部服务栈。旧稿把 NotebookLM 写成某套确定的 RAG 架构，看起来很技术，证据却不够。技术文章真正怕的不是少讲一个名词，而是用精确的口气讲一件无法证实的事。
Gemini Notebook 真正解决什么问题
它适合那些结论必须被来源约束的任务：
- 比较同一设计方案的多个版本；
- 从文档、issue 与变更记录学习一个陌生系统；
- 阅读结论互相冲突的论文；
- 从访谈逐字稿提炼主题，同时保留原话；
- 用政策、会议纪要和表格准备决策简报；
- 把课程视频、讲义与阅读材料放进同一学习空间。
一个 notebook 是有边界的工作区：先有问题，再选来源，然后提问、核验，最后把结论变成可使用的产物。每个 notebook 彼此独立。
可以用下面这张图理解它：
问题
↓
选定来源
↓
相关片段
↓
基于来源的回答 + 引用
这只是工程心智模型，不是对 Google 私有实现的断言。它带来的实践结论却很可靠：来源集合如果很差，工具也救不了你。五篇文章都在转述同一份公关稿，不会因为数量变成五份独立证据；旧手册没有更新，也不会因为回答带引用就自动获得时效性。
来源支持很广，导入不等于完整理解
Google 当前在网页端列出的来源类型包括：
- Google Docs、Slides、Sheets；
- PDF、DOCX、PPTX、TXT、Markdown、CSV、ePub；
- 粘贴文本与常见图片格式；
- 本地音频；
- 网页 URL；
- 带字幕的公开视频 YouTube URL；
- 作为 notebook 上下文使用的 Gemini 对话。
单个来源最多 500,000 个英文单词或 200 MB；Google Slides 最多 100 页，Google Sheets 当前限制为 100,000 tokens。Standard 免费层每个 notebook 当前最多 50 个来源，付费层会提高数量。Google 明确把使用限额标为“可能变化”，所以应把官方升级表 当作实时真相，而不是把博客里的数字保存成永久采购表。
格式列表只是入口，真正重要的是导入语义：
- 网页 URL 主要导入页面文本，不含图片、内嵌视频和下级页面；付费墙页面不受支持。
- YouTube 来源导入公开视频的字幕文本，不等于理解画面。
- Google Drive 来源可自动同步，但 Google 文件里的评论和脚注不会导入。
- 本地音频在导入时转写，录音质量差会先制造一份质量差的来源。
- Drive 权限被撤销后，来源可能仍占配额，却不再参与聊天或 Studio 输出。
- Notebook 内的渲染可能与原文件不同。表格、公式、脚注或版式决定含义时，要回到原件。
所以导入后别急着提问。先从每一种关键来源里抽查一段：PDF 能否正确选中文字，网页有没有丢掉中心表格，视频字幕是否包含你要引用的部分。几分钟的检查，常常能阻止几小时建立在残缺输入上的“漂亮研究”。
一套可以复现的研究流程
为了让工具可检验，问题必须有终点。下面用一个具体任务作例子：
一个五人团队，未来十二个月是否应该为写密集型服务采用一种新数据库？
这不是要 Gemini Notebook 替团队拍板，而是让它帮助我们把证据整理到可以拍板的位置。
第一步：先写决策，再收材料
在 notebook 外写一张短卡：
决策：
采用、做有限试点，或拒绝。
约束：
五名工程师、单区域、有限运维预算、
严格恢复目标、十二个月决策周期。
需要的证据：
架构、写入行为、故障恢复、运维负担、
成本、迁移路径、近期生产经验。
这一步看起来不像使用 AI，却最重要。没有决策边界，收集来源很容易变成一种更高级的拖延。
第二步：发现来源，然后人工筛选
Gemini Notebook 有两条发现路径。
Fast Research 可以搜索网页或你有权访问的 Drive 文件，返回候选列表供你审阅后导入。适合你已经知道材料形状的情况，例如官方文档、某次演讲或一组近期文章。
Deep Research 是代理式研究模式，可以探索许多站点，生成多页报告并提供候选来源。它适合给陌生领域画第一张地图；运行时你仍可继续使用 notebook。
发现不是筛选。导入时依次偏爱：
- 官方文档与发布说明；
- 公开方法、硬件、数据集和条件的 benchmark；
- 有具体环境与失败过程的事故复盘；
- 披露利益关系与日期的独立报告；
- 对快速变化产品足够新的资料。
Deep Research 能扩大搜索面，却不能替你判断证据质量。把它的报告当地图，不要当法官。
第三步：给证据命名和分组
先导入十份强来源，通常比塞满五十份半相关材料更容易推理。可以用统一命名：
[官方] 架构文档 — 2026-06
[官方] 发布说明 — 2026-07
[基准] 写吞吐方法 — 2026-03
[运维] 生产事故复盘 — 2025-11
[成本] 当前价格 — 访问于 2026-07-31
当来源达到五个以上时，Gemini Notebook 可以自动打标签和分类，也允许手动修改。标签不是质量证明，它的价值是让你每次提问时都看得见自己选了哪组证据。
第四步：先问主张，不急着问结论
不要上来就问“该选哪个数据库”。先让证据露出来：
只使用选中的官方来源，列出所有关于写入行为的主张。
每条给出引用和成立条件。
不要从架构描述推断生产性能。
再单独检查 benchmark 与运维材料：
建立一张表：
主张、工作负载、硬件、数据规模、故障模式、日期、限制。
来源没有提供的信息留空，不要补全。
最后主动寻找冲突：
官方主张与独立生产报告在哪里不一致？
区分直接矛盾、测试条件不同和证据缺失。
这时 Gemini Notebook 是比较仪器，而不是结论机器。
第五步：打开每一条决定性引用
内联引用是产品中心，不是装饰。对每一条可能改变决策的主张：
- 打开引用；
- 阅读前后段落；
- 检查主体、时间和条件是否与回答一致；
- 版式或遗漏内容重要时打开原文件；
- 记录引用支持完整主张，还是只支持其中一半。
引用可能真实，却不足以支持句子。一段文档说“支持复制”，不等于证明恢复时间；一个高吞吐 benchmark，不等于证明故障下仍可靠；一段字幕可以准确复述说话者，也不代表说话者正确。
引用没有让模型自动正确。它只是让错误更便宜地被发现。
第六步：把综合结果变成决策产物
证据经过核验后，再使用 Studio 改变呈现形式：
- 用 Data Table 横向比较约束，并导出到 Google Sheets；
- 用 Report 生成决策备忘录；
- 用 Mind Map 暴露问题分支；
- 用 Flashcards / Quiz 学习团队必须掌握的术语；
- 用 Slide Deck 准备评审会；
- 只有视觉关系确实更清楚时才用 Infographic；
- 用 Audio Overview 在散步时复习；
- 用 Video Overview 做带视觉叙事的概览。
这些产物不是新的真相来源，而是当前来源集合和提示的投影。出现无法追溯的数字或因果结论，就修改或丢弃。
第七步：保存证据账本
最终笔记至少保留：
决策：
试点四周。
支持证据：
- 主张 + 来源 + 日期
反对证据：
- 主张 + 来源 + 日期
未知项：
- 问题 + 负责人 + 验证方法
重新评估触发器：
- 新版本、价格变化、恢复测试失败
未知项和结论同样重要。别为了让报告好看，把不确定性抹掉。
Studio 是转换器，不是独立研究者
Gemini Notebook 的 Studio 已不再只有 Audio Overview：
- Audio / Video Overviews：适合通勤复习和有视觉顺序的讲解；Google 提醒生成内容可能有事实错误或音视频瑕疵。
- Mind Maps：适合快速定位主题和薄弱分支，但整齐的树形图会把争议领域伪装成共识。
- Reports / Data Tables：适合备忘录和字段比较；缺失字段应留空，不让模型猜。
- Flashcards / Quizzes：适合术语、日期和区分，不适合把有争议的判断压成唯一答案。
- Slide Decks / Infographics：擅长说服，也因此更危险。错误一旦进入漂亮图表，会获得不应有的权威感。
压缩往往先丢掉限定词。越是精美的产物，越要在旁边留下证据账本。
Standard、Plus、Pro 与 Ultra 怎么看
Google 当前提供四个消费者访问层级，Ultra 又分不同存储方案。详细配额随时可能调整，耐久的区别是：
- Standard：免费基线，当前为 100 个 notebooks、每个 50 个来源，聊天和 Studio 每日配额较低。
- Plus：提高 notebook、来源、聊天、Studio 与 Deep Research 配额。
- Pro：进一步提高来源和研究输出配额。Google 在 7 月 16 日更名公告中说，安全云电脑和代码执行会在随后几周向网页端 Pro 用户推出。
- Ultra：消费者层级中配额最高，并提供更强的代理式能力。更名时，安全云电脑已面向 Ultra 与符合条件的 Workspace 商业客户开放。
“安全云电脑”是 Google 的产品描述。公开可观察的承诺是：可以围绕 notebook 来源执行分析代码，并生成文件、图表和图片。它没有公开沙箱实现、运行时、网络策略和模型路由。运行环境安全，不等于统计方法正确。
Standard 足以完成聚焦、低频的研究。只有来源数、协作控制、输出量或代理式分析真的成为瓶颈时，升级才有意义。更高配额不会修复更差的判断。
组织还可以通过符合条件的 Workspace、Workspace for Education 或 Google Cloud 企业方案使用。企业层可增加 IAM、VPC Service Controls、区域化等控制，上传文件可保留在组织的 Google Cloud 项目内。具体资格随账号、许可证与地区变化，管理员和实时升级页 比任何静态套餐对比更可靠。
Gemini 同步扩大了便利，也扩大了边界
Gemini Notebook 仍是独立产品，但现在可以在 Gemini 应用中创建和访问 notebook，并进行跨应用同步。Gemini 对话可以把 notebook 用作上下文，Gemini 对话也可以被加入 notebook 作为来源。
便利背后有一条需要重新画出的边界：数据一旦分享给另一项 Google 服务，就受对应隐私政策和服务通知约束。“在我的 notebook 里”与“作为另一个应用的上下文”不必然是相同的数据处理情境。
更稳妥的习惯是：
- 把规范来源集留在 notebook；
- 只有跨应用流程确实增加价值时才进入 Gemini；
- 发送前确认挂载的是哪个 notebook；
- 不因为同步很方便，就随手移动机密资料。
方便会迅速擦掉边界，好的知识工作会有意识地重新把它画出来。
移动端是伴侣，不是完整工作台
iOS 和 Android 应用当前可以添加 PDF、网页、YouTube、音频和粘贴文本，通过系统分享菜单收集内容，运行网页 Fast Research，与选定来源聊天，并创建或播放音频、视频、卡片、测验、信息图和幻灯片。
但移动端仍缺少网页端的一些能力：Google 当前说明它不能生成或查看 Notes、Mind Maps、Reports、Data Tables，也没有聊天配置和分析，来源类型比网页端窄。Audio Overview 可以在应用内离线保存，但不能作为普通音频文件导出；设备同步也可能延迟。
我的分工很简单：
- 移动端负责捕获、提问、听和快速复习；
- 桌面端负责筛来源、核关键证据、做表格和完成研究产物。
隐私取决于账号，提交反馈是另一个动作
对个人账号，Google 说明 notebook 内容不会被直接用于训练基础模型，除非你主动提供反馈。点击赞或踩提交反馈时，关联的提示、来源、上传内容、对话和生成结果可能被收集，由受训团队审核，用于改进产品和机器学习技术；与账号断开关联后，相关内容最长可保留三年。
所以不要把机密或敏感资料连同产品反馈一起提交。
对 Workspace 与 Workspace for Education 用户，Google 表示即使提交赞踩反馈，上传、查询和回答也不会由人工审核，且不会用于训练 AI 模型。通过 Google Cloud 使用 Gemini Notebook Enterprise 时，官方还说明文件保留在客户项目中，遵守数据区域化，文件、对话和输出不会被人工审核或用于改进生成式 AI 模型。
上传敏感资料之前，至少回答六个问题：
- 我现在用的是什么账号？
- 哪套服务条款适用？
- notebook 会不会共享或进入 Gemini 应用？
- 组织政策是否允许这类数据进入服务？
- Drive 来源权限变化后会怎样？
- 能不能先脱敏再研究？
隐私不是一个开关，而是一条由账号、服务边界、共享、反馈和来源权限共同组成的链。
有引用，仍然会错
来源约束减少了一类错误，不会消灭解释错误。
引用不等于蕴含
回答可能引用了附近段落，却只支持句子的一部分。打开引用，把主张缩窄到证据真正覆盖的位置。
导入文本不等于完整对象
网页会丢嵌入内容，YouTube 主要是字幕，Google 文件不带评论与脚注，扫描件和复杂布局也可能解析失败。决定性证据要回看原件。
多来源不等于独立证据
十篇文章可能都在重复同一份新闻稿。要问的是主张最初来自哪里，哪些来源彼此独立。
新鲜度不会自动出现
旧价格、废弃 API 和被替换的政策都可能留在 notebook。把日期写进来源标题，明确要求系统列出时间冲突。
代码执行扩大了错误面
代理式聊天运行分析时，要检查输入、假设、可见代码和生成文件。一张图可以计算完全正确，却回答了错误问题。
什么时候不要用 Gemini Notebook
以下任务应选择别的工具：
- 需要实时运行数据，而不是导入快照；
- 依赖精确公式、数据库事务或确定性转换；
- 账号和组织政策不允许上传敏感来源；
- 需要专业法律、医疗或金融判断；
- 需要对超过 notebook 配额的大型档案做穷尽检索；
- 关键证据主要存在于导入会损失的视觉、空间或媒体信息；
- 只是从自己的想法写作，根本不需要来源约束。
确定性提取就写代码，长期结构化知识用数据库或版本控制笔记，高风险决策让合格的人负责。Gemini Notebook 适合站在阅读与综合之间，不需要假装替代周围所有环节。
最后：知识系统应该保留回去的路
Gemini Notebook 给我的启发并不是“以后不必阅读”，恰恰相反：
一个有用的知识系统，必须保留从来源到主张、从主张到决定的路径。
许多个人知识系统只优化收集。链接、划线、转录和笔记不断增长，最后形成一种安静的逃避：资料越来越多，判断没有更清楚。
更健康的系统有四层：
来源 → 主张 → 综合 → 决策
每一根箭头都应该能往回走。主张指向原文，综合保留分歧，决策记录证据与重访条件，后来的经验可以推翻旧决定，却不必改写当时的历史。
Gemini Notebook 最擅长这条链的中段：引用缩短返回路径，Studio 改变内容形态，研究模式扩大搜索面，跨应用访问减少摩擦。人仍要决定哪些来源进来、哪些引用可信，以及哪一件精美产物把不确定性压没了。
从 NotebookLM 到 Gemini Notebook，看起来像一次品牌更名。更深的变化是 notebook 开始主动搜索、综合、可视化，甚至执行分析。工具越有行动力，我们越要少迷恋第一稿，多定义证据、检查转换、保存未知。
这不是更少地思考。
这是离来源更近地思考。
官方资料
本文产品事实核对自 2026 年 7 月 31 日可访问的 Google 官方页面：
读者回响