说实话，面对零散的课堂讲义 PDF、老师发来的 Word 补充材料，以及几篇指定参考文献，最让人头疼的往往不是知识点本身，而是如何在几十页资料中快速定位某个定义、某道例题，再把它们整理成一条清晰的逻辑主线。NotebookLM 这类 AI 学习工具，刚好可以解决这个难题——它能够直接理解你上传的全部学习资料，自动识别概念层级、提炼关键论据，并标注原文出处。无论是期末复习、整理笔记，还是写作业、查找参考内容，都不用再靠人工反复翻文档、拼凑信息了。

构建专属知识库

操作其实很简单：进入 NotebookLM 官网，点击右上角的“+ New notebook”按钮，先给笔记本命名（例如“大二电磁学-2026夏”），再点击“Add sources”开始上传资料。

它支持的文件格式比较全面：PDF、DOCX、TXT、PPTX 都可以直接导入，公开可访问的网页链接和 YouTube 视频链接同样支持。单次最多可上传 50 个文件，但有一个必须注意的限制——单个 PDF 文件不能超过 100MB，否则系统会解析失败，而且通常不会主动提醒，这一点在上传学习资料时一定要提前检查。

上传完成后，系统会自动对内容进行分块与索引，等进度条结束后就处理好了。此时，你的全部文档内容已经转化为可被 AI 精准调用和引用的知识数据，而不只是普通的 OCR 扫描文本。

三种方式生成结构化学习提要

方法一：用Studio一键生成简报文档
在左侧的 Studio 面板中选择“Brief document”，等待 3 到 8 秒，AI 就会自动生成一份一页式学习提要，帮你整理出章节标题、核心公式、关键图表说明以及常见易错点。它最实用的地方在于，能自动整合讲义与参考文章中针对同一概念的不同表达——例如把课本中的定义、论文里的反例、老师批注中的特殊情况，统一归纳到“高斯定律适用条件”这个条目下，结构非常清楚，特别适合考试复习。

方法二：用时间轴梳理知识演进
同样在 Studio 中，选择“Timeline”，AI 会按照“历史提出→实验验证→理论修正→现代应用”的逻辑顺序，自动排列相关知识点。比如针对“麦克斯韦方程组”，它可能会展示 1861 年原始手稿中的相关段落、1947 年教材中的简化表达，以及 2023 年某篇综述提出的教学新类比——而且每一条内容都附带原文来源，点击即可跳转到对应位置，做知识溯源和论文阅读都很方便。

方法三：手动提问，精准萃取重点
你也可以直接在聊天框中输入问题，例如：“对比讲义第3章和参考文献[2]中关于位移电流的物理图像解释，列出三点本质差异”。AI 返回的内容会附带引用标记，例如“见讲义 P17 图2.4旁批”或“见文献[2]第2节末段”。这里有一个很重要的原则：凡是不带引用来源的回答，都应视为无效输出，必须点击‘Show citations’核对出处，这样才能确保学习内容准确、可追溯、可验证。

把AI输出转化为可编辑笔记

第一步：在聊天窗口中长按某段 AI 回复，点击弹出菜单里的“Sa ve to notes”。
第二步：进入右侧的 Notes 面板，找到刚刚保存的条目，点击右上角的铅笔图标，即可编辑文字内容、调整标题层级，甚至补充自己手写的推导过程。
第三步：选中多个已保存的 notes，点击底部的“Draft with these notes”，然后输入指令，例如“生成一份面向期中考试的15分钟速记卡片，每张卡片正面是问题，背面是答案+原文页码”。AI 会迅速生成带格式的卡片列表，复制到 Word、Notion 等工具中即可直接整理或打印。

这一步实际操作门槛并不高，直接把文件拖入系统即可。但有一点需要特别注意：所有保存到 Notes 中的内容，都会参与后续的 AI 生成与总结。因此，一定要提前清理误保存的测试问答或无关内容，否则容易影响知识库的准确性，降低最终的整理效果和学习效率。