在学术研究、论文阅读或政策分析场景中，我们经常会遇到一些语气非常肯定、措辞过于绝对的结论，但回看原文时却发现缺少数据支持、没有说明样本量，或未交代研究方法细节。这类“证据不足却表现得很自信”的表述，很容易影响研究判断与信息解读，因此必须被明确标记出来。下面的步骤将教你如何在NotebookLM中开启Strict Mode，并结合英文提示词自动识别这类风险表述，随后再进行人工核查与标注。
启用“证据强度标注”模式
首先，需要开启NotebookLM的底层证据链校验能力。具体操作路径如下：
- 点击右上角 ⚙️ 图标，进入设置菜单。
- 打开「Advanced Settings」选项。
- 勾选「Enable Evidence Confidence Tagging」。
- 将模式切换为「Strict Mode」。
【Strict Mode是唯一能够触发底层证据链校验的开关】。当关闭该模式时，NotebookLM通常只执行语义匹配，无法有效识别证据薄弱点；而启用后，系统会自动检查每一条主张是否附带可验证锚点（如@doc3:table5、@doc1:p12）、是否引用量化结果，以及是否说明局限性。
定义“薄弱但自信”的识别规则
在输入框中粘贴以下指令，用于覆盖默认行为，让NotebookLM聚焦识别特定类型的高风险表述：
You are a critical evidence analyst. Scan all claims in the sources and tag only those that meet ALL THREE criteria: (1) use absolute language (e.g., “proves”, “undoubtedly”, “always”); (2) cite no empirical data, statistic, or method detail; (3) lack hedging phrases like “suggests”, “in this sample”, “subject to limitation”. Output format: [WEAK-CONFIDENT] claim text + @source:location.这一步必须使用英文指令——NotebookLM的证据强度解析器仅对英文关键词有稳定响应，例如“absolute language”“empirical data”等；如果使用中文提示词，通常无法正常激活这一分析模块。
常见问题：为什么只能用英文指令？
这是因为该解析器主要基于英文语义模型进行训练，对于中文中的“绝对措辞”“缺乏数据支撑”等表达，识别准确率相对有限，因此在实际操作中应严格使用英文原始指令。
人工校验与修正标记
自动识别与标记完成后，还需要进行人工复核，以进一步确保结果准确可靠。具体步骤如下：
- 第一步：查看输出结果。所有以
[WEAK-CONFIDENT]开头的条目，都是系统自动标记出的候选内容。 - 第二步：逐条跳转至原文。点击右侧的
@source:location链接，核实原文是否确实缺乏数据支撑或方法说明。 - 第三步：修正误标。如果发现误标情况（例如原文存在脚注，但由于OCR识别失败而未被系统读取），可在NotebookLM编辑器中长按该句，选择「Edit Citation」，然后粘贴PDF中对应段落的精确文本和页码信息。
- 第四步：添加证据缺口标记。对于已经确认的[WEAK-CONFIDENT]条目，右键点击后选择「Add Flag」，再选择「Evidence Gap」，并填写具体缺失类型（如“no sample size stated”“no control group described”）。
注意事项：Flag一旦添加，就会同步写入导出的JSON中，而且不能批量删除。因此每次执行标记前，都应确认原文确实缺少关键证据，避免产生误标或误操作。
小提示：如何高效校验？
建议优先检查那些语气特别强烈（如“proves”“undoubtedly”）且来源位置清晰明确的条目，因为这类内容最有可能属于“证据薄弱但表达自信”的主张，也是证据审查中最值得优先处理的部分。
常见问题：误标后如何撤销？
如果出现误标，可再次右键点击对应条目，选择「Remove Flag」进行撤销。不过需要注意，这一操作只对当前单条内容生效，暂不支持批量撤销处理。
完成以上步骤后，你就能获得一份结构化的证据缺口清单。这些标记不仅有助于后续研究、文献分析和批判性阅读，也能在导出JSON时被完整保留，方便团队协作、审阅复核以及进一步验证。