各大平台又被谷歌刷屏了。

Gemini 3 Flash 发布，更快、更便宜，各项参数看起来都相当能打。

就在我准备去体验一番时，我无意中发现了对话框里的另一个更新细节——Gemini 竟然可以直接关联 NotebookLM 的笔记本了。

可能很多人对这个功能无感，甚至都不知道 NotebookLM 是什么。

（如果还不太了解的，可以去看看这篇文章：我试了 NotebookLM 学习法后，彻底抛弃传统学习方式 ）

说实话，这个看似不起眼的联动，却比看到新模型本身还要让我兴奋。

因为它解决了我一直以来使用 Gemini 与 NotebookLM 的一些痛点，也让我意识到，我们与 AI 的协作方式，可能正在发生一次重要的转变。

两种工具，两种「拧巴」

在这次更新之前，使用 Notebook 和 Gemini，偶尔会让我感觉有些拧巴。

一边是 Gemini。

它能力很强，富有创造力，你让它帮你写文案、做策划、脑暴选题，它都能完成得又快又好。

但它的问题是，短期上下文的限制。

在一次对话中，你之前说过的话、上传的文件，都会被 AI 放入一个临时的「工作记忆」（即上下文窗口）中，但只要新开一个窗口，它就不记得了，需要把相关背景信息再发一遍。

另一边是 NotebookLM。

它能精准地消化上传的所有资料，并且只基于这些资料回答问题，不会一本正经的胡说八道，生成的内容都能看到引用出处。

这在处理严肃信息时非常可靠。

但它的问题也很明显，就是缺乏创造性。

它的回答被严格限制在信息源的框架内，问的问题稍微超纲一点，它就无能为力了。

这就导致了一个很低效的工作流：

常常需要在 NotebookLM 里整理和消化资料，得到一些基于事实的初步结论，然后再手动把这些结论复制粘贴到 Gemini 里，让它基于这些信息进行二次创作。

这个过程，不仅繁琐，也割裂了思考的连续性。

而现在，谷歌把这两个工具打通了。

NotebookLM 负责「知识的长期积累」，构建一个稳定、可信、持续更新的信息源。

Gemini 负责「即时的生成与决策」，随时调用这个信息源，并用它强大的模型能力进行创造和推理。

一个负责「长期记忆」，一个负责「推理创造」。

AI 的最佳实践，正在悄悄改变

这次联动，让我越发确信一个观点：AI 的最佳实践，正在从提示词工程迁移到上下文工程。

什么意思？

过去我们总在琢磨，怎么把提示词写得更牛，让 AI 精准理解我们的意图。

但这只是第一层。

真正能拉开人与人之间使用 AI 效果差距的，是你为 AI 提供了多么优质、独特、全面的背景信息（上下文）。

通用的「世界知识」是大家共享的，它无法减少我们个人任务中的不确定性。

只有精准的「上下文」才能做到。

而这次更新，就是谷歌在引导我们去构建自己的「长期上下文」。

这和 ChatGPT 的 Projects 功能异曲同工，都是上传一个项目的所有相关资料，让 AI 在这个信息源里，变成一个信息完备的领域专家。

理解并善用「上下文」，才是我们在 AI 时代真正的核心竞争力。

这对我们普通人，到底有什么用？

道理都懂，那具体能怎么用？

我这里抛砖引玉，分享两个我立刻想到的应用场景。

1、解除文件上传限制

用过 Gemini 的朋友可能都遇到过这个问题：虽然 Gemini 号称百万上下文，但一次最多只能上传 10 个文件。

这个限制，让长上下文的能力大打折扣。

现在，NotebookLM 完美弥补了这个短板。

你完全可以先把一个项目相关的所有资料，不管是 PDF、Markdown、TXT，甚至是音视频，先全部上传到 NotebookLM 的一个笔记本里。

普通用户最多 50 个源，Pro 用户 300 个。

然后在 Gemini 的对话框里，点击添加来源，选择 NotebookLM。

举个例子，我可以把我过去写过的所有数据不错的公众号文章，全部放进一个叫「公众号历史文章」的笔记本里。

然后，在 Gemini 里直接调用它。

让 Gemini 帮我分析这些爆款文章，都有哪些潜在规律；帮我提取出爆款因子；帮我总结我的写作风格。

玩法有很多，大家可以根据自己的实际需求去发散。

2、严肃信息 + 深度研究

我们经常会有这样的需求：

需要基于一些严肃、准确的资料（比如行业报告、财报数据、经典文献）去进行深度分析，完成内容创作。

过去，可以直接在 NotebookLM 里创建一个笔记本，把相关的内容，全部上传进去。

然后通过 Chatbot 对话的方式，获取自己想要的信息。

但如果你经常用 NotebookLM 就会知道，虽然它不会出现幻觉，但也限制了它的输出能力。

一方面是输出信息少。

同样的提示词，在 Gemini 会输出更完整的内容。

另一方面缺乏创造力，只要问题稍微偏离信息源一些，就可能无法回答。

尽管谷歌官方并没有公开 NotebookLM 使用的是什么底层模型，就我自己的使用感受是跟 Gemini 3.0 Pro 还是有差别的。

而现在，你可以直接把 NotebookLM 里的内容，结合谷歌最强的模型去使用。

写在最后

从这次更新里有两点明显的感受。

第一，「模型强不强」已经不是唯一问题，「怎么约束它」同样重要。

什么时候需要「绝对不胡说」，什么时候需要「帮我发散、帮我创作」，这是需要使用者自己判断的。

第二，个人知识管理，正变得前所未有的重要。

我一直觉得，AI 的发展方向不是无限提高能力，而是「更懂你」。

而让 AI 懂你的唯一途径，就是为它提供你独有的上下文，你的个人经历、你的生命体验、你的知识库，这些都是 AI 无法自行获取的宝贵资产。

它们是你在这个时代，放大自己价值的核心杠杆。

来源：艾康的AI自留地