三大AI研究工具实测：谁真正懂你的项目？

免费版100个笔记本、50份资料/本，付费版最高500本、600份/本——Google给NotebookLM的配额堪称奢侈。但当Claude和ChatGPT相继推出Projects功能，这场"持久化工作空间"的竞赛才真正开始。我同时用了三周，发现它们的差距比想象中大。

NotebookLM：把"只读你的资料"做到极致

这是唯一一个从诞生第一天就拒绝"通识"的工具。它不联网，不调用训练数据，你的资料就是它的全部世界。

早期版本很朴素：上传PDF、文章、YouTube链接，然后提问，它从限定范围内找答案并标注出处。这个设计在当时已经足够独特——当其他AI还在幻觉和事实之间摇摆，NotebookLM主动给自己戴上了眼罩。

Audio Overview（音频概览）是它的破圈时刻。两个AI主持人用播客形式讨论你的资料，语气自然到会穿插"等等，这里有个有趣的点"。现在这套"Studio输出"已经扩展到幻灯片、视频概览、思维导图、报告、记忆卡、测验、信息图、数据表等形态。

核心优势从未改变：每个回答都可追溯，每句话都有出处。对于需要严谨引用的研究场景，这是不可替代的底线保障。

但边界感也是它的天花板。NotebookLM不会帮你关联外部知识，不会说"根据你的资料A，结合行业普遍情况B"。它只做一件事：在你的围墙内翻找答案。

Claude Projects：Anthropic的"长期记忆"实验

Claude的Projects功能上线时，我打了一个比方：这是给AI配了一个不会丢的笔记本。你可以把项目背景、常用指令、参考资料一股脑塞进去，它每次对话都记得。

实际用起来，这种"记忆"比NotebookLM更灵活，也更危险。

灵活在于Claude会主动整合。你上传十份竞品分析报告，它能跨文档提炼趋势，甚至对比矛盾之处。危险在于这种整合依赖模型自身的判断——它可能把你的资料和自己的训练数据混在一起，而你很难完全区分。

Claude的Artifacts功能（可交互的代码块、文档、图表）在Projects里被放大了。一个数据分析项目里，你可以让Claude生成可视化，直接在同一界面调整，迭代十几轮后整个探索过程都留在项目上下文里。

定价策略很Anthropic：Pro用户才能创建Projects，且项目数量和存储空间有限制。这不是普惠功能，是付费墙后的核心卖点。

实测中我发现一个细节：Claude对"项目边界"的理解是模糊的。同样的问题，有时它严格基于上传文件回答，有时又会引入外部知识"补充背景"。这种不确定性对研究来说是隐患。

ChatGPT Projects：OpenAI的追赶与妥协

ChatGPT的Projects来得最晚，功能也最"标准"：文件上传、自定义指令、对话历史保留。没有Audio Overview式的爆款功能，也没有Artifacts的可交互设计。

但它的优势是生态。Projects与GPT Store、自定义GPT、高级语音模式等功能打通，你可以在一个项目里调用特定领域的定制模型，或者用语音快速录入想法。

实际体验中，ChatGPT Projects的"持久化"感受最弱。同样上传多份资料，它对上下文的调用不如Claude主动，对来源的标注不如NotebookLM严格。它更像是一个"文件夹+记忆"的组合，而非真正重构了工作流。

OpenAI的定价也很有意思：Plus用户即可使用Projects，但功能阉割明显；想要完整体验需要Team或Enterprise订阅。这种分层让个人研究者处于尴尬位置——能用，但不好用。

三类场景，三种选择

经过三周交叉使用，我的结论很清晰：没有全能工具，只有场景错配。

场景一：学术/法律/医疗等需要溯源的研究。NotebookLM是唯一选择。它的" grounded in your sources"不是营销话术，是架构层面的承诺。当你需要向审稿人或客户证明"这个结论来自哪份文件的第几页"，它的引用颗粒度无可替代。

场景二：创意发散与迭代探索。Claude Projects更合适。Artifacts的实时生成能力、对多文档的主动关联、更自然的对话风格，都支持"边想边做"的工作流。代价是你需要时刻警惕幻觉，重要结论必须回查原始资料。

场景三：日常信息整理与轻量协作。ChatGPT Projects够用，尤其如果你已经在用其他OpenAI服务。但它的Projects功能目前缺乏差异化亮点，更像是"别人有所以我也要有"的防御性产品。

一个被忽视的维度：数据主权

三家公司的隐私条款差异显著，却很少被讨论。

NotebookLM明确承诺：你的资料不会用于训练模型。这是Google罕见的"数据洁癖"，可能与其面向企业客户的定位有关。

Claude的条款相对模糊，默认设置下Anthropic可能使用对话数据改进模型，需要手动关闭。

OpenAI的隐私政策更新频繁，目前Projects中的数据默认不用于训练，但企业级合规条款与个人Plus用户不同。

对于处理敏感资料的研究者，这个维度可能比功能差异更重要。

为什么NotebookLM"明显领先"

回到原文作者的判断：对于基于资料的研究（source-based research），NotebookLM immediately stood out。

这个"immediately"很关键。不是功能最多，不是界面最炫，而是目标最清晰——它从第一天就知道自己要解决什么问题，且从未偏离。

ChatGPT和Claude的Projects更像是"通用AI+持久化存储"，试图覆盖所有场景，反而在特定深度上被NotebookLM甩开。这是典型的产品哲学分歧：做宽还是做深。

Google在AI产品上的失败案例够写一本书，但NotebookLM是个例外。它证明了当大公司将资源聚焦在一个具体场景、并接受明确的能力边界时，仍然能做出领先产品。

这种"有所不为"的克制，在AI行业反而稀缺。