NotebookLM终于会动手了：找资料、写代码、出报告，三件新活它都包

出品 | 网易智能

作者 | 小爪

编辑 | 王凤枝

打开NotebookLM，新建一个空项目。然后你突然卡住了。

不是你不想用。是你还不知道该往里放什么。

老版NotebookLM好用，但它好用得有点靠后。你把材料摆好了，它帮你读、帮你总结、帮你指出答案在哪一页。但摆材料这一步，从来没人帮你。

这一次更新，谷歌想改的正是这个入口。

它不是只把模型换成Gemini 3.5，也不是只加了一个听起来很工程化的Antigravity。对老用户来说，更重要的变化是：NotebookLM开始从"资料旁边的解释器"，往"资料工作流里的执行者"走。

先别激动：新版目前先开放给Google AI Ultra用户，以及具备AI Ultra Access / AI Expanded Access的Workspace商业客户；Google AI Ultra是每月100到200美元的高价订阅。此外X上也有Ultra用户反馈自己仍停留在旧版体验。

最先变的，是你不必一开始就准备好资料

以前用NotebookLM，最顺手的方式仍然是你先把资料准备好。

它后来也加入过网页研究能力，但产品体验的重心仍然更像是：你搭好资料库，它再帮你读。你要研究一个问题，最好先知道该喂它哪些PDF、网页、笔记和表格。

这就是老用户最熟悉的卡点。

比如你想研究"AI会不会影响初级岗位"。这个题目听起来很适合NotebookLM，但你打开它之前，得先做一堆准备：找经济学家文章、公司CEO访谈、裁员数据、论文、岗位统计、案例报道。你找得不全，后面的问答就窄；你找得太杂，项目又会变成垃圾堆。

这次新版想把这个入口往前挪。媒体报道和谷歌说明都提到，用户可以从聊天里开始一个项目，让NotebookLM帮忙建立来源仓库。对用户来说，可以先说一个模糊的研究题目，让它建议该找哪些来源，甚至帮你找相关网页，再由你决定哪些资料进入项目。

这个变化听起来不大，但对资料工具很关键。

因为它把NotebookLM的使用顺序反过来了。 过去是"你先准备资料，它再回答"；新版想变成"你先提出问题，它帮你搭资料环境"。

这和普通搜索不是一回事。普通搜索给你一排链接，然后你自己筛。NotebookLM如果能做好这一步，它做的是"带边界的资料扩展"：先根据问题找来源，再把来源纳入项目，后续分析仍围绕这些来源展开。

这恰好是NotebookLM最该做的事。 它的价值从来不是比搜索知道得更多，而是让用户知道：这个结论到底站在哪些资料上。

如果它只是把Gemini的Deep Research（深度研究）包进NotebookLM，意义会弱很多。因为用户已经可以直接去Gemini里做研究。但如果它能把"找资料、确认资料、围绕资料继续分析"接成一个连续流程，NotebookLM就不只是一个问答框，而更像一个研究项目的资料室。

老用户真正需要的，正是这个资料室。

你不是每次都想从零开始问AI。你可能在做一个长期选题、一门课、一个客户项目、一篇长稿。你希望资料越积越多，问题越问越深，而不是每次重新把背景解释一遍。新版NotebookLM如果能让一个项目从"资料仓库"变成"会自己补资料的研究空间"，那它的产品位置就变了。

但这一步现在还要打折看。目前公开可见的普通用户深度上手样本还不多，谷歌和媒体讲的是方向，X上更多看到的是等待推送、询问什么时候开放、以及拿它和Gemini / ChatGPT比较。

即便如此，老用户会明白，这个入口变化很要命。 因为NotebookLM过去不是不会回答，而是太依赖用户先把资料库搭好。

真正有体验感的变化，是它开始"动手"

The Verge和9to5Google都提到，新版NotebookLM给每个项目接了一个安全云端计算环境，可以写代码、运行代码。官方说法还提到，它内置了100多个经过筛选的软件技能包，大致可以理解为预设的数据处理和分析能力模块，用来支持更深的研究和复杂分析。

放到用户场景里，它回答的是一个更朴素的问题：

我给你的资料，你能不能不只是读，还能处理？

这才是NotebookLM过去的天花板。

假设你丢进去一份格式很乱的销售表。国家名称一会儿写US，一会儿写United States；日期格式有的按月，有的按日；货币单位混在一起；还有几列空值。老版NotebookLM可以解释这份表大概在说什么，也可以帮你总结几个趋势。但如果你真要清洗字段、分组计算、画图、导出结果，最后还是得回到表格工具，甚至找一个会写脚本的人。

新版把代码执行接进了项目。 如果它真的能稳定工作，它接住的就是这段麻烦：先把脏数据整理成统一格式，再做汇总；把几个来源里的数字对齐，再算变化；把一堆会议纪要变成任务表；把多篇材料里的时间点抽出来，变成时间线；也可以把分析结果做成图表或表格。

这些能力单独看并不新。ChatGPT的数据分析能力、Gemini的代码执行，都能做类似的事。NotebookLM需要证明的区别在于：它的代码运行是否真的绑定在一个有来源边界的项目里。

也就是说，它处理的是你确认过的资料，分析的是你纳入的来源，结果最好还能追溯到具体文件。这不是"一个聊天框碰巧能跑代码"，而是"你的资料库现在自己能动手了"。

这才是老用户会在意的部分。

因为对大多数个人用户来说，代码本身没有吸引力，甚至是心理负担。真正有吸引力的是：很多资料工作本来就需要代码，只是用户不想亲自写。

所以"对资料动手"的意思，不是让NotebookLM更像程序员工具，而是让它少停在"我帮你解释一下"。

以前它经常给你一段很好的总结，然后工作流戛然而止。你看完会觉得：懂了，但我还得自己整理。新版如果走通，就会多问一步：懂了之后，要不要我把它变成表、图、报告、幻灯片，或者一个可以继续编辑的文件？

这一步对内容创作者、学生、研究者、咨询顾问、运营人员都很现实。

写稿的人，不只是要"这几篇资料讲了什么"，还要事实对照表、采访提纲、时间线、引用位置和可视化素材。学生不只是要论文摘要，还要文献比较、变量整理和初步分析。做项目的人不只是要会议纪要总结，还要行动项、责任人、客户分类和风险清单。

这些不是模型聊天能力的炫技，而是资料工作的日常琐碎。

NotebookLM如果能把这些琐碎接过去，它对老用户的意义就很清楚：它不再只是在资料旁边讲话，而是开始把资料往结果推。

这些动作能不能稳定完成，还得看真实体验。它能不能处理复杂表格、能不能正确解释代码生成的结果、能不能在来源引用和计算结果之间保持清楚边界，都还需要更多上手样本来证明。

但方向已经不是小修小补了。NotebookLM原来像一个可靠的读者，现在它想变成一个会整理桌面的研究助理。

输出不只是一段话，才可能改变工作流

很多AI工具最大的问题，是它们太擅长给你一段话。

这句话听起来像夸奖，其实也是限制。因为用户最终要交付的东西，往往不是一段话。

做研究，最后可能要一份报告；做汇报，最后要一组幻灯片；做数据分析，最后要一张图、一张表、一个可继续编辑的电子表格；做写稿准备，最后要事实来源清单、对比表、时间线和能直接放进草稿的结构化素材。

老版NotebookLM很多时候停在"解释得不错"这一步。 你问它几个问题，它回答得很清楚，引用也相对稳。但你还是要把文字搬到文档里，把数字搬到表格里，把结论改成PPT小标题，把来源重新整理一遍。

它节省了阅读时间，但没有完全节省交付时间。

新版想补的就是这段。NotebookLM过去已经能生成不少整理类输出，也加入过数据表、网页研究等能力；这次更像是把几段原本分散的动作接到一起。用户先围绕一个问题补来源，再让它写代码做分析，接着把结果整理成图表、表格、报告，最后导出为可以继续编辑的电子表格、文档或演示文件。

这对老用户很有吸引力，因为它把NotebookLM从"资料问答工具"推向"研究产出工具"。

区别很简单：过去你问"这些资料说明了什么"，它给你一段回答；现在你可能问"把这些资料整理成一份可以发给团队看的报告"，它不只给你一段话，而是把来源、分析、图表、表格和结构一起组织起来。

更重要的是，如果这种输出仍然绑定NotebookLM原来的来源边界，它会比普通聊天机器人生成的报告更可靠。

普通聊天机器人当然也能写报告。但它的问题是边界太宽：搜索结果、模型记忆、推断和幻觉很容易混在一起。NotebookLM如果能坚持围绕用户确认过的来源工作，那么它生成报告时至少有一个更清楚的事实底座：哪些资料进了项目，哪些结论来自这些资料，哪些地方需要用户继续确认。

这才是NotebookLM最有可能和Gemini Deep Research拉开差别的地方。

问题是，这个差别现在还没有被完全证明。

早期YouTube解读里也提到过这个疑问：既然Gemini已经能做Deep Research，也能搜索、整理、生成结构化结果，那为什么用户不直接用Gemini？如果NotebookLM新版只是换一个界面做类似的事，它就会显得尴尬。

NotebookLM能给出的答案，只能是资料库连续性。

它不是临时帮你搜一轮，而是围绕一个项目长期工作；不是每次都从零开始，而是围绕你确认过、积累过、组织过的资料继续推进。一个项目可以是一篇长稿的资料室，可以是一门课的学习档案，可以是一个客户项目的知识库，也可以是一个长期选题的事实底座。

如果这个边界成立，NotebookLM就不是Gemini的重复包装，而是一个更适合长期研究项目的壳。

如果这个边界不成立，用户就会很自然地问：我为什么要为一个高价套餐付费，只是为了在另一个界面里用类似Gemini的研究功能？

这不是爆款更新，更像一次昂贵的方向测试

NotebookLM这次升级最别扭的地方，是它的用户故事和价格门槛并不匹配。

从功能看，它很适合个人用户：学生、研究者、内容创作者、咨询顾问、重度资料整理用户，都会被"找资料、跑分析、做报告"打中。但从可用性看，它先给AI Ultra和部分Workspace商业客户。 每月100到200美元的高价订阅意味着，它不是一个普通用户随手试一下的更新，而是谷歌把最重的研究代理能力先放进高端套餐里。

所以这不是爆款更新。它更像一次昂贵的方向测试。

但老用户会懂。NotebookLM太久没有给人"产品形态真的变了"的感觉了。以前它守住了边界：不乱发挥，不离开你给的资料。这一点至今仍是它最清楚的产品价值。

现在它想证明，边界之内也能干活：不只是读资料，而是把资料变成图表、表格、报告、幻灯片，变成你最后要交出去的那个东西。

方向是对的。但高价门槛意味着，它必须比Gemini Deep Research多一个理由。

老用户知道那个理由应该是什么。就不知道谷歌能不能做出来。

下次你打开一个空项目，也许不用再卡住了。