|
昨天看到 NotebookLM 的社交账号更新了，NotebookLM 和 Gemini 🤝
意思是：现在用户可以直接将笔记本（NotebookLM 里的）上传到 GeminiApp 中。这非常适合：
— 整合多个笔记本
— 根据笔记本生成图像或者做应用程序
— 在现有笔记本的基础上，使用在线深度研究等功能
— 还有更多
我试了一下，其实 App 还不支持呢，只有 Pro 会员在 Gemini Web 版本里可以使用这个功能：
点输入框左侧的 + 号添加文件——以前只能上传文件图片或者导入代码——现在支持导入一个或多个 NotebookLM 笔记本。Gemini 可以把我之前做研究或者学习的笔记本做 Gemini 的参考数据源，让 Gemini 用起来更丰富和严谨。
比如我最近半年多写了好几篇 Andrej Karpathy 的文章，整理后放到了 NotebookLM 里，引入到 Gemini 里后，我就让它根据我的笔记本，根据笔记本的内容和时间线，帮助我生成一张 Karpathy AI 认知与工作流变迁 的信息图：
我还可以让 Gemini 基于我的多个笔记本进行 Deep Research，甚至可以直接写程序，写文档，等等。
比如这样的深度研究行为，Gemini 除了引用我给的 Notebook 数据，还会参考大量的公开信息来源。
也就是说，NotebookLM 里的笔记本可以作为 Gemini 的外挂 RAG，Gemini 的答案会更加精准，幻觉会收敛，输出更加聚焦和有价值。而对于 NotebookLM 来说，Gemini 帮它搞定了多笔记本互通的事情，另外，“东厂做不了的事情，西厂都可以做”（来自龙门飞甲），NotebookLM 干不了的事儿，Gemini 可以代劳，比如 Deep Research，出图，做视频，写程序等等。
这就有点像 Agentic RAG，当然，因为 Gemini 是面向所有互联网数据的，泛化的更厉害一些。
要我看，Gemini 和 NotebookLM 合体就是这么一回事儿。用户可以把 NotebookLM 里的笔记本，当做 Gemini 的数据源（RAG），Gemini 可以干笔记本自己干不了的事儿。
不过呢，目前这两者似乎整合的还不够好，我说笔记本，Gemini 经常问我啥笔记本，你倒是给我笔记本啊。其实我早给过它了。它经常分不清楚 NotebookLM 里的 Notebook 和自然语言里的 Notebook，效果还没有那么出色。
真的想用笔记本里的复杂和高级功能，还得进 NotebookLM 的控制台，你看看下面这张信息图，是不是比 Gemini 的好太多了。说白了，NotebookLM 的工程化能力和专业，在 Notebook 这个领域，比 Gemini 强多了：
这次整合，是个互补的关系。
然后我就看到有媒体写 Gemini 里集成了 NotebookLM ，谓之神之更新，我要是没用过，还真得吓尿了。
Gemini + NotebookLM 更多是工程和打通，同时是经典 RAG 到 Agentic RAG 的变化。无论如何，Gemini 里能直接挂很多自己的笔记本（pdf、视频、文章、文字）知识库，也是很爽的事情，未来的体验应该会更好的。
最近墨问时间的知识库上线了，让我对 RAG 这个课题很感兴趣。其实墨问时间的知识库就是由 1300 条笔记和 260 万字构成的一个经典 RAG，已具备经典 RAG 的底座：用户提问→向量检索→生成回答。
要升级成 Agentic RAG，本质是让模型从“只在生成参与”扩展到“全链路参与”，把检索变成一个可决策、可路由、可自我评估的系统，并引入可持久记忆与多源工具。这样不仅提升准确性与覆盖率，也能在复杂查询下保持稳健。
啊，我们还有很长的路要走。
| 
