我把100份PDF丟進NotebookLM後，終於不用再滿電腦翻檔案了
- notebooklm ai
- notebooklm 教學
- notebooklm 繁體中文
- notebooklm 官網
我電腦裡躺著至少 100 份 PDF：論文、合約、產業報告、課程講義、客戶方案……檔名叫 final_v3_修訂版.pdf，資料夾分了七八層，Spotlight 只能搜到檔名，搜不到正文。
真正需要某段數據或某條結論時，我還是得一份份打開翻頁。
直到我把這批資料整批丟進 NotebookLM，問題才算解決了。下面是一份實戰向的 notebooklm 教學，講清楚怎麼用它管理大量 PDF，以及為什麼它比本機搜尋好用得多。
先說結論：NotebookLM 解決的不是「存檔案」，而是「找內容」
NotebookLM 是 Google 推出的免費 AI 知識工具，底層由 Gemini 驅動。你把 PDF、網頁、影片等資料上傳後，它會建立可檢索的知識庫，然後你可以用自然語言提問，回答會帶引用，點一下就能跳到原文對應段落。
和 ChatGPT 這類通用聊天不同，它只讀你上傳的材料，不會憑空編造。搜 notebooklm ai 或 notebooklm 繁體中文 的用戶，多半就是衝著這個「有據可查」來的。
我的痛點：100 份 PDF，本機搜尋救不了
| 做法 | 實際效果 |
|---|---|
| 按年份/專案建資料夾 | 記得大概位置，但記不清具體檔名 |
| 統一重新命名 | 維護成本高，新檔案一來又亂 |
| 系統全文搜尋 | 只能匹配關鍵字，無法理解「這幾份報告對同一問題的不同結論」 |
| 手動做 Excel 索引 | 能管一陣子，資料一多就過時 |
我需要的是：跨檔案提問，比如「去年 Q3 三份競品報告裡，對定價策略的共同判斷是什麼？」——這類問題，傳統檔案管理搞不定。
100 份 PDF 怎麼塞進 NotebookLM？
免費版每個筆記本最多 50 個來源，單來源上限約 50 萬字 或 200MB。100 份 PDF 不能一次全丟，但有三種常見做法：
| 策略 | 適用場景 | 操作要點 |
|---|---|---|
| 拆成兩個筆記本 | 資料可按主題二分（如「產品文件」+「市場研究」） | 各建一個筆記本，各傳 50 份；需要跨主題時再分別提問 |
| 合併同類 PDF | 多篇短文、會議紀要、簡報 | 用 PDF 工具合併成一個檔案，只佔 1 個來源名額 |
| 按子主題細分 | 資料跨度大、長期累積 | 免費版可建約 100 個筆記本，按專案/年份拆分 |
我當時的做法：按「內部文件」和「外部研報」各建一個筆記本，各傳 50 份；同一主題下的短報告先合併再上傳，實際只花了不到一小時。
上傳時注意這幾條
- PDF 不能有拷貝保護（DRM），否則解析失敗
- 掃描版盡量選文字層清晰的，或先做 OCR
- 單檔案別超 200MB；特別長的書可以按章節拆
- 上傳後等左側 Sources 列表顯示完成（通常 10–30 秒/份）
用起來之後，變化在哪？
1. Chat：跨檔案問答 + 引用定位
在 Chat 面板直接問：
- 「這幾份合約裡，付款週期分別是多少？」
- 「三份產業報告對 2026 年市場增速的預測區間？」
- 「把客戶方案 A 和 B 的核心差異列成表格」
每條回答旁邊有引用編號，點進去跳到對應 PDF 的原文。寫報告、對條款、核對數據時，這比滿資料夾翻檔案快一個數量級。
2. 勾選來源：縮小檢索範圍
左側 Sources 可以只勾選部分檔案。比如只選 2025 年的 8 份報告，再問「成長驅動因素有哪些」——避免舊資料干擾結論。
3. Studio：把檢索結果變成交付物
| 功能 | 我常用的場景 |
|---|---|
| Audio Overview | 通勤路上聽一份 20 頁報告的要點 |
| Slide Deck | 週會把多份 PDF 濃縮成 10 頁投影片 |
| Data Table | 從多份表格類 PDF 裡抽關鍵指標對比 |
| Briefing Doc | 給同事發一頁執行摘要 |
| Mind Map | 理清一個主題下多份資料的概念關係 |
生成前記得先選好來源範圍，並在提示裡寫清格式要求。
三個高頻實戰場景
| 場景 | 我的配置 | 典型提問 |
|---|---|---|
| 寫產業分析 | 外部研報筆記本，勾選本年度 12 份 PDF | 「歸納各機構對細分賽道的共識與分歧」 |
| 審合約 | 法務相關 PDF 單獨一個本 | 「這幾份合約裡違約金條款有什麼不同？」 |
| 備考/自學 | 教材 + 講義 + 習題 PDF | 「按章節生成閃卡，附原文引用」 |
免費版額度夠用嗎？
| 限制項 | 免費版 |
|---|---|
| 筆記本數量 | 約 100 個 |
| 每本來源數 | 50 個 |
| 單來源字數 | 約 50 萬字 |
| 每日對話 | 約 50 次 |
| Audio Overview | 約 3 次/天 |
對個人用戶整理工作/學習資料，通常夠用。來源特別多時，優先按主題拆筆記本，比硬塞在一個本裡更清晰。
和「把 PDF 丟雲端硬碟」有什麼區別？
雲端硬碟解決備份，不解決理解。NotebookLM 的價值在於：
- 語意檢索：問的是意思，不是死磕關鍵字
- 跨檔案綜合：一次回答可以引用多份 PDF
- 可追溯：每個結論都能回到原文，方便核對
- 多形態輸出：聽完、看完、練完，不必只盯著 PDF 翻頁
如果你也在搜 notebooklm 官網 或 notebooklm 教學，建議先拿 5–10 份你最常翻的 PDF 試一次——通常十分鐘內就能感受到和本機翻檔案的差別。
想直接在本站體驗（含 Gemini 對話），可點擊下方按鈕：
小結
100 份 PDF 不必再躺在硬碟裡吃灰。按主題建筆記本、合理拆分或合併來源，用 Chat 做跨檔案問答、用 Studio 做摘要和投影片——NotebookLM 把「找資料」變成了「問資料」。
從滿電腦翻檔案，到打開瀏覽器問一句就有答案帶引用，這是我用過最省時間的 notebooklm ai 工作流之一。