90% 说「NotebookLM 很方便」的人，连它 10% 的威力都没用上。我以前也是其中之一。
我可以肯定地说。
这不是能力问题。
而是「你往里面放什么」的问题。
※ 建议收藏本文。
为什么用同一个工具，差距这么大？
想象两个人。
两人都在用同样的 NotebookLM。
一个人把每月 100 小时的加班几乎降到了零。
另一个直到今天还在手动汇总 Excel 表格。
差距不是天赋。
而是知道「该放什么进去」。
大多数人用到这种程度就停了：
上传一份 PDF。
输入「总结一下」。
看完回复，心想「真方便」。
然后就没有然后了。
我懂那种感觉。
说实话，一开始我也觉得 NotebookLM 不过是个「智能复印机」。
我用得相当丢人。
周五晚上 9 点，只有荧光灯的声音在回响
跟你说说我过去的事。
我以前每月加班 100 小时。
早上 9 点到公司。
但真正的工作要到晚上才能开始。
白天，我一直在把各个分公司发来的 Excel 表格里的数据复制粘贴到一张总表里。
修正全角半角字符。
统一日期格式。
修复损坏的公式。
一遍又一遍。
每天晚上在办公室待到 10 点，有时到半夜。
周五晚上要做定期报告。
我把表单回复一条条抄到另一张表里，然后发几十封只改了收件人名字的邮件。
一边想着「这活该让机器干」，一边自己当机器。
我记得最清楚的是周五晚上 9 点。
我一个人在办公室。
荧光灯的嗡嗡声显得格外响。
我看着同事们说「今天辛苦了」，然后下班。
我还在做连一半都没做完的复制粘贴工作。
当时我感受到的不是挫折。
是空虚。
就算我把这个任务完美完成，也没人会记得。
没有积累任何技能或成果。
明明在拼命工作，却没有任何证据留下来。
那种「虚无感」至今想起来都最难受。
我一次性塞了 10 个东西进去，差点放弃
第一次接触 NotebookLM 时，我完全低估了它。
我把开会的一份 PDF 扔进去。
输入「总结一下」。
看完文字觉得「哦，不错」，然后就完了。
第二天甚至不会再打开。
有一次，我没整理就一次性塞了 10 份 PDF。
我问「根据这些，做个好看的出来」。
结果出来一段含糊、平淡的文字。
「嗯，也不怎么样嘛。」
那时候我差点放弃了。
但现在我明白了。
不是 NotebookLM 不好。
是我，连「放什么进去」都没想过。
我在怪工具，逃避最核心的创意部分。
按下执行按钮那一刻，3 小时变成 10 秒
转折点是第 5 个用例：GAS（Google Apps Script）。
GAS 是谷歌提供的自动化机制。
（可以理解为谷歌版 Excel 宏。）
开始是出于绝望。
想着「反正也没用」，我搜集了讲解 GAS 的文章和例子，放进 NotebookLM。
然后问：
「写一段代码，每周五自动汇总表格并把结果发给团队。」
原封不动地粘贴了生成的代码。
按下执行按钮。
先告诉你：你完全不需要会读代码。
你只需要把 NotebookLM 写的文字复制粘贴到指定位置，然后点「执行」。
说实话，我自己到现在也不太懂那些代码。
……但它成功了。
平时要花 3 小时的周五汇总和发邮件，一个按钮就搞定了。
3 小时 → 10 秒。
那一刻，我对着屏幕喊了出来。
「等等，就这么简单？」
同时，我后背一阵发凉。
我过去为公司奉献的那几百个小时到底算什么？
从那时起，我确信了。
NotebookLM 的价值不是「总结」，而是「储备知识，把它培养成你自己的专属专家」。
从那以后，我像决堤一样开始搭建自动化。
大约一个月，我建了 12 个自动化。
每月 100 小时的加班几乎降到了零。
这才是真本事。改变你人生的 10 种方法
现在进入正题。
它们的共同点都是 NotebookLM 的「查找资料」功能。
（资料 = 你喂给 AI 的原始材料。）
你只需在输入框里扔一个提示词。
（提示词 = 对 AI 的请求。你甚至不需要自己准备材料。）
它会自动从网上收集相关信息。
然后按主题存到笔记本里。
然后，那个笔记本就成了那个领域的「专家」。
它不是一次性的建议箱。
想象一下，你有 10 个专属同事。
你不需要一次性做完 10 个。
一周做一个就行。
如果你没经验，先从这三个开始：「7. 会议纪要、10. 信息收集、5. GAS」。
等习惯了再做剩下的。
每一条我都写了要收集的材料（放什么资料）、怎么实际输入（指令示例）以及你会得到的效果。
把材料存进笔记本，输入指令，就完了。
1. 提示词设计支持 | 别再为怎么问 AI 发愁
「我不知道该问 AI 什么。」
这是使用 AI 时最常见的绊脚石。
无论是 ChatGPT 还是 Gemini，回答的质量完全取决于你怎么问。
不是「AI 没用」，而是问法太浪费了。
所以我把这个放在第一位。
一旦你学会了问，你手头所有的 AI 都会聪明一个档次。
要放的材料（在「查找资料」里输入）：
・「收集一些面向初学者的、简单解释如何创建 AI 指令的文章。」
・「收集大量能在不同工作场景中使用的提示词案例。」
・「收集总结那些能大幅提升回答准确率的提问技巧的文章。」
现在这个笔记本就成了「提问方法老师」。
使用示例：
・「写一段指令，用于创建明天早会上要用的汇报备忘录。」→ 你会得到一段按「谁、什么、按什么顺序」组织的指令。
・「写一段指令，用于创建说服老板的提案草稿。」→ 你会得到一段以结论先行、包含数据的指令。
效果：每次都在网上搜怎么问的时间消失了。
而且，问法变好了，你写的邮件、提案、社交媒体帖子质量也会一起提升。
我现在给 AI 分配新任务时，总是先在这里创建指令，再发给各个 AI。
2. GPTs 创建支持 | 从使用者变成创造者
你觉得 AI 只是用来「用」的吗？
其实你可以站到「创造者」那边，打造自己的专属 AI。
GPTs 是一个功能，让你能创建「学习了你特定工作的个人 AI 助手」。
（※ 需要 ChatGPT Plus 订阅。）
你就能自己完成那些外包要花几十万日元（几千块人民币）的定制工作。
要放的材料：
・「收集面向初学者的、解释 GPTs 创建步骤的文章。」
・「收集各种实际在商业中使用的 GPTs 案例。」
・「收集总结让 AI 记住角色和规则技巧的文章。」
使用示例：
・「设计一个处理初期客户咨询的 GPTs 的设计文档。」→ 你会得到要记住的指令、假设的问答，以及转给人工的分界线。
・「我想做一个回答内部『常见问题』的 GPTs，请设计一下。」→ 它会建议所需数据的组织方式和回复的语气。
效果：以前需要外包的「个人工具」，现在零外包成本就能拥有。
你最了解自己的工作。
所以你能创造出外包无法触及的「挠到痒处的 AI」。
3. 业务改善方法 | 不用请顾问也能改变工作方式
业务改善顾问，小项目几十万日元（几万人民币），大型项目上百万日元（几十万人民币）。
而且，外人不了解你工作中真正的麻烦。
所以，让 AI 只学习改善的「知识」，然后用你自己的工作数据来分析。
这是最便宜也最准确的方法。
要放的材料：
・「收集用案例解释消除浪费的业务改善概念的文章。」
・「收集总结整理任务和安排的工作技巧的文章。」
・「收集可视化工作流程、提高效率的成功案例。」
使用示例：
・「我们销售团队周一手动录入结果，周二做报告，周三开会。哪里浪费了？」→ 你会得到建议：手动录入自动化、AI 草拟报告、把会议移到聊天里。
・「把这些分成这周能立刻做的和需要一个月做的。」→ 它会按短期和中期计划整理。
效果：即使没有改善方面的专业知识，也能得到专业级别的分析和建议。
而且因为你能直接传达工作现场的实际情况，所以比外包的顾问更准。
4. 营销技巧 | 从今天起告别「我不专业」
「营销跟我没关系。真的吗？」
当你推动新服务方案获批时。
当你在公司内部争取预算时。
当你在招聘中传达公司吸引力时。
这些全都是「向谁、传达什么、怎么传达」，也就是营销本身。
要放的材料：
・「收集面向非专业人士、解释基础营销概念的文章。」
・「收集小公司或个人也能用的营销案例。」
・「收集总结通过社交媒体或网络吸引客户的成功案例。」
使用示例：
・「向中小企业销售云服务，应该瞄准谁、用什么话术？」→ 你会得到目标客户、突出优势、以及第一期活动方案。
・「面对竞争对手 A 和 B，我们应该如何传达自身优势？」→ 它会从产品、价格、渠道、促销四个维度整理差异化点。
效果：以前要依赖专业部门或外人的策略，现在自己能做。
「思考框架」可以永远重复使用，无论是给老板做汇报，还是作为提案的起点。
5. GAS | 手动工作一键完成
这正是我把每月 100 小时加班几乎降到零的方法。
GAS 是谷歌提供的自动化机制。
（可以理解为谷歌版 Excel 宏。）
你可以自动操作表格、Gmail 和表单。
「我没编程经验，做不到。」没关系，NotebookLM 来填补这个空白。
要放的材料：
・「收集面向初学者、按步骤解释 Google Apps Script 基础的文章。」
・「收集用于自动化表格和 Gmail 的 GAS 代码示例。」
・「收集解释如何修复错误和常见陷阱的文章。」
使用示例：
・「写一段 GAS，每周五早上 9 点汇总各表格，并通过邮件把结果发给团队。」→ 你会得到直接粘贴就能用的代码。
・「写一段 GAS，当表单回复到达时自动发送感谢邮件，并记录在表格里。」→ 你会得到集成代码。
效果：3 小时的手动工作变成 10 秒。
你完全不需要会读代码。
只需复制粘贴返回的文字，然后点「执行」。
从这里开始，我大约一个月建了 12 个自动化，涉及汇总、发邮件、日历集成等。
那是你从「动手的人」变成「建系统的人」的时刻。
6. SEO 优化 | 写出能自然吸引搜索流量的文章
给那些在 note 或博客上写作的人。
「根本没人看。」是不是很耳熟？
大部分情况下，原因是缺乏 SEO 设计（让文章在搜索中排名靠前的努力）。
内容再好，不被人发现也不会被读。
要放的材料：
・「收集面向初学者、解释如何写出排名靠前文章的文章。」
・「收集总结如何选择能被人读到的关键词的文章。」
・（更强大）搜索你想写的主题，把排名前 10 的文章的 URL 直接放进笔记本。
使用示例：
・「告诉我这些排名靠前的文章的共同主题，以及反过来，没有任何一篇涉及的角度。」→ 你会找到竞争对手没写过的「空白点」。
・「比较这 10 篇文章的标题，建议最佳结构。」→ 你会得到一个很可能会排名靠前的文章框架。
效果：你能基于事实，而不是直觉或蛮力来判断「写什么才能排名靠前」。
我写 note 之前一定会做这个。
写前的 30 分钟准备，能让文章的生命周期延长很多倍。
7. 创建会议纪要 | 会后的工作完全消失
会议结束后还要花时间写纪要，那种沉闷的感觉。
现在你可以放下了。
只需把会议记录放进去，它就会自动整理成决策和待办事项。
如果你没经验，第一次想试试，我推荐这个。
因为它最容易感受到效果。
要放的材料：
・会议记录文本（用手机录音软件或转录工具都可以）
・「收集总结易懂的会议纪要格式和写法的文章。」
使用示例：
・「从这个记录里，生成一个包含决策、负责人和截止日期的表格。」→ 你会得到一个可以直接分享的表格。
・「只提取下次会议前需要做什么、谁来做。」→ 你会得到一个无遗漏的任务清单。
效果：原来要花一小时的纪要，现在只要 5 分钟。
你会觉得「这个比我做的还细致」。
开会时你可以专心记笔记，会议一结束，纪要就出来了。
体验过一次，就回不去了。
8. 数据分析 | 把数字的「含义」变成文字
你有没有在满是数字的表格前发呆，心想「所以呢，这说明了什么？」
NotebookLM 不是大规模计算工具。
但它很擅长把「从这些数字能读出什么」变成文字。
要放的材料：
・你自己的数字，比如销售备忘录或月度报告。
・「收集面向初学者、解释如何解读数据、把握趋势的文章。」
使用示例：
・「从这份销售备忘录里找出三个可注意的趋势。」→ 它会返回关于增长因素、下降月份、季节性波动等的文字。
・「与上个月相比，我们需要注意哪些变化？」→ 它会指出容易忽略的异常。
效果：对着 Excel 发呆 2 小时变成 10 分钟。
这里重要的不是计算本身，而是能把「趋势」变成文字，解释给别人听。
你就能在会议或报告中说：「简单来说，这意味着什么。」
9. 文档创建 | 从零开始生成草稿
创建文档最难的部分是面对空白页的最初 10 分钟。
那种「我该怎么开始写」的感觉会消失。
如果你让它学习提案和演示文稿的模式，它随时能给你草稿。
要放的材料：
・「收集总结有效提案和演示材料结构模式的文章。」
・你自己过去获得好评的文档（放进去能提高准确度）。
使用示例：
・「用这些内容，为内部提案创建幻灯片结构。」→ 你会得到从封面到结论的页面布局草稿。
・「把结构缩短成适合向高管汇报 3 分钟的版本。」→ 你会得到只聚焦要点的精简版。
效果：从空白页开始 3 小时，变成有草稿后 30 分钟。
你不是从零创作，而是修改已经出来的想法。
心理压力完全不同。
10. 信息收集 | 最新信息自动汇集
每次想查「那个行业现在怎么样了」，就在网上逛一小时。
这个完全可以省掉。
只需把你想研究的主题扔进去，它就会自动收集和整理相关信息。
和会议纪要一样，这个也适合没经验的人先尝试。
要放的材料：
・「收集介绍 ◯◯ 行业最新动态和案例的文章。」
・「收集关于这个主题的支持和反对意见。」
使用示例：
・「总结这个行业的最新趋势，归纳成三点。」→ 只会返回你现在应该掌握的点。
・「如果是向初学者解释，应该从哪里开始？」→ 它甚至会帮你安排好顺序。
效果：搜索时间完全消失。
你可以立即开始「使用」。
这就是它的作用。
因为收集的工作变成了零，你可以花更多时间思考。
六个月后，它会体现在你和周围人的差距上。
※ 这 10 条本身就是一个执行清单：「每周一条，从第一条开始」。收藏起来，周一从第一条开始做。
等你全部做完 10 条，你就不再是孤岛了。
一个专家团队会像工厂一样为你工作。
我先拆掉三个「但是……」
每次推荐这个方法，都会听到三个说法。
① 「我们公司安全原因，不可能。」
嗯，我以前也这么想。
但仔细一问，通常只是「莫名觉得可怕」。
像这种汇总和发邮件的工作，处理过程全部在你自己的谷歌账户里完成。
你只用到表格和 Gmail。
除非你把它跟外部服务连接，否则数据不会外泄。
大多数情况下，只要「找 IT 部门问一句」就能解决。
② 「我没时间做这个。」
这是最大的浪费。
我以前也完全这样。
但我第一个自动化在周末花了 2 小时就做成了，光这一个就让我的每月加班大幅减少。
用同样的方法积累小自动化，大概一个月后加班几乎为零。
这周忍一次加班，播下种子。
下个月开始每个月都能收获。
就这么简单。
③ 「我的工作反正很特殊。」
如果你把工作拆开，80% 是「复制粘贴、抄写、发送、汇总」这种简单工作。
只有剩下的 20% 是特殊的。你把 80% 交给机器，把时间花在那 20% 上。
区分掌握者和未掌握者的唯一差异
2026 年。
那些把 AI 当「搜索工具」用的人，和那些把 AI 培养成「专家团队」的人。
这个差距每一天都在拉大。
照这样下去，你会被抛在后面。
那种慢慢焦虑的感觉。
我也记得。
但没关系。
你今天就可以开始缩小这个差距。
外包要花几十万日元（几千块人民币）的工作，你自己可以免费做。
一旦体验过这种感觉，就回不去了。
总结
今天有三个要点：
- NotebookLM 的价值取决于「你放进去什么」。如果只用来总结，你连 10% 都没用上。
- 按主题储备知识，它就会变成只属于你的「10 人专家团队」。
- 我大约一个月建了 12 个自动化，把每月 100 小时的加班几乎降到零。
工作的顺序是这样的：
第 1 周：为用例 1「提示词设计」创建一个笔记本。
第 2-3 周：从 10 个用例中选一个最符合你当前最头疼的任务，培养它。
第 1-2 个月：用 GAS 搭建你的第一个自动化。一旦成功，复制它来增加自动化数量。
如果你今天只想做一件事。
今晚就做一件事。
在你的手机或电脑上搜索「NotebookLM」并打开它（有谷歌账号就免费）。
粘贴一份最近的会议记录，输入「用 3 行总结会议纪要」。
体验一次成功。
工作自动化不是天赋。
你只是知道「该放什么进去」。
那些以零告终的人，和那些只做了一次的人。
区别仅此而已。
最后
你觉得怎么样？
最后只说一件事。
为了防止你只是「读完就完」，我现在正在限时免费赠送 32 项超豪华福利。
福利概要如下：
・ChatGPT / Claude Code / Codex / Gemini 完全指南
・用 AI 月赚 100 万日元的副业路线图、可盈利的领域地图、单价表、市场价格数据
・AI 视频生成、AI Agent、Vibe Coding 等实用指南
・100 个 AI 使用案例等
共 32 项，总计超过 860 页。
全部免费。
无需参加研讨会或一对一咨询即可获得。
听起来像假的吧？
但这是真的。
获取方式很简单。
只需加入下面的 LINE 群聊。
点击此处加入。
不过，这些福利是限时的。
我没有设定截止日期，但会在结束时无预警地停止。
几乎所有人都会忘了「明天再做」。
请在还能领取的时候领取。
让我再说一次。
能否用 AI 赚钱，不是由天赋决定的。
而是取决于你是否能按正确顺序学习。
那个顺序，全在这 32 项福利里。
