我如何使用 Perplexity 和 NotebookLM 作为“思考伙伴”，让开发者学习速度提升 10 倍
Source: Dev.to
老实说：大多数人并不是智力有问题，而是学习有问题。
Source: …
问题
- 我们试图通过购买 90 小时课程、阅读 300 页的书，或像 2015 年那样狂刷 YouTube 视频来学习。
- 起初感觉很有成效，但几天后大脑超负荷，注意力下降，几乎没有东西能记住。
- 你会觉得自己很忙，甚至很聪明，但一周后却说不出自己学到了什么。
- 这叫 信息囤积，而不是学习。
“随意的博客文章、从头到尾观看的长视频、再也不打开的书签。”
我正是这样做的，同时：
- 为客户工作
- 研究各种主题
- 学习 AI 概念以创建数字产品
- 构建 AI 工作流和系统来写出类似本文的帖子
当我意识到自己 只是在消费信息，大脑已经超负荷时，我的产出受到了影响。
学习只有在你压缩、关联并检验想法时才会发生。
解决方案：一个简易的 AI 驱动工作流
我构建了一个使用 Perplexity 和 NotebookLM 的系统，它现在可以像思考伙伴一样工作。下面是我用来加速学习、深入探索并真正记住所学内容的完整工作流。
注意：这篇文章最初发布在我的通讯 AI Made Simple 中，我在其中记录了对我真正有效的 AI 实际工作流。
1️⃣ 使用 Perplexity 筛选合适的资源
与其打开十个标签页并猜测哪些来源值得花时间，我会强制 Perplexity 过滤噪音，直接推荐最好的资源。
提示示例 – “先进行策展”
I want to learn [topic] from scratch to an intermediate level.
Give me:
- The 5‑7 best learning resources (blogs, videos, or papers)
- Only practical and example‑driven sources
- A short reason why each resource is worth reading
- Avoid generic beginner content and theory‑heavy material这条单一提示可以节省数小时，并且精准提供我需要的内容。
2️⃣ 将所有来源导入 NotebookLM
我不再向互联网提问，而是向 我自己的策划数据集（链接、PDF、文字稿）提问，这些数据存放在 NotebookLM 中。
常见查询
- “概括核心思想。”
- “哪些概念在多个来源中重复出现？”
- “这些作者在什么假设上达成一致？”
这些查询会给出 模式层面的答案，将洞见跨所有来源连接起来，让你从“我读过这个”转变为“我真的理解了这个”。
3️⃣ 用有针对性的提示压缩信息
阅读时，我的大脑会充满疑问。与其反复阅读或再去搜索，我会让 NotebookLM 压缩 信息。
我几乎每天使用的提示
- 如果我要向一个聪明的 12 岁孩子解释这个概念，我会怎么说？
- 初学者在这个主题上常犯的三大错误是什么？
- 如果我误解了这一点，会导致哪些问题？
- 解释大部分内容的最简模型是什么？
关键洞见： 如果你无法压缩它，就说明你并未真正理解它。 这一步会大幅提升记忆效果。
4️⃣ 生成输出以巩固学习
我从不在学习会话结束时不产出任何东西，例如：
- 简短的音频或视频解释
- 思维导图或框架
- 报告或可视化大纲
- 推文式的洞见（为自己的清晰度，而非社交媒体）
在 NotebookLM 中，我可以快速生成 音频概览、视频概览、思维导图、测验、信息图、幻灯片 等。我常在跑步或锻炼时收听音频概览，以强化概念。
5️⃣ 自测——检索而非重读
仅仅阅读不同格式的摘要不足以实现深度理解。检索练习至关重要。
测试提示
- “基于本主题创建五个情境式问题。”
- “给我一个短测验，检查概念理解，而不是定义。”
- “提出那些错误答案能明显暴露误解的问题。”
这些提示迫使你回忆并运用材料，从而在记忆中巩固它。
(不公平的) AI 工作流手册
所有上述内容都打包在 “The (Unfair) AI Workflow Playbook.” 中。它包含我每日使用的完整工作流集合，使我的工作速度远超常规。
- 应用其中几项 → 节省数百小时
- 花费数月自行摸索，或立即获取完整手册
TL;DR
- Curate 使用 Perplexity 精选最佳资源。
- Aggregate 在 NotebookLM 中将它们聚合为单一知识源。
- Compress 使用针对性的提示压缩信息。
- Create 创建输出（音频、视频、思维导图等）以强化学习。
- Test 通过检索导向的问题自测。
如果你遵循此工作流程，你将从信息超载转向真正的、持久的理解。祝学习愉快！
将学习转化为反馈循环
我常常难以回答，却清楚自己需要重新复习的内容。
这就是学习如何变成反馈循环，而不是单向的信息倾倒。
现在，别再只说系统，开始使用它吧。
30 分钟冲刺
如果你有一个“一直想学”的主题，别在周六预留 4 小时——你根本做不到。相反，执行这个 30 分钟冲刺。这正是我处理新 AI 主题或学习新事物的方式。
| 时间 | 步骤 | 操作内容 |
|---|---|---|
| 0–5 分钟 | 筛选聚合（Perplexity） | 1. 跳过 Google/YouTube。 2. 打开 Perplexity 并粘贴： text<br>I need to understand [Topic] for [Specific Goal].<br> |
| 5–10 分钟 | 构建大脑（Notebook LM） | 1. 下载 PDF 或从 Perplexity 获取链接。 2. 将它们导入 新建 Notebook LM 笔记本。 3. 先不要阅读——你在搭建信息筒仓，而不是图书馆。 |
| 10–20 分钟 | 积极提问 | 1. “访谈”你的来源，而不是从头到尾阅读。 2. 向 Notebook LM 提问： - 基于这些来源，这项工作有哪些 3 个不显而易见的变量？ - 仅依据这些文件，创建一个比较 [Concept A] 与 [Concept B] 的表格。 - 在所有文档中最常提到的失败点是什么？ |
| 20–30 分钟 | “工作证明” | 1. 生成你的输出。 2. 在 Notebook LM 中点击 Audio Overview，以 1.5× 速率 收听，同时喝咖啡。 3. 用 一句话 向完全的初学者解释该主题。 4. 如果做不到，向聊天机器人提问： text<br>Explain this to me like I’m a distracted executive who only has 30 seconds.<br> |
就这么简单——谢谢！
📚 额外资源
别忘了查看 “The (Unfair) AI Workflow Playbook.”
它包含了我每天使用的完整 AI 工作流，让我的工作速度快到超乎常理。