NotebookLM 工作應用：用 Gemini 整理會議紀錄、履歷與知識庫
用 Gemini 產出、Gemini Notebook 回查來源，把會議逐字稿、履歷素材與研究資料整理成可追蹤的工作成果。
很多人第一次嘗試 NotebookLM 工作應用，是把逐字稿、PDF 或工作筆記丟給 AI，再叫它「幫我整理重點」。幾秒鐘就會得到一份看似完整的摘要，但真正要交給主管、客戶或團隊時，問題才開始出現：結論是誰說的？待辦事項有沒有負責人？履歷上的數字是不是 AI 自己補的？下個月還找不找得到這次的依據？
這正是 NotebookLM 適合處理的問題。Google 已在 2026 年 7 月將 NotebookLM 改名為 Gemini Notebook，但許多人仍沿用舊名稱搜尋。它除了能摘要，也能根據你指定的來源回答，並提供可回查的引用。
這篇 NotebookLM 工作應用教學不會逐一介紹每個按鈕。重點是建立一條更接近真實工作的流程：先整理輸入，再用 Gemini 生成成果，接著檢查內容，最後放進 Gemini Notebook 累積成可再次查詢的知識庫。
NotebookLM 現在叫 Gemini Notebook，兩者是同一個工具嗎？
是。Google 在 2026 年 7 月 16 日宣布，NotebookLM 正式改名為 Gemini Notebook。它仍是獨立的研究與知識整理工具，只是與 Gemini App、Google Search 等服務的連動變得更深。
因此，搜尋結果裡看到的 NotebookLM 教學，大多仍可套用在 Gemini Notebook。本文會以「Gemini Notebook」稱呼目前產品，並保留「NotebookLM」這個大家熟悉的名稱，方便理解。
Gemini Notebook 可以加入 PDF、Word、PowerPoint、CSV、Markdown、Google 文件、簡報、試算表、圖片、音訊、網頁與公開 YouTube 影片等來源。加入來源後，你可以針對指定資料提問，並從回答中的引用回到原始段落。
延伸閱讀：NotebookLM 變 AI 家教？Gemini Notebook 8 個讀書 Prompt 與正確用法
為什麼只叫 AI「整理重點」，通常不夠用？
一般聊天機器人很擅長把文字改寫得流暢，但「讀起來合理」不等於「可以交付」。工作資料常同時混著已確認事實、個人意見、臨時假設與尚未釐清的事項。如果沒有先分開，AI 很容易把四種內容揉成一段篤定的結論。
另一個常見問題是沒有先定義成果。會議摘要、會議紀錄與任務追蹤表看起來相近，實際用途卻不同。主管想看決策，執行者需要負責人與期限，沒有參加會議的人則需要背景。如果只說「幫我整理」，AI 只能猜測你要哪一種版本。
所以，資訊整理的關鍵不在 Prompt 有多長，而在於先把流程拆開：
- 決定最後要交付什麼。
- 整理 AI 可以信任的原始資料。
- 讓 AI 按照固定格式產出。
- 檢查每個重要說法是否有依據。
- 保存來源與成果，讓下次能繼續使用。
前四步解決「這次能不能交付」，第五步解決「下次能不能找回來」。
Gemini 與 Gemini Notebook 應該怎麼分工？
把兩個工具都當成聊天機器人，反而容易越用越亂。更實際的分法，是讓 Gemini 負責產出，Gemini Notebook 負責根據來源查詢、驗證與累積。
| 工作階段 | Gemini | Gemini Notebook（原 NotebookLM） |
|---|---|---|
| 釐清需求 | 拆解任務、設計輸出格式 | 不必急著使用 |
| 整理內容 | 改寫、分類、建立表格與不同版本 | 根據指定來源回答問題 |
| 檢查成果 | 依規則找缺漏、矛盾與格式問題 | 用引用回查原始資料 |
| 後續使用 | 產出郵件、簡報、履歷或報告 | 保存專案來源，持續比較與查詢 |
這個分工不是硬性限制。現在 Gemini App 也能存取 notebooks，Gemini Notebook 也能產生報告、圖表與其他內容。不過，Google 官方說明指出，兩邊的回答依據仍有差別。Gemini Notebook 的回答以 notebook 來源為基礎；在 Gemini App 裡使用 notebook 時，回答也可能結合網路搜尋與其他工具。
延伸閱讀：Gemini Notebooks 怎麼用？整合 NotebookLM 讓專案同時發揮 2 款 AI 工具的完整功力
如果你的任務重點是寫出一份新成果，可以先從 Gemini 開始。如果重點是「這個答案從哪裡來」，就回到 Gemini Notebook 檢查來源。
Google Workspace 示範如何把會議筆記、簡報等專案資料放進 NotebookLM，集中查詢、摘要並產生工作文件。 影片來源：Google Workspace 官方 YouTube。
五步驟建立 NotebookLM 工作應用流程
第一步：先定義交付物，不要先貼資料
先回答三個問題：這份內容給誰看？對方看完要做什麼？哪些欄位不能缺？
例如，一份可追蹤的會後文件至少要有：會議目的、已做決策、行動項目、負責人、期限、風險，以及仍需釐清的問題。若原始資料沒有負責人或期限，輸出應明確標示「原始資料未提供」，而不是請 AI 猜一個答案。
第二步：整理來源，分開事實、意見與缺口
AI 不會自動知道哪份文件比較新，也不一定知道哪句話只是會議中的提案。上傳前，先替資料補上最基本的識別資訊：
- 文件名稱與日期。
- 版本或更新時間。
- 資料來源與負責人。
- 已確認、提案中或已失效的狀態。
- 不得推測或改寫的內容。
這一步看似多花時間，實際上能減少後面反覆修正。尤其是履歷、合約、財務資料與客戶需求，沒有來源狀態就直接生成，風險遠高於省下的幾分鐘。
第三步：用結構化 Prompt 產出第一版
Prompt 是你給 AI 的任務指令。結構化 Prompt 不追求長篇大論，重點是清楚交代角色、任務、背景與輸出格式。
以會議紀錄為例，不要只寫「幫我整理會議重點」，而要指定：只能使用逐字稿、決策與提案必須分開、每個待辦要列負責人與期限、找不到資料就標示未提供。
延伸閱讀：AI 答案不精準？關鍵在提問力！10 大職場應用提示詞，教你問對 ChatGPT
第四步：把品質檢查變成固定程序
AI 產出後，不要只檢查文句通不通順。至少再檢查四件事：
- 完整性：原始資料中的重要決策與限制是否都有保留？
- 依據：成果中的人名、數字、期限與結論能否回到來源？
- 推論：AI 是否把提案寫成決議，或把可能性寫成確定結果？
- 可執行性：待辦是否有動作、負責人、期限與完成條件？
最簡單的做法，是要求 AI 在第二輪停止改寫，改為輸出「問題清單」。人只要處理高風險差異，不必從頭逐字校對。
第五步：把穩定資料放進 Gemini Notebook
通過檢查後，再把原始來源與整理後的正式版本放進同一個 notebook。之後可以直接詢問：「上次會議有哪些未完成事項？」「這份報告和前一版的數字哪裡不同？」「這項產品需求最早在哪一份訪談出現？」
Gemini Notebook 的回答可附帶引用，點開後能回到來源上下文。這比把摘要散落在聊天紀錄裡更適合長期專案。不過，每個 notebook 彼此獨立，因此最好用「一個專案或一個長期主題一個 notebook」來劃分，不要把所有公司文件全部塞進同一本。
情境一：把會議逐字稿變成可追蹤的會後文件
會議整理最常見的錯誤，是把「說過什麼」當成「決定做什麼」。一場討論可能出現十個想法，真正拍板的只有兩個。如果 AI 只做摘要，提案、反對意見與最後決議很容易混在一起。
比較可靠的做法，是先讓 Gemini 將逐字稿分成四區：
- 已確認決策。
- 行動項目、負責人與期限。
- 尚需釐清的問題。
- 僅供參考的討論背景。
接著把正式會議紀錄與逐字稿加入專案 notebook。下次開會前，不必重看整份逐字稿，只要詢問尚未完成的任務、前次決策與新舊版本差異，再點開引用確認即可。
情境二：把零散工作經歷變成履歷素材庫
用 AI 寫履歷最危險的地方，往往是 AI 為了讓內容完整，自行補上不存在的成果數字、工具或管理經驗，文句浮誇反而只是表面問題。
因此，先不要急著叫 Gemini 寫履歷。建立一份「經歷事實表」，列出公司、職務、期間、負責任務、使用工具、可證明成果，以及缺少的數據。確認事實後，再依職缺需求選擇素材，最後才改寫成中文或英文履歷。
Gemini 可以負責調整表達與排序，Gemini Notebook 則適合保存專案文件、作品說明與原始成果。當履歷寫出「提升轉換率 18%」時，你應該能回到報表或專案紀錄，而不是只相信一句聽起來很專業的描述。
情境三：把文章與研究報告變成可引用的工作知識庫
個人知識庫不等於收藏很多連結。真正有用的知識庫，必須讓你知道資料從哪裡來、目前是否仍有效，以及它能支持哪個工作判斷。
建議把每份來源整理成一個知識單元，至少包含：主題、來源日期、核心結論、關鍵證據、適用情境與可能失效的條件。Gemini 可以先協助建立固定格式，再把原文與知識單元一起加入 Gemini Notebook。
當來源超過五份時，Gemini Notebook 目前也能自動替來源分類與加上標籤。這時你可以比較不同報告的結論、追查某個數字的原始位置，或整理出下一步需要補充的研究問題。
可直接複製的 AI 會議整理 Prompt
以下是一個可先拿來測試的版本。把逐字稿貼在 Prompt 後方，或先上傳檔案再執行：
你是專案營運助理。請只根據我提供的會議逐字稿，整理一份可追蹤的會後文件。
任務：
1. 整理會議目的與背景。
2. 分開「已確認決策」與「討論中提案」。
3. 建立行動項目表，欄位包含任務、負責人、期限、完成條件與來源片段。
4. 列出尚需釐清的問題與缺少的資料。
5. 檢查是否有前後矛盾的人名、數字、期限或結論。
規則：
- 不得補上逐字稿沒有提供的人名、數字、工具或期限。
- 找不到資料時，請寫「原始資料未提供」。
- 每項決策與行動項目都要附上可供回查的原句或時間標記。
- 不要把建議、假設或可能性改寫成已確認事實。
輸出格式：
A. 會議摘要
B. 已確認決策
C. 行動項目表
D. 討論中提案
E. 尚需釐清事項
F. 矛盾與資料缺口
得到第一版後，再追加一句：「不要重寫內容，請逐項檢查所有人名、數字、期限與決策是否有來源。沒有依據的項目列入問題清單。」這一輪先不處理文句美化，目標是找出不能直接交付的地方。
用履歷、會議逐字稿與工作知識庫三個案例，練習資料準備、結構化 Prompt、品質檢查與來源回查。
查看 Skill Shot 10 課程內容
使用 Gemini Notebook 最常見的四個錯誤
1. 把所有資料塞進同一個 notebook
每個 notebook 應該有明確範圍。把求職資料、客戶會議、公司制度與市場研究全部混在一起，會讓查詢範圍變得模糊，也增加誤用舊資料的機會。以專案、客戶或長期主題拆分，通常更容易維護。
2. 把 AI 摘要當成正式來源
摘要是衍生內容，原始文件才是證據。保留原文、版本與日期，並要求重要結論附上引用。若來源本身有錯，AI 有引用也不代表答案正確。
3. 沒有管理版本
Google Drive 匯入的檔案可同步更新，但本機上傳檔案與網頁內容不一定會自動反映所有後續變更。正式專案最好在檔名或來源說明中保留日期與版本，避免 AI 同時引用新舊規則。
4. 上傳不該交給外部服務的內容
Google 表示，Gemini Notebook 內容不會直接用於訓練基礎 AI 模型，除非使用者選擇提供回饋。個人帳號送出回饋時，相關提示、來源與輸出可能被收集供產品改善。公司機密、個資、合約與客戶資料仍應遵守組織政策，必要時先去識別化，不要只因工具有隱私說明就直接上傳。
Gemini Notebook 免費嗎？開始前要知道哪些限制？
一般使用者可以用 Google 帳號開始使用免費方案。依 Google 目前的來源限制，免費帳號每個 notebook 最多可加入 50 個來源，單一來源最多 500,000 字或 200 MB。
Google 自 2026 年 9 月 2 日起改採與運算量相關的使用限制，複雜 Prompt、對話長度、模型與生成功能都可能影響額度。對剛開始整理單一會議、履歷或小型研究專案的人，免費方案足以先驗證流程。若要處理大量團隊資料，再依實際用量評估付費方案即可。
NotebookLM／Gemini Notebook 常見問題
NotebookLM 和 Gemini Notebook 有什麼不同？
兩者是同一個產品。Google 在 2026 年 7 月將 NotebookLM 改名為 Gemini Notebook，產品仍維持獨立的研究與來源整理定位。
Gemini 和 Gemini Notebook 應該選哪一個？
如果要產出履歷、郵件、報告或不同版本的文字，可以先用 Gemini。如果要根據一組指定來源提問、比較資料並回查引用，Gemini Notebook 更合適。實際工作通常不是二選一，而是先生成，再回到來源驗證。
Gemini Notebook 可以直接整理會議錄音嗎？
可以加入多種音訊格式，系統會在匯入時轉成文字來源。不過，音質、多人重疊發言與專有名詞都可能影響結果。正式會議紀錄仍應核對人名、數字、決策與責任歸屬。
NotebookLM 能完全避免 AI 幻覺嗎？
不能。以指定來源回答並提供引用，能降低查證成本，但 AI 仍可能漏掉內容、誤解上下文或連接出錯。可靠做法是限制來源、要求引用，再由人檢查高風險資訊。
Gemini Notebook 適合當公司知識庫嗎？
適合用於小型團隊或單一專案的研究與文件查詢，但不等於完整的企業知識管理系統。若涉及權限分級、稽核、保存年限、法規或大量跨專案資料，仍要評估 Workspace 管理能力與組織政策。
結語：先把一個工作場景整理好，再擴大成知識庫
NotebookLM 改名為 Gemini Notebook 後，功能持續增加，但工作效率不會因為多了一個 AI 工具就自動改善。真正有差的，是你能不能清楚定義成果、保留來源、找出 AI 的推論，並讓整理結果在下次工作中繼續使用。
最實際的開始方式，是先選一個每週都會重複的場景，例如會議紀錄。用固定格式整理一次，檢查每個決策與待辦的來源，再把正式版本放進專案 notebook。當這條流程穩定後，再延伸到履歷、研究資料或團隊知識庫。
想直接跟著完整案例操作，可參考 Skill Shot 10｜Gemini × NotebookLM 工作資訊整理實戰。課程把三個常見職場情境拆成可重複使用的步驟，適合不想只看功能介紹，而是希望把工具真正放進工作流程的人。
