KeyFrame內部研究專用

Claude + NotebookLM: Ultimate AI Automation Workflow to Work 10x Faster

AI Master·6月23日週二·16 min英文

三句話摘要

NotebookLM與Claude整合後,如何透過三個無需程式碼的工作流程實現內容自動化生成與設計最佳化。 --- 當NotebookLM和Claude的分工明確後,遵循標準化的五行提示結構就能以最小學習成本大幅提升內容創作的多種格式輸出和視覺設計質量。 分層架構消除幻覺問題:NotebookLM作為"記憶層"負責資訊整理和事實驗證,Claude作為"執行層"負責創意寫作。所有輸出都必須關聯到具體原始檔而非依賴模型記憶,這從根本上解決了AI幻覺問題。同時引入SciSpace應用搜尋學術論文(約2億篇),返回DOI驗證引用,進一步強化資訊準確性。

重點整理

重點
  • 1

    分層架構消除幻覺問題:NotebookLM作為"記憶層"負責資訊整理和事實驗證,Claude作為"執行層"負責創意寫作。所有輸出都必須關聯到具體原始檔而非依賴模型記憶,這從根本上解決了AI幻覺問題。同時引入SciSpace應用搜尋學術論文(約2億篇),返回DOI驗證引用,進一步強化資訊準確性。

  • 2

    資料來源的精心選擇超過提示詞最佳化:傳統做法強調調優提示詞,但現在關鍵是選擇合適的原始檔:2個YouTube影片、1份PDF報告、1篇深度文章、1份個人筆記。個人筆記即使格式不完美,也能讓輸出聽起來像創作者自己的風格,而不是網路平均水平。

  • 3

    標準化提示結構是通用模板:所有AI工具都遵循"格式→觀眾→語調→原始檔→指令"的五行結構,每次嚴格按此順序輸入可顯著提升輸出品質。例如告訴Claude"格式:8分鐘YouTube指令碼"、"觀眾:小企業主"、"語調:務實"、"原始檔:貼上的深度報告"、"指令:需要包含具體案例"。

  • 4

    Claude可充當專業角色最佳化視覺設計:讓Claude扮演資訊圖表藝術總監,為Nanobanana模型撰寫包含十六進位制顏色程式碼、構圖規則、30%留白限制的設計簡報。用同樣原始檔但基於Claude設計指導生成的資訊圖表,視覺效果會躍升至專業工作室水準。

  • 5

    --

實用技巧與重點

乾貨
  • NotebookLM新增功能
  • 9種輸出模式:音訊概覽(15分鐘播客)、電影級影片概覽(1分鐘渲染)、幻燈片(PPTX匯出,但為影象非可編輯文字)、資訊圖表(10種預設樣式)、深入研究報告(內聯引用)、資料表(結構化資料提取)、記憶卡
  • 新增資訊圖表自定義提示欄位
  • 所有輸出保留內聯引用標記
  • Claude新增功能
  • 接受自定義技能:zip檔案直接上傳,無需終端
  • Chrome擴充套件正式釋出,可實際控制瀏覽器標籤頁
  • 支援定時任務(用日常英語編寫指令)
  • 支援MCP伺服器(瀏覽器自動化而非API連線)
  • 五個精選資料來源模板
  • YouTube影片×2(1個概述性,1個觀點文章)
  • 行業PDF報告×1
  • 長篇深度文章×1(需要分析而非新聞摘要)
  • 個人筆記文件×1(可以是不完整句子+時間戳)
  • SciSpace應用
  • 搜尋規模:約2億篇學術論文
  • 整合:在ChatGPT應用中使用,訪問SciSpace網站→左下角個人資料→ChatGPT應用
  • 輸出:排名結果、DOI、驗證引用、直接連結
  • 提示詞標準五行結構
  • ```
  • 格式:[你想要的最終產品型別]
  • 觀眾:[誰在讀這個]
  • 語調:[聲音和音域]
  • 原始檔:[貼上的具體文字]
  • 指令:[這次執行的具體任務]
  • ```
  • 工作流程時間對比
  • 工作流程1:20分鐘完成(原來需要1個工作日)
  • 電影級影片概覽:約1分鐘渲染
  • 深入研究報告生成:3-4分鐘
  • 設定自動化任務:約1分鐘
  • 工作流程3自動化示例
  • 觸發時間:每個工作日早上8:00
  • 指令語言:簡單易懂的日常英語
  • 任務流程:獲取AI新聞→新增到日常筆記→生成音訊概述→傳送Slack摘要+播客連結
  • 使用者耗時:15秒瀏覽Slack,6分鐘聽播客
  • 競爭對手矩陣任務(Task A)
  • 在標籤頁開啟5個競爭對手頁面→點選Cortex按鈕→匯入到新筆記本→Claude透過瀏覽器控制自動填充Google Sheet
  • 日程新聞任務(Task B)
  • 每個工作日早上8:00觸發
  • 生成內容:今日AI新聞+音訊概述+Slack摘要
  • 使用者體驗:每天早上8:04收到Slack訊息
  • YouTube指令碼到幻燈片任務(Task C)
  • 上傳指令碼附件→專案規則自動生效→Claude生成符合品牌風格的幻燈片→PPTX直接匯出到Google Drive
  • 處理時間:幾分鐘
  • AI Master Pro平臺
  • 整合:Claude、GPT 5.5、Gemini、Nanobanana Pro、Veo 3在同一視窗
  • 單一登入賬號,無需額外訂閱
  • 價格優勢:LLM答案比原生應用最多便宜50%
  • --

結論

結論

當NotebookLM和Claude的分工明確後,遵循標準化的五行提示結構就能以最小學習成本大幅提升內容創作的多種格式輸出和視覺設計質量。

完整解析

詳細

六月的兩次更新改變了AI內容創作的遊戲規則。Google在NotebookLM中整合了Gemini 3.5 Flash,而Anthropic為Claude新增了瀏覽器控制和自定義技能功能。這不僅是功能增加,更重要的是這兩個工具可以形成一個完整的內容生產管道。大多數教程遺漏的關鍵是:理解這個技術棧的分層架構。NotebookLM扮演"記憶層"的角色,負責資訊整理、事實驗證和多種格式轉換;Claude扮演"執行層"的角色,負責創意寫作、邏輯推理和流程自動化。這種分工能夠從根本上解決AI幻覺問題,因為所有輸出都必須關聯到具體的原始檔。

工作流程一展示了這個架構的核心價值。不是盲目地最佳化提示詞,而是精心選擇五個資料來源:兩個YouTube影片(一個綜合概述,一個觀點明確的評論)、一份行業PDF報告、一篇深度分析文章,加上創作者自己的筆記。這些個人筆記不需要完美格式化,甚至可以只是斷句和時間戳,但它們的作用是讓最終輸出帶上創作者的個人風格。將這些原始檔匯入NotebookLM後,新增明確的自定義指令(如目標受眾是小企業主,語調應務實,所有說法必須註明出處)。系統會在3到4分鐘內生成一份深度研究報告,每句話旁邊都標註了引用來源。

接下來的關鍵步驟是使用標準化的提示結構。將報告貼上到Claude中,按照"格式→觀眾→語調→原始檔→指令"的五行模板組織提示。例如:格式是8分鐘的YouTube指令碼,觀眾是小企業主,語調是簡潔易懂,原始檔是剛才的深度報告,指令是需要包含具體案例。第一稿通常就能產出高質量內容。然後可以要求Claude從同一份報告匯出其他格式:8條推文、一篇LinkedIn長文、帶時間戳的YouTube描述。最後回到NotebookLM點選音訊概覽,系統會用兩位AI主持人制作一期15分鐘的播客節目,使用完全相同的原始檔。整個過程從零到擁有影片指令碼、推文、長文、播客,總耗時不超過20分鐘。對比之下,原來這項工作會佔用整個工作日。

工作流程二針對需要專業視覺素材的場景。直接使用NotebookLM的資訊圖表功能會生成體面但平庸的設計——看起來像今年LinkedIn上所有其他AI生成的資訊圖表一樣。解決方案是讓Claude充當資訊圖表藝術總監。用特定的設計簡報指導NotebookLM的Nanobanana影象模型,簡報需要包括十六進位制顏色程式碼、構圖規則、30%的留白限制、資訊層級結構等細節。Claude交還的不是AI指令而是專業設計簡報。用同樣的原始檔和樣式預設(如Bento網格),但基於Claude設計簡報生成的資訊圖表會立即看起來像付費設計工作室的作品——層級清晰、配色精心、留白自然。這演示了一個重要原則:當你需要特定領域的專業輸出時,讓AI在該領域扮演專業角色來指導另一個AI的輸出。

工作流程三是完全改變工作方式的自動化系統。首先上傳NotebookLM的自定義技能(zip檔案)到Claude的設定中,然後在Chrome中安裝Claude官方擴充套件並將notebooklm.google.com新增到允許列表。最後安裝Cortex擴充套件,使得Claude可以在瀏覽器標籤頁內進行實體操作。整個安裝過程只需1分鐘,無需接觸終端。建立一個定時任務,指令用簡單英語編寫:"從我們信任的來源獲取今天早上的AI新聞。將這些連結新增到AI新聞每日筆記中。製作一段面向非技術聽眾的音訊概述。然後傳送簡短的Slack摘要附上播客連結。"每個工作日早上8:00,這個任務自動觸發,8:04左右你會收到Slack訊息。你可以在15秒內瀏覽三個重點,加上6分鐘的播客可以在煮咖啡時播放。這樣的自動化對於需要跨多個專案執行內容的創作者意義重大——它讓你重新擁有自己的夜晚和早晨。

值得注意的限制是:NotebookLM的幻覺比原始模型少,但在數字和統計資料上仍可能編造;電影級影片概覽適合內部使用和客戶簡報但解析度和創意控制還不足以上傳YouTube;整個技術棧速度很快但輸出品質上限仍取決於原始檔和提示詞質量——工具變好了,但最終判斷權仍在創作者手中。

---

關鍵時刻

Pipeline v2

帶時間戳的重點,會在逐字稿層級分析上線後產生。目前請先透過原始影片觀看。

事實查核

Pipeline v2

說法查證是下一次管線升級的一部分。KeyFrame 只會顯示它真正能驗證的內容。

更多「AI 技術」的內容

Between Two Nerds: Attribution is dead, long live attribution
32 min
AI 技術英文PODCAST8月25日

Between Two Nerds: Attribution is dead, long live attribution

Risky Business

  • 工具成本的破壞性下降 — 傳統上,攻擊者必須重複使用昂貴自製的惡意軟體或工具組,因為開發和維護成本極高。這種成本結構使得安全研究人員可以通過工具特徵和程式碼簽名來追蹤攻擊者。LLM 自動化了代碼生成與維護工作流,使得攻擊者可以輕易為每個目標生成新工具,或改用通用系統工具,導致傳統的工具特徵分析失效。
  • 所有取證證據都在攻擊者掌控之中 — 無論是使用的 IP 位址、惡意軟體類型或戰術流程,這些都是攻擊者的主動選擇。即使看似是隨機巧合,攻擊者仍有能力在事前決定留下什麼痕跡。因此,所有可恢復的取證證據本質上都是攻擊者願意暴露的信息。
  • LLM 削弱工具簽名但保留高階行為特徵 — LLM 經過公開駭客技術訓練,使不同使用者產生相似的攻擊模式。然而,勒索軟體集團、國家級行為者的受害者選擇、贖金要求方式或目標模式等高階特徵仍具有識別價值。例如,鎖定加密交易所的攻擊幾乎只能指向朝鮮。
Everything Goldman Sachs Taught Me About AI (In 10 minutes)
AI 技術英文8月24日

Everything Goldman Sachs Taught Me About AI (In 10 minutes)

Nate Herk

  • 驗證優於相信:看起來完整的AI輸出不等於正確答案,需在提示中要求模型重新檢查數字、引用來源,並對無把握的部分標記。
  • 區分AI與自動化:確定步驟且答案已知的任務用傳統自動化更便宜快速;只在需要判斷力、靈活性或處理複雜資訊時才用AI,兩者結合效果最佳。
  • 以問題驅動選型:先寫清楚「要解決的問題是什麼、成功的樣子是什麼」,再決定用什麼工具,許多失敗項目是從技術而非問題出發。
Mu: a self-hosted personal agent where the interface is an email address you can write to
AI 技術英文8月23日

Mu: a self-hosted personal agent where the interface is an email address you can write to

GitHub Awesome

  • Mu 是自主代理人系統,具有實際網址與獨立伺服器,用戶可透過多種方式與其互動——網頁應用、電子郵件或程式化介面。
  • 架構完整覆蓋日常工作流程的多個層面,整合郵件收發(SMTP/IMAP)、檔案管理、行事曆、新聞聚合、市場數據與搜尋功能於一個 Go 伺服器內。
  • 支援自帶模型與多種通訊協定,用戶可選擇不同的 AI 模型,並透過 MCP、HTTP API 或命令列工具整合到其他系統。