在使用 NotebookLM 的六个月里，我发现它不仅仅是一个 AI 笔记工具，更是一个能将 200 页文档在 1 小时内转化为深度洞察的个人研究助理。
很多人觉得 AI 只是在做总结，那是由于他们没有掌握正确的指令系统。以下是这套改变工作流的 10 个核心提示词系统，它们能帮你完成从信息输入到深度决策的闭环。
1. 来源引导系统：建立全局地图
在上传文档后，不要急于提问。首先运行此指令：
请基于已上传的来源，提供：1. 贯穿所有文档的 3 个核心主题；2. 各来源之间的共识点与矛盾点；3. 最令人惊讶或反直觉的发现；4. 文档提出但未充分回答的重大问题。
2. 矛盾猎手：寻找认知的缝隙
最好的研究往往存在于不同来源的冲突之中。
指令：找出所有来源在同一主题上结论不一致的地方。要求：1. 引用具体的冲突描述；2. 标明来源；3. 评估哪方证据更强；4. 标记为需要进一步调查的重点。
3. 专家简报构建：从研究到产出
将原始文档快速转化为可交付的专业简报。
指令：创建一个专业简报，包含：1. 5 句以内的执行摘要；2. 按重要性排序的核心发现；3. 支持发现的最强证据及来源；4. 领域内的不确定性或争议点；5. 3 条明确的行动建议。
4. 问题生成器：探索未知的未知
大多数研究者不知道自己不知道什么。
指令：基于来源生成：1. 深度研究此主题必须回答的 10 个关键问题；2. 目前来源尚未完全回答的 5 个缺口；3. 3 个如果答案改变将彻底颠覆现有认知的假设；4. 怀疑论者会提出的挑战。
5. 证据评级系统：构建稳固的逻辑基础
并非所有证据都具有同等价值。
指令：分析核心主张的证据质量：1. 评估证据是来自初级研究、专家意见还是轶事；2. 识别那些听起来自信但缺乏支撑的陈述；3. 标注哪些主张可以重度依赖，哪些需谨慎对待。
6. 时间线重构：把握演进脉络
脱离背景的知识是碎片化的。
指令：重构该主题的完整时间线。包括：1. 关键决策或发展的编年史；2. 导致转折点的触发因素；3. 行业共识随时间演变的路径；4. 现状与起点的对比及未来轨迹预测。
7. 反驳防御盾牌：预判质疑
在发布或演示前，先进行压力测试。
指令：帮我准备应对质疑：1. 针对我的结论可能出现的最强 5 个反驳点；2. 证据中容易被攻击的薄弱环节；3. 我所做的尚未被完全证实的假设；4. 如何利用现有证据进行有力回击。
8. 知识盲区地图：查漏补缺
指令：识别当前研究的缺口：1. 哪些重要子话题被忽略或覆盖不足；2. 缺少哪种类型的来源（如数据、案例或专家观点）；3. 如果要使研究无懈可击，还需要补充哪 5 类来源。
9. 深度洞察提取：穿透表象
总结只是复述，洞察才是创造。
指令：超越简单的总结：1. 识别 3 个大多数读者会忽略的非显性洞察；2. 发现来源中未明说但确实存在的模式；3. 分析作者的言外之意；4. 找出那些看似微小但影响深远的数据点。
10. 最终报告生成：完成闭环
指令：结合所有来源和对话上下文，生成一份完整的报告。包含：标题、执行摘要、带证据引用的核心发现、深度分析、局限性说明以及下一步行动建议。
在 AI 时代，获取信息的速度已不再是壁垒，如何通过深度提问消除“直觉误判”才是核心。
