上传了87个pdf文档，让它搜索一句话是出自哪篇文章，竟然说没有，看它概括出来了的内容，虽然标了出自哪个段落，去读哪个段落却看不出那个意思，我已经不止一次发现这个问题了，按理说根据指定文档回答问题，不瞎编，这部就是它的定位吗
3 个赞
感觉这种工具没什么搜索功能，全靠「理解」 
3 个赞
notebooklm记录不了每个文档上次的阅读进度，用来看电子书有点麻烦，不过想一想是白嫖的就香了 
1 个赞
他就是个rag，其他rag解决不了的，他也解决不了，而且用的还是flash2.5
3 个赞
就是没用啊。。。。。。我传个27M的pdf都一直加载没成功 fw
1 个赞
一本书我一章占一个，用起来体验还是不错的，直接传一本就没那么好用
3 个赞
从RAG知识库的角度讲的确不好用, 甚至连我本地的知识库搜索都不如. 不过它的自动生成音频对话博客倒是很有意思
1 个赞
87个太多了吧
1 个赞
最多300个，可是不好用
大多数出处能找到，但是楼主说的客观存在
不成熟的实验品，最多出个音频梗概，基本就是随机摘抄。
你上传了文档，然后提出问题，根据你问题的语义，rag自动匹配了一些片段提供给大模型作为上下文，但是很明显你让他在87个文档里面找你要的那一句话是过于勉强了，这并不能说明notebooklm不是一个优秀的产品，因为你给出的问题是目前所有rag技术都不能完美解决的。这只能说明目前的技术确实只能到这里。
我觉得有意思的还是音频生成，至于内容的把控，最多就限制于一篇短文的一个话题差不多了
的确不好用 也许是成本太高？ 宣传大于实用
它就是个方便的RAG我觉得，省去了本地新建知识库然后再问模型的麻烦。但是RAG解决不了的问题它也不行。。。你这种场景我觉得还是得靠mcp，让模型根据目录和提问先确定章节，再读疑似的章节，最后给出答案。这东西读相似的论文，让它对比细节之类的用法还可以，结果和我自己读差不太多。
1 个赞
我之前玩耍时，问了 PDF 其中一个概念，结果它的描述在原句基础上加了个「不」字，导致意思完全相反。
还好出处回答没问题，去看了原文才正确理解。
不过主要还是 free，辅助阅读还是 no 趴笨的。
模型作为基本盘，就已经决定了不如gemini了。
如果是google one用户，可以同时用gemini pro / notebookLM Plus，那我们来看看对比吧：
个人建议是尽量用gemini，比如这里的功能。
但我也希望notebookLM作为零门槛的知识库应用，后续迭代能跟上来超过gemini。
2 个赞
这个玩意目前的一个用途是生成各种podcast，而且也没啥限制，用不同的角度看材料。单纯当rag工具的话，不如那些可以设置embedding模型等参数的前端
其实这玩意有个用途，如果你是码字的，可以把你写的东西传上去，听他们生成的podcast，会有很奇妙的收获。
我也是使用gemini，让他提取文档并形成文献综述 非常精准，但是gemini上传的文档限制10个
再传或者告诉他引用xx文档回答哈哈
1 个赞