NotebookLM đã nhanh chóng chuyển từ một công cụ học tập chuyên biệt trở thành người bạn đồng hành nghiên cứu hàng ngày. Nó đang thay đổi cách chúng ta tổ chức ý tưởng, tương tác với thông tin và trình bày chúng. Nhưng trong khi hầu hết mọi người sử dụng nó để tóm tắt cơ bản, sức mạnh thực sự nằm ở cách bạn cấu trúc nguồn và prompt của mình. Theo thời gian, những thay đổi nhỏ trong cách bạn bắt đầu một dự án học tập hoặc nghiên cứu trong NotebookLM có thể cải thiện đáng kể kết quả.
Nhiều ý tưởng trong số này đến từ việc thử nghiệm thực tế, cùng với các quy trình làm việc thông minh được chia sẻ bởi những người dùng thành thạo trên Reddit, v.v... Nếu bạn cảm thấy mình chỉ mới chạm đến bề nổi, 5 mẹo thực tế này sẽ giúp bạn thiết lập NotebookLM tốt hơn nhiều.
Bắt đầu với các file lộn xộn và đặt câu hỏi
Bắt đầu với sự hỗn loạn, sau đó khám phá các mẫu
Một trong những cách đơn giản nhất để tránh suy nghĩ quá nhiều với NotebookLM là đưa vào 10 tài liệu gần đây nhất của bạn. Chúng có thể là ghi chú, PDF, bài báo, thậm chí là các file ngẫu nhiên, và bắt đầu đặt câu hỏi. Mục tiêu của sự khởi đầu ngẫu nhiên này không phải là tổ chức; mà là khám phá. Bạn sẽ nhanh chóng thấy công cụ này kết nối các ý tưởng, làm nổi bật các mẫu và trả lời các câu hỏi giàu ngữ cảnh từ những tài liệu quen thuộc như thế nào. Bạn cũng có thể kết hợp Gemini với NotebookLM để tìm hiểu sâu hơn.
Ban đầu, điều này có vẻ không có cấu trúc. Liệu việc chỉ đổ một loạt file vào có làm hệ thống thêm rối rắm hay không? Nếu không có chủ đề rõ ràng, các câu trả lời có vẻ rời rạc hoặc kém chính xác hơn mong đợi.
Nhưng đó chính là điểm mấu chốt. Bài tập này với một tập hợp tài liệu hạn chế giúp bạn học cách NotebookLM "suy nghĩ" trên các tài liệu. Đây giống như một bài tập động não hay quy trình nghiên cứu NotebookLM dành cho người mới bắt đầu. Khi NotebookLM tìm ra các mối liên hệ từ sự hỗn loạn, bạn sẽ được trang bị tốt hơn để xem nguồn nào đủ điều kiện để tạo các notebook có cấu trúc hơn sau này.
Bạn có thể phân tích các tài liệu nguồn đầu tiên này với bao nhiêu prompt tùy thích. Các prompt được đề xuất bên dưới mỗi kết quả cũng đáng để khám phá.
Bạn có thể nhóm các tài liệu này thành 3-5 nhóm dựa trên các ý tưởng cơ bản của chúng và giải thích từng nhóm không?
Mẹo: Đừng bỏ qua các nguồn tài liệu quý giá bằng tiếng nước ngoài (xem ảnh chụp màn hình cuối cùng trong thư viện ở trên). NotebookLM hỗ trợ hơn 80 ngôn ngữ. Thậm chí, bạn cũng có thể tạo Audio Overviews bằng ngôn ngữ ưa thích của tài khoản.
Xây dựng một kho dữ liệu chính và phân nhánh
Tổ chức một lần, tái sử dụng ở mọi nơi
Tạo các notebook nhỏ hơn cho các chủ đề phụ trong NotebookLM
Steven Johnson, tác giả và thành viên nhóm NotebookLM, đã đề xuất mẹo này trên blog The Keyword của Google. Thay vì tạo các notebook riêng biệt cho mỗi chủ đề, hãy duy trì một “kho dữ liệu chính” lưu trữ tất cả tài liệu thô của bạn. Sau đó, tạo các notebook nhỏ hơn, tập trung hơn, lấy các nguồn được chọn từ tập dữ liệu chính đó. Prompt trước đó có thể giúp bạn hiểu các nhóm, từ đó có thể tạo ra những notebook tập trung hơn. Ví dụ, một notebook nhỏ hơn chỉ dành cho “Case Studies” hoặc một notebook dành cho “Data Crunching”. Điều này có thể giúp giữ cho đầu ra của bạn sắc nét mà không cần bỏ nhiều công sức.
Việc tạo các notebook riêng biệt thì gọn gàng hơn, nhưng theo thời gian, chúng cũng có thể trở nên lộn xộn khi những file bị trùng lặp. Bạn thường bị mất dấu của một thứ gì đó. Bây giờ, hãy coi các notebook nhỏ hơn như không gian tư duy tạm thời để trích xuất dữ liệu cốt lõi và biến nó thành một nguồn chất lượng.
Phương pháp sử dụng kho ngữ liệu chính giúp tập trung kiến thức của bạn một lần, sau đó bạn có thể phối lại chúng vô tận. Đó là một sự thay đổi tinh tế, nhưng nó làm cho NotebookLM bớt giống một hệ thống thư mục và giống một công cụ tư duy linh hoạt hơn. Đó là một giải pháp thay thế cho sự hạn chế trong kiểu tổ chức thư mục của NotebookLM.
Chia nhỏ các file lớn trước khi upload
Các phần nhỏ hơn đồng nghĩa với câu trả lời tốt hơn
Nếu bạn đang làm việc với các file PDF lớn, sách giáo khoa ePub, bài nghiên cứu hoặc báo cáo dài, hãy chia chúng thành nhiều chương hoặc những phần hợp lý trước khi upload. Điều này cải thiện cách NotebookLM truy xuất và tham chiếu thông tin, giúp câu trả lời chính xác hơn. Giữ cho các nguồn tài liệu gọn gàng cũng giúp tham chiếu những trích dẫn nhanh hơn.
Có một người từng upload toàn bộ sách lên dưới dạng một file duy nhất. Có vẻ như đó là cách tiết kiệm thời gian, nhưng các câu trả lời thường bỏ sót những phần quan trọng hoặc cảm thấy không đầy đủ, đặc biệt là khi đặt các câu hỏi cụ thể.
Chia file thành các phần nhỏ hơn sẽ giải quyết vấn đề này. Trình duyệt Chrome của bạn là một trình chỉnh sửa PDF tốt để chia trang. Nó cung cấp cho NotebookLM các ranh giới rõ ràng hơn để làm việc, cải thiện cả khả năng truy xuất và độ chính xác. Hãy coi đó như việc cho phép AI hiểu tài liệu từng phần một, thay vì một tài liệu khổng lồ, khó hiểu. Điều này cũng giúp việc sử dụng NotebookLM dễ dàng hơn nếu bạn kết hợp với các ứng dụng AI khác.
Sử dụng các prompt tham chiếu đến nguồn tài liệu của bạn
Hãy cụ thể về những gì bạn muốn!
So sánh nguồn tài liệu với NotebookLM bằng các prompt
NotebookLM hoạt động tốt nhất khi các prompt của bạn tham chiếu rõ ràng đến những nguồn tài liệu bạn đã upload. Thay vì đặt các câu hỏi chung chung, hãy hướng nó đến các tài liệu hoặc phần cụ thể. Ví dụ, khi bạn muốn so sánh hai bài báo hoặc phân tích một bài giảng cụ thể:
"So sánh cách [Nguồn 1] và [Nguồn 3] giải thích khái niệm [Chủ đề]. Chúng đồng ý và không đồng ý ở điểm nào?"
Tất nhiên, chúng ta có thể coi nó như một chatbot tổng quát, kỳ vọng nó sẽ "tự tìm ra câu trả lời". NotebookLM là một công cụ mạnh mẽ, vì vậy kết quả sẽ khá tốt. Nhưng thường thì kết quả cũng có thể quá rộng hoặc mơ hồ để được coi là hữu ích. Và chúng ta thậm chí sẽ không biết NotebookLM đã bỏ sót điều gì.
Một khi bạn bắt đầu dựa các prompt của mình vào nguồn tài liệu, mọi thứ sẽ thay đổi. Câu trả lời trở nên sắc bén, phù hợp và dễ tin cậy hơn. NotebookLM không thực hiện tìm kiếm trên web. Nó chỉ sử dụng tài liệu của chúng ta, và mỗi prompt gợi ý nên tận dụng điều đó.
Cung cấp cho bạn hướng dẫn học tập
Biến NotebookLM thành một gia sư tích cực
Chế độ Learning Guide của NotebookLM
Đối với tài liệu dày đặc hoặc phức tạp, hãy upload tài liệu lên và yêu cầu NotebookLM hướng dẫn bạn bằng chế độ Learning Guide. Thay vì đưa ra câu trả lời, nó sẽ đặt câu hỏi, giải thích các khái niệm từng bước và giúp bạn chủ động tương tác với tài liệu.
Bước này ban đầu có vẻ chậm hơn. Mọi người đã quen với việc nhận được các bản tóm tắt nhanh từ tất cả những LLM, vì vậy việc bị công cụ "kiểm tra" ban đầu có vẻ như là một trở ngại không cần thiết.
Nhưng đó chính xác là lý do tại sao nó hiệu quả. Cách tiếp cận này biến việc đọc thụ động thành học tập chủ động. Theo thời gian, bạn sẽ ghi nhớ được nhiều hơn bằng cách để NotebookLM hướng dẫn mình xuyên suốt một chủ đề thay vì chỉ tóm tắt nó.
Hãy thử một trải nghiệm NotebookLM ngay hôm nay!
Chọn một ý tưởng từ những điều trên. Tất cả các bước này đều nhằm chuẩn bị môi trường trước khi bạn bắt đầu sử dụng các công cụ NotebookLM khác. Bất kỳ bước tiền đề nào, chẳng hạn như chia nhỏ một file PDF lớn hoặc tạo một kho ngữ liệu chính, sẽ giúp bạn kiểm tra quy trình của mình trong phiên NotebookLM tiếp theo. Và điều này có thể trở thành một khuôn mẫu cho tất cả các notebook trong tương lai.