谷歌把這款AI藏了2年，用戶發(fā)現(xiàn)后每周省出10小時

一個做冷披薩外賣的創(chuàng)業(yè)者，每周能省10小時。不是因為他雇了人，而是因為他把AI拆成了兩半用。

這是Tom's Guide AI主編Ryan Morrison的真實工作流。他測試AI工具三年，最近發(fā)現(xiàn)最高效的用法不是換模型，而是讓兩個工具各干各的。數(shù)據(jù)很直接：每周 reclaimed 10 hours——不是"大幅提升效率"這種空話，是實打?qū)嵤〕鲆惶彀氲墓ぷ魅铡?/p>

NotebookLM：你的"混沌廚房"

Morrison的第一步是把所有東西扔進谷歌的NotebookLM。品牌想法、半成型的概念、社交媒體鏈接、情緒板——完全沒有結(jié)構(gòu)，"像在做一道神秘燉菜"。

這個工具的核心設計就是反組織的。它不像Notion那樣逼你建文件夾，而是讓你先倒進去再說。Morrison給了一個具體場景：假設你在做一家叫"Crusted"的即食冷披薩公司，NotebookLM里會堆滿亂七八糟的靈感碎片。

關鍵是這時候不整理。整理會殺死想法。

NotebookLM的真正價值在于后續(xù)：當你需要時，它能從這一堆混沌里撈出關聯(lián)。你問一句"我們上個月的社交媒體策略有什么可以復用的"，它不會給你文件夾路徑，而是直接吐出三段相關的筆記摘要，外加兩個你沒意識到有關聯(lián)的靈感。

Morrison的原話是："你必須親自試一次才能懂。"他同事和朋友都是試完一次就被震住——這不是夸張，是這個工具的交互設計確實反直覺：越亂越好用。

ChatGPT：你的"執(zhí)行流水線"

第二步才打開ChatGPT。這時候NotebookLM已經(jīng)完成了篩選和關聯(lián)，你帶著清晰的需求進去，不再是"幫我寫點關于披薩的東西"，而是"基于這三點用戶反饋，寫一條Twitter線程，語氣要自嘲但專業(yè)"。

Morrison的分工很明確：NotebookLM負責thinking，ChatGPT負責executing。大多數(shù)人把這兩件事塞進同一個聊天窗口，結(jié)果來回改prompt，效率被對話歷史拖垮。

他算過賬：以前用單一AI工具，一個項目平均要迭代12-15輪對話才能定稿?，F(xiàn)在拆成兩步，NotebookLM先做信息蒸餾，ChatGPT只做最后輸出，迭代輪次降到3-5輪。時間就是這么省出來的。

不是工具變快了，是你不再讓同一個AI又當廚師又當服務員。

為什么現(xiàn)在才流行？

NotebookLM 2023年就上線了，但直到2024年下半年才開始被認真討論。Morrison觀察到一個轉(zhuǎn)折點：人們終于對"一個AI搞定所有"感到疲憊了。

早期的AI使用是探索性的，你問ChatGPT什么都行，像在玩一個萬能玩具。但當AI變成工作流的一部分，這種萬金油模式就暴露問題——它什么都懂一點，但深度協(xié)作時效率驟降。

谷歌和OpenAI的產(chǎn)品路徑也印證了這點。NotebookLM最近加了Audio Overview功能，能把你的筆記生成播客式對話；ChatGPT則在Canvas模式下強化了長文檔編輯。兩個工具都在往"專精一個場景"走，而不是互相吞并。

Morrison的2-tool系統(tǒng)本質(zhì)上是對這種趨勢的提前適應。他不等官方整合，自己先劃清邊界。

具體怎么操作

以Morrison自己的內(nèi)容生產(chǎn)為例。周一早上，他打開NotebookLM新建一個項目，把過去一周讀的文章、采訪錄音、隨機想法全丟進去。不設標簽，不建目錄。

周三需要寫稿時，他在NotebookLM里問："關于AI工具分層使用的角度，我有什么素材？"系統(tǒng)返回四段相關筆記，其中一段是他兩個月前隨手記的、完全忘記的想法。這時候他才打開ChatGPT，把篩選后的素材和寫作要求一起丟進去。

輸出質(zhì)量的區(qū)別很直觀。純用ChatGPT時，他經(jīng)常得到"正確的廢話"——語法通順，信息準確，但像是 Wikipedia 和營銷話術的混合體。有了NotebookLM的前置處理，ChatGPT的輸出會帶上他個人的語料痕跡，更像"他寫的"。

小團隊也在用類似邏輯。Morrison采訪過一家4人營銷公司，他們用NotebookLM管理客戶資料庫，ChatGPT負責具體文案?？蛻舴答佇薷囊庖姇r，他們先回NotebookLM更新源信息，再重新生成——避免ChatGPT的記憶污染。

不是所有人都適合

Morrison明確說了局限。如果你每天只需要寫一封郵件、改一段代碼，拆兩個工具是過度設計。這個系統(tǒng)的收益門檻是：每周至少有三個以上需要多輪迭代的項目，且信息來源分散。

另一個隱性成本是學習曲線。NotebookLM的"不整理"哲學和主流工具相反，很多人第一步就忍不住建文件夾，結(jié)果用成了谷歌版Notion，優(yōu)勢全廢。

還有平臺風險。NotebookLM目前免費，但谷歌的AI產(chǎn)品歷史充滿變數(shù)——Reader、Inbox、Google+都曾是"被低估的好工具"。Morrison的建議是：不要把核心資產(chǎn)鎖死在單一平臺，定期導出。

但現(xiàn)階段，這對組合的生產(chǎn)力回報足夠覆蓋這些風險。

一個細節(jié)：Morrison提到他同事第一次用NotebookLM時的反應——"被震住"之后，第一反應是"為什么沒人早告訴我"。這大概是所有被低估工具的宿命：它們不主動推銷自己，等你發(fā)現(xiàn)時，已經(jīng)浪費了大量時間在低效方案上。

你現(xiàn)在的工作流里，有多少時間花在讓AI"重新理解"你的需求上？