Hi 大家好，我是 ChiYu！ 👋

很多人在用 NotebookLM 時，最常做的動作就是點擊「新增來源」然後貼上網址。雖然這個功能已經存在很久了，但你可能也發現了，在選取「網站」來源時，其實可以切換 Fast Research (快速研究) 與 Deep Research (深度研究) 兩種模式。

這篇文章不打算介紹按鈕在哪裡，而是想聊聊身為開發者與AI使用者，我們該如何 有效率地「餵食」AI，讓它產出的知識庫不只是「有資料」，而是「有高品質的有效資料」。

一、 Fast vs. Deep：你的研究目的決定了來源品質

雖然兩者都能抓網頁，但它們在建立知識庫時的角色完全不同：

  • Fast Research (快速研究)：

    • 它的本質：即時的關鍵字檢索。
    • 什麼是有效使用？ 當你已經知道答案在哪裡（例如：某個專案的 README 或特定的 API 頁面），只是想讓 AI 快速抓取內容時使用。
    • 風險：它容易抓到搜尋結果第一頁的「淺層文章」或「SEO 農場文」。如果你沒給具體目標，它抓回來的內容往往純度很低。

  • Deep Research (深度研究)：

    • 它的本質：多層次的推理與關聯搜尋。
    • 什麼是有效使用？ 當你要建立「體系化」的知識（例如：想了解某個新框架的底層設計哲學）時。它會幫你爬取多個來源並交叉驗證。
    • 價值：它能幫你挖到隱藏在 GitHub Discussion 或論壇深處的解決方案，這些通常才是對開發者最有價值的「有效資料」。

二、 如何下指令，讓 AI 幫你篩選出「黃金來源」？

如果你只是輸入「搜尋 XXX」，AI 只會給你大路貨。要獲取高品質來源，你必須在指示中加入 「品質過濾器」。

我的實戰 Prompt 策略： 「我要研究 [技術名稱] 的核心原理。搜尋 官方 Documentation、GitHub Wiki、核心維護者的技術部落格，或是 GitHub Repo Stars 30+ 的優秀專案。 嚴格要求：

  1. 來源必須包含具體的程式碼範例 (Code Snippets)。
  2. 排除所有入門教學 (Tutorials) 或轉載文。
  3. 優先選擇最近六個月內的資訊，確保時效性。」

透過這種方式，NotebookLM 在抓取資料時就會自動過濾掉那些無意義的噪音。

三、 管理與組織：別讓知識庫過期

有了來源後，管理才是關鍵。一個好的技術知識庫必須具備 「時效性」與「一致性」。

  1. 時效性維護： 開發工具（如 Gemini CLI）更新極快。我會定期檢查來源列表，只要看到版本號已經落後兩版以上的來源，我會毫不猶豫地刪除，並重新執行一次 Research。過時的資料比沒資料更危險。

  2. 來源純度檢查： AI 抓回來的來源中，如果包含大量的「推測性內容」或是「AI 產生的垃圾內容」，必須手動剔除。NotebookLM 的強大在於 Grounding (接地)，如果你的地基（來源）是虛的，AI 的回答就會開始胡說八道。

  3. 組織化命名： 我會手動將 AI 抓回來的長標題改為結構化的命名：

    • [SOURCE-DEEP] Architecture Design
    • [SOURCE-FAST] API Reference v2.0

四、 總結：什麼才是「有效的知識來源」？

在 AI 時代，資訊不再稀缺，「判斷資訊價值的眼光」 才是開發者的核心競爭力。在建立 NotebookLM 知識庫時，請記住這三個篩選原則：

  1. 權威性：是否來自官方或核心貢獻者？
  2. 具體性：是否有程式碼實作或數據佐證？
  3. 互補性：這個新來源是否提供了既有文件沒提到的新觀點？

把時間花在定義「高品質的來源」上，NotebookLM 才能真正成為你學習與開發的「外掛」，而不是另一個裝滿廢紙的抽屜。

下一篇，我會分享如何利用 NotebookLM 的語音功能，把這些高品質來源轉化為你的通勤 Podcast。

我們下次見！ 👋