這次用 NotebookLM RAG 做完整示範，關於大廈外牆維修工程違標這一個題目，教你點樣用 AI 學習「指定課題、指定範圍」，而非泛泛而談。最近因為大埔大火的情況，令到很多人都特別關注大廈外牆維修的工程，但是這個題目一般人很少會接觸，當要接觸的時候其中的細節又份外多，不容易找到一個學習的角度和方向，然而使用了 NotebookLM，基本上我就可以自己定義教材，以及按照自己喜歡的方向一步一步去研究和理解。
我會一步一步示範，點樣透過 NotebookLM RAG、AI 學習流程、Learning Guide 提問方式，令 AI 真正「跟你嘅資料學」，而唔係亂咁網上搵答案。你會學到點樣增加資料、刪減資料，直接影響 AI 嘅理解深度，避免學習時資訊過載。
如果你面對一個大題目，但只想學其中一個細分範圍，今次亦會重點講解提問時嘅結構與用字技巧，包括如何限定範圍、設定角色、以及避免模糊問題，令 AI 回答更精準、更可行。
最後一部分，我會分享使用 NotebookLM Studio Tools 時要注意嘅重點，無論你係想生成 
報告、
圖片，定係 
視像內容，只要設定得好，輸出質素可以差好遠，對工作同學習效率都有直接幫助。
關於設定資訊圖片，我其中應用到的提問是：「Ensure generous empty space between all sections and elements, leave 30-40% of the design as breathing room to boost comprehension by 20% and prevent visual overwhelm.」這樣可以令到圖片的資料，排列得更加整齊。
將 NotebookLM 從可能導致被動學習的「捷徑」轉變為有效的輔助工具，關鍵在於將使用模式從被動接收轉變為積極思考與主動探索。以下是我整理出應用這個工具的心得。
1. 啟用「必要困難」的學習模式
NotebookLM 最大的價值在於其設計理念是「促進思考」而非「節省思考」。
* **開啟學習指南模式：** 應啟用「學習指南」（Learning Guide）模式，而非預設的「你問我答」模式。在這個模式下，AI 會從「給答案」轉變為「**循循善誘的家教**」。
* **引導批判性思考：** 它不會直接給出最終答案，而是提出一系列**具有啟發性的、開放式的問題**，引導你自行探索並拆解複雜問題。這種必要的困難，正是深度學習發生的關鍵條件。
2. 保持主動地位與獨立思考
使用者必須是發號施令的**主導者**（駕駛），而非被動的資訊消費者（乘客）。
* **先思考，再提問：** 在向 AI 提問之前，**強迫自己思考**自己的知識缺口在哪裡，並將其轉化為具體的問題。應利用自己的好奇心來賺取 AI 的回應，而不是等待資訊餵養。
* **避免外包腦力勞動：** 像一鍵生成心智圖或摘要等功能，雖然方便，但會剝奪你在大腦中組織、分類和連結新資訊的**費力過程**，從而產生「好像懂了」的幻覺。真正的學習價值存在於你親手創造這些架構的過程中。
* **利用 AI 整理要點：** 在撰寫作業或報告時，應**先自行理解內容並整理答題要點**，再利用 NotebookLM 協助整理和讓文章更順暢，而不是直接讓 AI 取代你的學習。
3 掌握客製化與查證技巧
為了最大化工具的效益並確保深度理解，需要運用進階的互動和驗證方法：
* **使用精準提示詞 (Prompt)：** 運用 **PARTS 框架**（角色、行動、對象、主題、結構）等方式設計提示詞，來定制 AI 的回答風格、語氣、和內容結構，以獲得高品質的輸出。
* **利用辯論功能：** 啟用「辯論」（Debate）格式的語音總覽功能，讓兩位 AI 主持人針對同一資料提出對立觀點，這能幫助使用者**跳脫自身偏誤**，快速掌握議題的正反兩面。
* **交叉驗證與引用追溯：** NotebookLM 的核心優勢在於其所有回應皆**基於你上傳的資料**，並會附上**清楚的引用來源**。使用者必須利用這個功能，保持**批判性閱讀**的習慣，隨時點擊引用來驗證內容是否準確，避免 AI 生成看似合理但事實有誤的論證。
