Get 笔记、腾讯 ima 被甩几条街？NotebookLM 重新定义 AI 知识管理-AI Spot

NotebookLM 是谷歌推出的一款 AI 驱动的笔记与研究助手——用户可以上传文档、网页链接或视频等资料，系统会自动生成摘要、回应提问、制作音频概览，从而帮助用户快速理解并整理知识。它的月访问量已超过 4,800 万次，且在大规模文档问答中基本实现了无幻觉输出。我认为它是最好的的 AI 知识管理工具。 本文编译自 Jason Spielman，他主导了 NotebookLM 的设计工作，从产品核心使用体验、品牌识别到视觉系统，从实验阶段一路走向正式上线，这是一场从零出发、设计全新品类产品的机会，通过阅读他的心路历程，让我们得以探索新的范式、发明新的界面模式，将此前不存在的产品形态成功落地。

目录如下

问题与需求
早期草图与思考
心智模型
- 三面板结构
- 四种布局模式
- 面板状态
- 各个面板详解
音频概述
经验与反思

问题与需求

NotebookLM 所要解决的一个核心问题是 标签页／工具切换过多——也就是在综合想法、阅读、写作时，用户往往要在多个工具、多个标签页之间跳转，导致体验零散、注意力碎片化。NotebookLM 的设计目标：

建立一个用户可以在同一个空间中完成整个创作旅程的平台。
用户从 输入（Inputs） 开始，引入来源资料 → 通过 对话（Chat） 对资料进行澄清、整合 → 最终生成 输出（Outputs） 笔记、学习指南、音频概要等。在输入与输出之间，需要一个对话／交互机制（Chat + 引用）来支撑思考与整合。
在界面设计上：整合阅读、交互、创作三个关键环节，减少用户在工具、标签之间来回切换的摩擦。

早期草图

虽然最终的界面结构如今看起来似乎“理所当然”，也有很多同类产品进行模仿，但事实上它经历了大量迭代（作者透露这些布局实际上经历了约 1000 次迭代 🫡）才能到达此状态，作者自己在飞机上画草图，用完普通纸后转而在餐巾纸上继续绘制。这种“无限尝试”的过程，正是为了寻找一套既清晰易懂，又贴合用户心智模型的布局。

心智模型

NotebookLM 的心智模型可概括为：输入 → 对话 → 输出（Inputs → Chat → Outputs），具体步骤：

用户上传或引入“来源”，可能是文档、视频、笔记、网页、书籍等
用户通过聊天对话形式与这些来源交互：提问、澄清、整合信息，同时生成引用
最后将整合的洞见、信息转化成结构化输出（如笔记、学习指南、音频概要）

这一流程为用户在产品中提供了一个清晰的“我在哪个阶段”的感知，同时也让复杂的 AI 交互更直观、更可理解。

三面板结构

要在一个工具中真正将“阅读、写作、创作”三者融为一体，是极少见且具有挑战的：因为同时处理阅读、提问、写作很容易让用户觉得混乱，但正好可以借助 AI 降低摩擦。

因此作者设计了一个 响应式面板系统（responsive panel system），能够根据用户需求灵活调整，同时在最小尺寸下仍保留对“来源／笔记”的快速访问。

四种布局模式

标准模式：默认三面板视图，平衡显示来源、对话、笔记输出。

阅读 + 对话（Reading + Chat）：适用于参照来源资料＋生成带引用的回答。

对话 + 写作（Chat + Writing）：适用于专注于草稿阶段、正在写作和迭代。

图片[7]-Get 笔记、腾讯 ima 被甩几条街？NotebookLM 重新定义 AI 知识管理-AI Spot

阅读 + 写作（Reading + Writing）：在写作时，保持对来源资料可见但收起对话界面。

面板状态

在设计中考虑不同设备、不同任务下界面如何缩放与变化，各面板会根据用户当前任务动态调整大小与布局，以优化空间利用与操作效率。

面板可以动态缩放，即便空间受限，仍保留来源与笔记的图标访问。
可扩展性是关键原则：随着新功能、新模式加入，底层结构保持稳固而不被破坏。
三大面板如下：
- 来源面板（Source Panel）：用户引入的所有“输入”资料所在。
- 创作／输出面板（Studio/Output Panel）：把输入转化为输出的空间。
- Chat 面板（Chat Panel）：处于核心位置，负责用户与资料的对话交互。

各个面板详解

来源面板

这是用户旅程的起点 — 所有导入的资料、文档、笔记统统在这里。

用户可以快速在这些来源之间跳转，进行标注、引用。

创作／输出面板

这里是从“输入”转向“输出”的工作空间。用户在这里编辑、整理、输出内容。

如后续推出的 Flashcards、测验、专业报告等功能，也在此面板中扩展。

Chat 面板

始终居于核心位置。
在不同模式下的宽度与位置会动态调整，以适应用户的关注焦点与任务。
它是连接来源与输出的桥梁：用户可在此输入问题、让系统引用来源生成答案、再将答案输出为结构化内容。

最终效果

音频概述

作者主导设计了音频概述功能，从原型阶段一路到上线。该功能的设计亮点包括引入了“中断（interrupt）”概念：即用户在听音频时也可以插入操作或提问，其价值在于：基于用户自身资料 + 一键生成 + 听觉消费，帮助用户以听觉方式消化自己上传的资料或内容。这个是让 NotebookLM 破圈的功能，我也是试用这个功能之后开始入坑 NotebookLM 的。

经验与反思

作者在文末总结了他从这个项目中的一些核心经验与反思：

与用户共同构建（Build with users, not just for them）：不必等待产品“完美”再上线，而是尽早上线，快速迭代，听用户的反馈，例如：例如最初用户强烈希望有内联引用功能，团队便迅速调整优先级去实现。
“内建（Built-in）”而非“贴上去（Bolted-on）”：不是在既有产品上贴上 AI 模块，而是从零设计一个 AI 原生（AI-native）产品，设计目标是将 AI 功能与用户思维流程天然融合，使其成为真正有用的工具。
会议是用来做事的，而不只是讨论：团队保持高度协作、快速推进，作者本人是唯一的 UX 设计师，所以每次讨论都必须产生实质成果。
UI 将变得更动态、更具情境敏感性：随着 AI 的引入，界面需要根据上下文主动建议操作、降低用户认知负荷，在 NotebookLM 中，“Chat” 是目前最直观的交互入口，同时界面也要兼顾新体验如 Audio Overviews 的探索。
我们正处于一个过渡期：当前，“Chat”仍是用户接触 AI 的最自然方式，是传统界面和 AI 新范式之间的锚点。未来的界面设计，需要帮助用户在熟悉感与新体验之间安心过渡。