NOTEBOOKLM + CLAUDE：如何在没有持续混乱的情况下进行研究

我有一个简单的观察。

大多数AI生成的内容甚至在写出来之前就已经崩塌了。

不是发生在“Claude写得很差”这个阶段。

而是更早。

在研究阶段。

某人找到了一个视频。 看了12分钟。 保存了链接。 然后又一个帖子。 然后一篇文章。 然后一条Telegram消息。

一天之后，所有这些都散落在不同的地方。

而当要写一篇像样的文章时，他们打开Claude并写道：

写一篇关于AI智能体的文章。

然后他们纳闷为什么AI生成的文本听起来如此空洞。

因为模型没有合适的源材料。

没有结构。 没有要点。 没有来源。 没有个人观点。

只有一个主题。

而单靠主题是不够的。

核心理念

我会把AI写作分成两个截然不同的任务：

• 研究
• 写作

而且我不会指望单个工具能同时完成所有事。

对我来说，一个好的组合是这样的：

YouTube / 文档 / 链接 -> NotebookLM -> 结构化笔记 -> Claude -> 文章草稿 -> Obsidian

NotebookLM处理源材料的摄取。

Claude处理思考、结构、风格和草拟。

Obsidian处理记忆。

这远胜于简单的“把链接丢给Claude然后要求写一篇文章”。

为什么NotebookLM在这里很有用

NotebookLM的一大优点是它可以作为一个研究笔记本。

你可以在那里保存：

• YouTube视频
• 文章
• PDF
• 文档
• 链接
• 笔记

然后要求：

• 摘要
• 简报
• 常见问题
• 关键点列表
• 争议点
• 关键人名
• 数字
• 结构
• 帖子灵感

换句话说，它把大量的信息来源转化为方便的原材料。

这很重要。

因为好的写作不是从生成开始的。

好的写作始于扎实的材料。

Claude应该做什么？

在这样的系统中，Claude不应该成为“互联网上所有内容的第一读者”。

最好把它当作协调者。

它接收经过过滤的笔记，并采取以下步骤：

• 确定主要角度
• 丢弃薄弱想法
• 整理出大纲
• 根据我的风格调整内容
• 写出初稿
• 检查过于泛泛的部分
• 为X/Telegram创建简短版本
• 建议视觉内容或脚本

换句话说，Claude并不是从混乱中凭空提炼意义。

它接受原材料，并将其转化为连贯的东西。

听起来是件小事，但差异巨大。

步骤1：选择来源

不要从提示开始。

从来源开始。

一个好的来源至少应具备以下之一：

• 一个实用的工作流
• 一个强有力的想法
• 数字
• 一个清晰的案例研究
• 工具
• 人们常犯的错误
• 一个新的心智模型

如果来源薄弱，AI也救不了。

它只会把薄弱的材料漂亮地涂抹一番。

步骤2：通过NotebookLM处理

接下来，我会把来源添加到NotebookLM，并要求——不是“写一篇文章”——而是：

给我一份结构化的研究简报。

包含：

• 核心思想；
• 主要机制；
• 提到的工具；
• 逐步工作流；
• 最强有力的例子；
• 有风险的主张；
• 缺失的部分；
• 10个可能的内容角度。

要求结构化的简报很重要。

不要那种华丽的摘要。

把华丽的摘要留到后面。

首先，你需要原材料。

步骤3：将笔记转移到Obsidian

许多人在这里错过了好处。

他们拿到摘要就立刻开始写。

然后一周后，他们记不得把它放在哪了。

我会把研究简报保存在Obsidian中。

不是作为一个巨大的单一文档。

而是作为一个普通的笔记：

• 摘要
• 关键点
• 工具
• 可能的角度
• 链接
• 后续行动
• 与中心笔记的关联

这样材料就不会在一篇文章后消亡。

它成为数据库的一部分。

步骤4：选择你的角度

最大的错误就是简单复述原始材料。

这几乎总是很无聊。

你需要加入自己的视角。

例如：

• “我会如何将其应用到我自己的工作流中”
• “这里的陷阱是什么”
• “人们可能会误解什么”
• “如何构建一个MVP”
• “哪些工具是真正必要的”
• “为什么这对AI/Web3/内容很重要”
• “什么心智模型改变了方法”

来源提供灵感。

但文章必须是你的。

步骤5：给Claude正确的任务

糟糕的查询：

根据这个摘要写一篇文章。

更好的方式：

用这些研究笔记，按我的风格写一篇X文章。

角度： 这不是要总结来源。 而是要从中构建一个实用的工作流。

规则：

• 短段落；
• 个人化语气；
• 没有虚假鼓吹；
• 没有通用的AI短语；
• 解释机制；
• 包含错误；
• 包含我的观点；
• 以实用的行动号召结束。

关键在于Claude不应该只是转述。

它应该创造针对任务定制的内容。

步骤6：编辑 vs AI生成内容

初稿几乎总是需要编辑。

我会特别留意以下问题：

• 过于平滑的过渡
• 通用开头
• “AI正在改变一切”
• “在当今快节奏的世界中”
• 用不同词语重复同一观点
• 过于抽象
• 没有具体工作流
• 没有个人结论

如果文章听起来不像是由真正理解这个主题的人写的，就需要删减。

不要修饰。

删减。

步骤7：重新包装

一篇好文章不应该是一次性的。

写完X文章后，我会立即创建：

• 一条简短的X帖子
• 一个Telegram版本
• 一个帖子串
• 一个轮播图大纲
• 一个短视频脚本
• 5个钩子选项
• 一个视觉创意点子

这就是为什么保留研究笔记很重要。

一个来源可以产出不止一篇文章。

它可以产出一整批内容。

打包示例

假设有一个关于Claude Code技能的YouTube指南。

我会这样做：

• 把视频上传到NotebookLM。
• 得到一份结构化简报。
• 提取5个技能及其用例。
• 在Obsidian中保存笔记。
• 选择一个角度：“当任务重复时，技能比提示更强大。”
• 用Claude写X文章。
• 润色掉AI套话。
• 创建简短版本。
• 保存提示和工作流以备下一篇文章。

这不只是“AI写了一篇文章”。

这是一个内容流水线。

我的结论

如果你想写出像样的AI生成文章，不要从Claude开始。

从研究开始。

一个好的工作流：

source -> NotebookLM -> structured brief -> Obsidian -> Claude -> draft -> edit -> repack

这不是获取文本最快的方式。

但这是获取看起来不像空洞AI废话的内容的一种不错方式。

当Claude有源材料时，它写得更出色。

NotebookLM帮助收集那些源材料。

Obsidian帮助你跟踪它们。

而你添加了最重要的部分：

角度、风格，以及决定什么才真正值得发布。

关注 @fluixoo 获取更多AI、Web3和自动化内容。希望对你有帮助。