十个提示，把 AI 变成你的研究助理

论文、行业报告、几小时的讲座视频——资料越堆越多，读是读不完的。@primemans 分享了一套方法：NotebookLM 可以把文章、PDF、YouTube 视频变成你的资料库，再配上 10 个精心设计的提示词，它就像一位坐在你身边的研究助理，替你做摘要、找矛盾、做对比、出计划。

原文标题说 10 个提示，实际列出了 7 个完整模板，每一个都是一类"分析动作"的标准问法。这门课把 7 个模板逐个讲透，并附使用心法。

先让 AI 把资料"嚼碎了"喂给你。第 1 招"执行摘要"要求像一位麻省理工学院高级研究员那样输出，第 2 招"关键洞见提取"则专挖"改变局势的想法"。

复制分析所有来源并生成一份执行摘要，包括：
→ 主要发现。
→ 关键洞见。
→ 结论。
→ 实践意义。
→ 可操作的建议。
以清晰、专业的语言呈现输出

复制从资料中识别出10个最重要的发现。对于每一项，解释：
→ 为什么重要。
→ 有什么证据支持。
→ 它如何应用于现实世界。
→ 它可能产生什么影响

注意第 2 招的巧妙处：它不只让你列 10 条，而是每条逼问四个维度——重要性、证据、应用、影响。少了这四个追问，AI 给你的就是 10 条正确的废话。

资料一多，不同来源的说法常常打架。第 3 招让 AI 扮演"同行评审"，专门挑刺：

复制比较所有来源并识别：
→ 矛盾。
→ 可疑的假设。
→ 方法论上的薄弱之处。
→ 信息空白。
→ 需要进一步验证的要点。
指出哪个来源看起来最可靠，以及为什么。

这一招的价值在于反直觉：我们习惯让 AI 总结"说了什么"，却很少让它找"哪里不对劲"。而做研究、做决策时，恰恰是矛盾和空白处最值钱。

第 4 招"比较矩阵"一次把多个来源放进同一张表，省掉你数小时的横向阅读：

复制构建一个包含以下内容的比较表：
→ 目标。
→ 方法。
→ 结果。
→ 优势。
→ 限制。
→ 推荐的应用场景。
突出说明哪个来源提供了最高的实际价值。

第 5 招"假设生成"则是从"消化"走向"创造"——让 AI 做科学思维的搭档：

复制基于现有证据，提出：
→ 新假设。
→ 研究问题。
→ 探索不足的领域。
→ 可能的实验。
→ 未来的机会。
优先考虑潜力最高的想法。

第 6 招"实施计划"把"纸上谈兵"变成"施工图纸"：

复制将这些发现转化为切实可行的行动计划，包括：
→ 目标。
→ 具体步骤。
→ 所需资源。
→ 风险。
→ 成功指标。
→ 建议时间表。

第 7 招"知识评估"反过来让 AI 当教授考你，20 道挑战题带答案、解释和难度等级——学完一份资料，用它来自测，比"感觉懂了"可靠得多。

复制生成：
→ 20 个具有挑战性的问题。
→ 正确答案。
→ 解释。
→ 基于应用的问题。
→ 批判性思维问题。
包含难度等级。

评论区 @monicaa_AI 补了一句：NotebookLM 目前是最被低估的人工智能工具之一——很多人只把它当"聊天式读 PDF"，没意识到配上结构化提示，它是个分析工作站。

模板是死的，用法是活的。三条心法来自这套方法的底层逻辑：