[問題] Notebooklm是不是很難用（歡迎打臉

[westwestman (北北東先生)]

如題

近期整天泡在notebooklm裡面
研究要怎麼正確使用此AI工具

目前感想：我覺得notebooklm超難用
（歡迎打臉


前陣子有發文詢問notebooklm怎麼用
得到結論是別用他來推論
要用他來挖資料或是產大綱
因為此軟體是主打沒有幻覺
我實驗之後沒幻覺並非真的沒幻覺，要挖到我要的資料，超級無敵困難
（可能相較沒有但還是有幻覺且難以辨別



以下為我的實驗心得：

來源：
某家公司10年的年報（共10個pdf檔案）

目標：
我希望可以抓出10年年報的生產量

（年報裡的文字：生產量值

成功條件：
10年的生產量值數字都要正確

正確=每一年數字都跟年報寫的一模一樣
失敗1=沒有資料
失敗2=產出部分資料，但有產出的都對
失敗3=產出完整資料，但數字錯誤


中文版：

1.找出銷售量值=失敗1

2.在（五）營運概況裡找生產量值=失敗1

3.找在（五）營運概況的（六）..生產量值=失敗2

4.將3的prompt產出答案後，再打「我看2023年明明有」=成功


（這邊成功=沒意義
如果我需要人工確認每個數字是否正確，那我用這個幹嘛

5.清空資料後，重新執行一次4.=失敗2
（我不敢相信這個結果是失敗



英文版：

上面1.翻英文=失敗2

上面2.翻英文=失敗2

上面3.翻英文=失敗3

上面4.翻英文=失敗3

（翻英文=把1.2.3.丟進chatgpt翻英文


（過程中也問chatgpt叫他幫我改prompt

10幾版都失敗
（每一版都是執行1.2.3.4.的流程





最神奇的是：
實驗過程中，同樣的prompt打兩次
竟然會發生從失敗2跳到成功

（同樣來源，同樣prompt，得出的結果竟然不一樣）

過去成功的prompt清空資料重打一次，竟然無法成功




實驗下來感想：

1.
與其問notebooklm叫他找資料，我不如丟檔案到chatgptgrok叫他幫我找文件中的生產量

值
（grok跑出數字全對


2.
使用限定來源的notebooklm
同樣prompt下兩次兩次答案不一樣
（是一個字都沒動連貼兩次


3.
主打沒幻覺的notebooklm
使用英文問，產出有對有錯（錯誤程度5%
用中文問，得到答案幾乎都不全

（錯誤程度5%
代表我要全部確認後才能抓出那5%
我寧願他是100%資料錯我可以換prompt解決


4.
成功經驗之後，清空資料後，同樣來源跟prompt，再跑一次，跑出來結果是失敗

實驗中，有那麼一刻覺得是不是我不會用
（直到同樣來源，我連打兩次prompt跑出結果不同我直接傻眼



希望有notebooklm高手可以直接回一篇
或是直接在留言板


在跟我同樣來源下（公司年報為公開資訊
使用你的prompt多次且成功抓到特定數字

或是直接噴我是不是不會用
並直接秀一波你怎麼依賴notebooklm為你省時間


期待高手分享一波

----
Sent from BePTT on my iPhone17,3

--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 27.247.68.188 (臺灣)
※ 文章網址: https://www.ptt.cc/bbs/MobileComm/M.1757170365.A.DD4.html
推 DFIGHT      : https://reurl.cc/9nylxa
推 NX9999      : 感謝樓上D大@@
推 isaacisaac  : 我覺得是你這個需求其實跟它產品定位不符
推 HCWUlysses  : 太長廢話太多的YouTube 懶得看想快速知道內容時蠻
→ HCWUlysses  : 方便
推 ACGB        : 年報是否內嵌了CID字型，又沒有提供ToUnicode映射表
→ ACGB        : 即複製文字變亂碼?是的話會造成AI讀取垃圾亂碼文字
推 ACGB        : 導致分析困難（垃圾進垃圾出）
噓 jimmyonnet  : 問題是跟這個板有什麼關係？
→ psion       : LLM要沒有幻覺是不可能的 它是在算機率 不是邏輯
推 suyihua     : 推分享
→ han0208     : 只適合讀筆記。年報要結構化且文字描述讓AI理解。
推 abc0922001  : 我最近用 gistr.so ，你可以試試看
→ square4     : 如果chatgpt、grok能正確回答，notebooklm還要預處
→ square4     : 理，顯然後者尚須改進
推 doubi       : notebooklm 適合輸入逐字稿或是會議記錄，然後未來
→ doubi       : 用自然語言問他問題回憶
→ doubi       : 而不是輸入一個報表要他進行分析推理
→ doubi       : 白話說就是，你要給更多基礎資料，不能經過太多整
→ doubi       : 理，那反而會讓它變難用
推 Purin777    : rag就是過時的垃圾，無誇飾
→ doubi       : 你直接輸入高度整理的 pdf，反而容易出現辨識能力
→ doubi       : 差的情況
→ Purin777    : 現在上下文空間這麼大，想不出理由使用agent架構翻
→ Purin777    : 資料
→ PinPinky    : 這篇是發了幾個版
推 abc0922001  : 股票板也有發，我心想不是推文過怎麼不見了
→ abc0922001  : 原來我是在手機板看到的
推 Porops      : 同樣來源，同樣prompt結果不一樣是很正常的，因為
→ Porops      : 有溫度設定，調整溫度設定就可以讓結果趨於一致，
→ Porops      : 這是為了讓AI的回答更有創造性，因此給予的隨機性
→ Porops      : 另外，你覺得適合的報表格式其實和AI熟悉的各式不
→ Porops      : 一樣，你想要做的和NotebookLM擅長的其實不太一樣
→ Porops      : 上下文空間也是假議題，雖然號稱百萬，但實際輸入
→ Porops      : 越大注意力分散、遵循指令的能力也越差，agent能力
→ Porops      : 還是必須的了只是在不同地方做不同事而已
→ Porops      : 利申我是Gemini2.5Pro的重度使用者，在那之前也是C
→ Porops      : laude4的百萬token重度使用者
→ Porops      : RAG確實過時了這點我倒是認同，但我們需要的是另一
→ Porops      : 個有效率的抓取資料方式，而不是無限更大的上下文