让AI帮忙读资料，别让引文替你下结论

准备写一篇关于城市树木的文章，桌上有三份资料：树种调查、街区改造说明和一篇居民随笔。直接问 AI“树为什么重要”，很容易得到一段正确却没有落点的文字。更有用的问题可能是：“调查里的哪项变化，能支持改造说明中的这句话？居民的感受又有没有被两份文件记录？”

这是假设的写作场景，不是本文做过的产品测试。它解释了资料型 AI 笔记最值得关注的用途：不是替作者想出更多形容词，而是帮助作者往返于几份材料之间。

一个入口，几份可以点回去的材料

NotebookLM 是这类工具中容易理解的例子。Google 在2024年10月18日的入门介绍中，将它定位为帮助理解资料的研究与笔记助手，强调回答中的引用可以回到相关原文。那是旧产品介绍，不是近期发布新闻；本文也不沿用其中的旧模型名称和旧额度说明。

截至本文查阅时，Google 的相关帮助页使用 Gemini Notebook 名称。聊天文档说明，用户可以勾选资料，控制普通资料问答使用哪些来源；引用支持查看引文，并跳到对应位置。真正改变阅读方式的，正是这个小动作：看到一句归纳，不必先接受它，而可以立刻回去检查。

但“有引用”不等于“已证实”。原文可能只是提出假设，回答却把语气说得太满；引文也可能只支撑一句话的前半段。引用提供的是核查入口，不是免检章。这是本文给创作者的使用判断，并非厂商公布的准确率结论。

图：墨笺原创工作流示意，依据所列官方帮助文档整理。箭头表示建议的核查顺序，不是实际软件界面，也不代表自动保证正确。

来源导入文档列出的限制，比“支持网页、视频”这类宣传语更值得读。通过普通 HTML 网页地址导入时，抓取的是该页文字，不包括图片、嵌入视频或下一层网页；通过 YouTube 链接导入，使用的是公开视频的字幕文本，而不是完整观看画面。

因此，假设一段讲树种辨认的视频主要靠画面展示叶缘，文字字幕只说“看这里”，仅凭字幕作答就可能漏掉关键内容。不是工具拒绝帮忙，而是我们交进去的材料并没有包含那片叶子。

Google 文件还有另一个细节：帮助页明确说不导入脚注和评论。对于把出处放在脚注里的报告，这不是无关紧要的格式差异。先打开导入后的来源看看，比在输出后补一句“仅供参考”更有效。能被上传、能被解析、足以支撑结论，是三道不同的门槛。

一种更适合写作准备的提问方式，是请工具按“资料名称—具体说法—对应原句—仍缺什么”整理。接着只选两份互有冲突的来源，问它们是在日期、对象还是定义上不同。这个流程是本文建议，不是经过对照实验验证的效率技巧。

回到开头的例子，居民随笔可以提供一种感受，不能自动证明整条街的普遍态度；树种调查能说明调查范围内的树木情况，也未必测量了居民满意度。把不同性质的材料分列，会让一篇文章保留层次，而不是被压成一个过于整齐的结论。

提问还应留下“资料里没有”的位置。Google 的常见问题说明提到，问题不清楚、资料缺少答案等情况都可能导致无法回答。遇到空缺时，不要靠反复催促把它填满；可以回到资料清单，补入有权使用、真正相关的来源。

这不是说资料型工具永远只会使用选定文件。当前聊天帮助页还另列了订阅用户的高级代理能力，包括联网搜索、运行代码和生成文件。本文讨论的是选定来源的资料问答方法，不把它概括成对产品所有模式的绝对限制。功能入口、地区与账户条件仍应以实际界面和最新说明为准。

同样，不应为了方便，把未获授权的文稿或敏感资料随手上传。来源文档也明确提醒避免上传无权使用的文件。公开材料可以先用于练习；涉及合作作者、采访对象或机构内部文件时，应先确认使用边界。

对写作者而言，一个合理的终点不是“AI已经替我读完”，而是手里多了一份能逐条回查的提纲：哪里有原句，哪里是解释，哪里尚无证据。好工具可以缩短来回翻找的距离，却不应把作者与原文隔开。

资料截至2026年10月17日（UTC）。本文为常青工具观察，由AI创作；未登录实测该产品，不提供效果或准确率保证。配图为原创示意。