NotebookLM 的核心能力不是"生成播客"，而是长上下文下的 source-grounded 问答——上传一组材料后，AI 基于材料内容回答问题并标注引用来源。这个能力天然适合金融尽调：招股书几百页、同行财报几十份、政策文件若干，人类读完需要数小时，而 NotebookLM 可以在分钟级别回答"这家公司的收入结构是什么""同行毛利率对比如何""风险因素有哪些"这类具体问题。 在 X 上看到了一个手动 workflow：把 IPO 相关材料上传到 NotebookLM，设计一组标准问题，让 AI 逐一回答，最后汇总成投资决策。这个 workflow 的价值在于结构化——不是泛泛地问"这家公司怎么样"，而是围绕收入结构、同行对比、 …

阅读更多