NotebookLM 大升级：每个笔记本都有一台能运行代码的云端电脑

NotebookLM 最初解决的是一个明确的问题：把用户提供的文档变成一个有出处、可追问的知识库。上传 PDF、网页或笔记后，它可以总结材料、回答问题，也能把内容制作成播客式的 Audio Overview。

Google 在 2026 年 6 月发布的新版本，把这个“基于资料回答问题的助手”向前推进了一大步。NotebookLM 不仅能够阅读资料，现在还可以主动寻找资料、运行代码完成分析，并把结果制作成可下载和继续编辑的成品文件。

它开始从一个阅读工具，变成一套完整的研究工作台。

底层升级到 Gemini 3.5 与 Antigravity

新版 NotebookLM 使用 Gemini 3.5 和 Antigravity 提升复杂研究任务中的推理能力。用户在聊天中可以看到更清晰的工作过程，了解系统如何检索、分析并引用资料，而不只是收到一个最终答案。

Google 将新旧系统进行了并排评测，范围包括答案准确性与质量、多语言支持、长文档分析、内容产物创建和网络研究。新版在五个维度上的平均胜率超过 65%，比 50% 的持平线高出 15 个百分点。

其中，长文档分析的胜率为 69.9%，网络研究和来源发现达到 78.2%。这些数字说明，升级的重点不是让普通问答显得更聪明，而是让系统更善于处理跨文档、跨来源的研究流程。

这次最重要的变化，是每个笔记本都获得了一个隔离的云端计算环境。NotebookLM 可以在其中编写和运行代码，执行纯文本问答难以完成的任务，例如：

系统还内置了 100 多项经过筛选的软件技能，覆盖数据处理、分析和可视化等常见研究场景。

这让工作流发生了本质变化。过去，用户需要在 NotebookLM、Python、Excel 和演示工具之间来回切换；现在可以直接提出目标，让系统从资料理解开始，经过代码执行，最终交付可用文件。

例如，一名数据分析师可以提供几份格式不同的地区数据，让 NotebookLM 搜索背景资料、编写代码统一数据口径、完成计算，再生成图表和 PDF 报告。研究过程和最终产物都留在同一个笔记本中。

过去 NotebookLM 的输出以聊天内容、报告、学习指南、闪卡、测验和音视频概览为主。新版进一步增加了多种可下载格式：

用户可以在请求中详细描述内容、结构和受众，并在 Studio 面板中继续编辑生成结果。这意味着 NotebookLM 不再只负责“告诉你答案”，还可以将研究结果转化为团队真正使用的交付物。

项目经理可以把复杂的技术规格转换成一份简化指南、一套演示文稿和分步实施路线图；小型企业主则可以上传广告投入与销售数据，让系统计算活动的财务影响，并生成用于决策的分析报告。

NotebookLM 过去强调“基于你提供的来源”。这有助于减少无依据回答，但也意味着用户必须先收集好资料，研究才能开始。

新版降低了这个门槛。用户可以只带着一个模糊的问题进入聊天，NotebookLM 会协助拆解方向、使用 Google 搜索寻找相关的高质量来源，并逐步建立笔记本的资料库。它还可以寻找其他语言的一手信息，为研究补充不同地区和视角的材料。

来源控制仍然保留在用户手中：系统建议找到的资料，用户决定是否加入；生成内容继续标注引用。NotebookLM 因而从“你带资料来，我帮你阅读”转向“我们先一起把资料找齐，再完成分析”。

这次升级把检索增强生成、代码执行和文件制作连接到了一条连续工作流中：

它与通用聊天机器人的差别也更清楚了。NotebookLM 的核心不是凭模型记忆回答所有问题，而是围绕一个可审查的资料集合工作，并将引用、分析过程和交付物组织在同一个项目空间里。

当然，能运行代码不代表结果一定正确。用户仍需检查来源质量、计算方法、生成代码和最终结论，尤其是在财务、医疗、法律等高风险场景。云端计算环境提升的是执行能力，而不是自动消除研究中的判断责任。

这些功能自 2026 年 6 月 8 日起在网页端全球逐步推出，首批面向 Google AI Ultra 用户，以及开通 AI Ultra Access 或 AI Expanded Access 的 Workspace 商业客户。Google 表示后续将扩大开放范围。

从产品方向看，NotebookLM 已不再只是“会总结 PDF 的 AI”。当资料发现、证据管理、代码分析与成品输出都汇集到一个笔记本里，它更接近一个以来源为中心、能够实际执行工作的研究 Agent。