语雀导入 NotebookLM 来源包：Markdown 导出、来源分组与引用验收清单

NotebookLM 适合围绕一组来源材料做研究、提问、摘要和学习资料生成。Google 官方帮助说明，NotebookLM 可以上传 PDF、网站、YouTube 视频、音频、Google Docs、Google Slides 等来源，并在 notebook 中基于来源给出带引用的回答。对语雀团队来说，真正的难点不是“能不能上传文件”，而是如何把语雀里长期协作形成的文档整理成可控、可复核、可更新的来源包。

这篇文章不重复介绍“NotebookLM 是什么”，而聚焦更具体的搜索意图：已经有一批语雀知识库，如何用 YuqueOut 导出成 NotebookLM 友好的 Markdown/PDF 来源包，怎么分组，怎么验收引用，怎么避免把私密资料误传到外部 AI 平台。

推荐路线：先做来源包，再建 notebook

不要从语雀页面逐篇复制到 NotebookLM。更稳的路线是先在本地建立一个可审阅来源包：

1. 确定问题边界。一个 notebook 对应一个产品版本、客户项目、培训主题、竞品研究或故障排查主题。
2. 用 YuqueOut 批量导出语雀目录。普通文档导出 Markdown，含复杂排版或截图教程的文档同步保留 PDF。
3. 开启图片本地化。把语雀图片、截图和附件保存到本地 assets 目录，避免后续丢失上下文。
4. 清洗文件名和标题。把“最终版”“待整理”“新建文档”改成能表达主题的名称。
5. 删除不该上传的内容。客户数据、财务、人事、合同、未发布产品计划默认剔除，除非有明确授权和业务必要。
6. 导入 NotebookLM 后做引用验收。用真实问题检查回答、引用、旧版本干扰和拒答边界。

如果你的目标是更通用的企业 RAG，可以先看 语雀企业内部 RAG 工作流；如果只是要把公开文档变成 AI 搜索可引用页面，可以参考 AI 搜索引用准备清单。

NotebookLM 支持哪些来源

根据 Google 官方 NotebookLM 帮助中心，NotebookLM 支持的来源类型包括 Google Docs、Google Slides、Google Sheets、图片、Word、TXT、Markdown、PDF、CSV、PowerPoint、Web URL、ePub、公开 YouTube URL、音频文件和复制粘贴文本等。官方同一页面也写明，每个来源最多可包含 500,000 words，上传文件最多 200MB，免费用户最多可包含 50 个来源。

这些限制会直接影响语雀来源包设计：不要把一个巨大知识库压成一个超大 PDF，也不要把所有文档散成几十上百个小来源后再临时删减。更合理的做法，是在 YuqueOut 导出后先按主题和章节整理，必要时合并过短文档，拆分过长文档。

YuqueOut 导出来源包怎么准备

来源包不是简单的下载目录，而是一个给 AI Notebook 使用、也给人工复核使用的资料单元。建议在本地形成这样的结构：

notebooklm-source-pack/
  README.md
  01-product-background/
  02-user-research/
  03-faq-and-sop/
  04-screenshots-and-assets/
  excluded-sensitive/

README.md 里写清楚来源包用途、导出日期、资料范围、负责人和不包含哪些敏感内容。这样后续 NotebookLM 回答异常时，团队可以先回到源包排查，而不是在 AI 对话里猜测。

YuqueOut 的本地优先机制适合作为这一步的准备层：先把语雀文档导出到浏览器本地，不上传到第三方服务；团队完成清洗、脱敏和分类后，再决定哪些文件上传到 NotebookLM。若资料中图片较多，可以先按 语雀图片本地化备份清单 检查相对路径和断网预览。

来源分组和数量边界

NotebookLM 的优势是围绕来源材料回答，但来源越混杂，答案越难复核。建议按以下边界拆 notebook：

• 一个产品版本：需求、设计稿说明、发布说明、用户反馈和已知问题放在一起。
• 一个客户项目：方案、会议纪要、交付清单、风险记录和验收口径放在一起。
• 一个培训主题：讲义、操作步骤、FAQ、案例和考核题放在一起。
• 一个研究问题：竞品材料、内部讨论、调研笔记和结论草稿放在一起。

如果一个主题超过来源数量或文件大小边界，先拆成多个 notebook，而不是硬塞。比如“客服知识库”可以拆成“公开 FAQ”“退款售后”“企业账号权限”“常见故障排查”。这也方便把内部升级话术和公开帮助内容分开，避免 NotebookLM 在回答里混用不该给用户看的材料。

引用验收问题怎么设计

NotebookLM 会基于来源回答并提供引用，但这不等于每个回答都可上线。导入语雀来源包后，至少用五类问题验收：

1. 精确命中问题。问一个答案只存在于某篇 SOP 的问题，检查引用是否指向这篇文档。
2. 同义词问题。把语雀原文里的“开票”换成“发票抬头”“票据信息”，看是否仍能命中正确来源。
3. 跨文档问题。问一个需要结合两个来源的问题，确认回答不会只引用其中一半。
4. 旧版本干扰问题。故意问历史流程，确认回答不会把废弃文档当成当前规则。
5. 图片上下文问题。问截图或流程图中的关键步骤，确认 Markdown 文字说明足够，不会只依赖图片视觉信息。
6. 缺失问题。问资料包里没有的内容，确认 NotebookLM 会承认缺失，而不是编造。

验收失败时，优先修源文件：补标题、补摘要、删旧稿、拆长文、给截图写文字说明。不要只靠提示词要求“请严格依据资料回答”。当来源包质量低时，提示词很难长期弥补结构问题。

隐私、共享和更新治理

YuqueOut 不会把语雀资料上传到 NotebookLM；它只负责在本地导出。真正的风险点发生在用户把导出的文件上传到外部平台时。因此团队使用 NotebookLM 前，应先定义三条规则：

• 谁能决定上传：客户资料、人事财务、合同、未公开产品计划必须有负责人审批。
• 谁能共享 notebook：共享前检查来源列表，不要因为一个 notebook 里混入敏感资料而扩大访问范围。
• 如何更新：语雀更新后重新导出源包，更新 NotebookLM 来源，并记录导出日期和资料版本。

Google Workspace 的 NotebookLM 产品页说明，用户上传的来源保持私有，除非用户选择共享 notebook；但这不应替代团队内部权限治理。更稳的做法是沿用 企业语雀导入 AI 知识库前的权限治理清单，先分公开、内部、敏感，再决定能否上传。

上线前检查清单

• 来源包有 README，写明用途、范围、导出日期和负责人。
• 文件名能表达主题，没有 final、new、test、未命名文档。
• Markdown 标题层级完整，图片使用本地相对路径。
• PDF 资料可人工打开复核，关键截图有文字说明。
• 每个 notebook 对应一个主题，不混入跨部门或跨权限资料。
• 已用真实问题检查引用、同义词、跨文档、旧版本、缺失问题。
• 共享前复核来源列表，确认没有客户、人事、财务、合同或未发布内容误传。
• 保留 YuqueOut 导出的本地原始包，便于后续回滚和重新上传。

常见问题

语雀知识库可以直接导入 NotebookLM 吗？

NotebookLM 不能直接一键读取整个语雀空间。更稳的路径是先用 YuqueOut 把语雀内容导出为 Markdown、PDF 和本地图片，再把清洗后的文件作为 NotebookLM 来源上传。

导入 NotebookLM 优先用 Markdown 还是 PDF？

普通语雀文档优先保留 Markdown，因为标题、列表、代码块和表格便于维护；含大量截图、制度手册或固定版式资料可以同时导出 PDF，作为上传兼容和人工复核材料。

一个 NotebookLM notebook 应该放多少语雀文档？

不要按全公司知识库一次性塞入。建议一个 notebook 对应一个产品版本、客户项目、培训主题或研究问题，并留出来源数量余量，方便后续增量更新。

NotebookLM 的引用准确就代表资料包合格吗？

不代表。除了检查引用是否指向正确来源，还要验证旧版本干扰、图片信息缺失、权限边界、缺失问题拒答和多人共享后的来源可访问性。

YuqueOut 会把资料上传到 NotebookLM 吗？

不会。YuqueOut 只在浏览器本地导出和转换语雀内容，不自动上传到 Google、NotebookLM 或其他 AI 平台。上传动作由用户自己完成。

参考来源：Google NotebookLM Help - Add or discover new sources for your notebook；Google Workspace - NotebookLM product overview。