附录：AI浪潮中的深度阅读利器：NotebookLM实践指南

这是AI生成的双人对话播客版，用来讲解本文内容；如果你更喜欢听，可以试试这个版本。

题记：本文属于我的一个未完成的书稿，书名暂定为《如何读透一本书》。这个书稿，除了前言和结语之外，正文一共九个章节。这个是本书的附录。你可以在本文末尾找到其他章节的链接。

在本书中，我们详细讨论了 PQ4R 阅读法。它的核心，不是把书“看完”，而是把被动的信息接收，转化为主动的认知加工。读者需要先预览、再提问，在阅读中不断反思，并通过复述与复习，把外来的信息真正转化为自己的知识结构。

在人工智能快速发展的今天，这一过程已经可以借助一些新的工具来增强。其中，Google 推出的 NotebookLM，就是一个与深度阅读、证据意识和批判性思维高度契合的辅助工具。它最大的特点，不是“很会聊天”，而是尽量围绕你提供的材料来回答问题，并在回答中给出引文或定位线索，方便你回到原文核查。对于重视证据、重视出处、重视上下文的读者来说，这一点尤其重要。

如果这种工具在更早的时候就已经普及，那么许多人在阅读长书、整理资料、比较不同观点时，都会大幅降低信息筛选成本，也能提高分析效率。我偶尔向朋友感叹说，如果我15岁时就能用上 NotebookLM 就好了。可惜，这么好用的工具直到我30多岁时才出现。

不过，工具再强，也只是辅助。真正的理解，依然发生在人的头脑之中。AI 可以帮你更快地抵达问题现场，但不能替你完成思考本身。我的朋友也跟我说，即便把这么好的工具介绍给如今的年青人，大部分人也不会去使用。因为大部分人没有足够强的好奇心和求知欲，没有终身学习的内在动机。

我希望正在阅读这本书的你能形成终身学习的内在动机。而 NotebookLM 或者别的AI产品，对于充满好奇心和求知欲的你来说，就是如虎添翼了。

以下是将 PQ4R 阅读法嵌入 NotebookLM 的一个具体框架。

与很多通用型对话AI相比，NotebookLM 更强调围绕用户提供的