教程 22：Claude Code + NotebookLM = Super Intelligence

Jack Roberts 最近两个月视频详细教程系列

📺 Jack Roberts ⏱ 单集详细教程 🗓 2026-05-26

← 返回教程索引

教程 22：Claude Code + NotebookLM = Super Intelligence

视频信息

注：本教程基于英文自动字幕整理为中文学习笔记；工具名称、产品界面和价格可能随时间变化。

引言

这集视频的核心不是单纯介绍 Claude Code + NotebookLM = Super Intelligence，而是展示 Jack Roberts 如何把 it’s、NotebookLM、data、we’re、Claude Code 放进一个可执行的 AI 工作流。学习时要抓住三件事：它解决什么问题、它如何接入现有工具链、它如何沉淀为下一次还能复用的系统能力。

如果你只记住工具名，很快会被下一轮更新覆盖；如果你记住视频里的工作流结构，就能把这些工具迁移到自己的项目、客户交付、自动化系统和内容生产流程中。

“And if you don’t know who I am, my name is Jack Roberts.”

第1阶段：更新背景与问题定义

1.1 本阶段要解决的问题

这一阶段可以理解为视频中的第 1 个学习单元。它围绕 NotebookLM、Claude Code、data、can’t 展开，重点是把一个工具更新或用例转换成可操作流程。不要把它当成新闻，而要拆成“输入是什么、处理步骤是什么、输出如何验收”。

“You have a million tokens in terms of context.”

1.2 操作逻辑拆解

1.3 复刻到自己项目的做法

  1. 写清目标：用一句话定义你希望 Agent 完成的业务结果，而不是只写“帮我做一下”。
  2. 提供上下文：把项目说明、参考资料、约束条件和已有文件放到 Agent 能读取的位置。
  3. 拆成子任务：研究、实现、设计、审查、文档分别处理，必要时并行。
  4. 要求可验证输出：让 Agent 给出文件、链接、表格、清单或测试结果，而不是只给口头解释。
  5. 沉淀模板：把成功的提示词、命令、目录结构和验收标准保存下来。

1.4 学习检查点

第2阶段：安装、配置与进入工作台

2.1 本阶段要解决的问题

这一阶段可以理解为视频中的第 2 个学习单元。它围绕 NotebookLM、click、you’re、youtube 展开，重点是把一个工具更新或用例转换成可操作流程。不要把它当成新闻，而要拆成“输入是什么、处理步骤是什么、输出如何验收”。

“And you can do it with all the sources.”

2.2 操作逻辑拆解

2.3 复刻到自己项目的做法

  1. 写清目标：用一句话定义你希望 Agent 完成的业务结果，而不是只写“帮我做一下”。
  2. 提供上下文：把项目说明、参考资料、约束条件和已有文件放到 Agent 能读取的位置。
  3. 拆成子任务：研究、实现、设计、审查、文档分别处理，必要时并行。
  4. 要求可验证输出：让 Agent 给出文件、链接、表格、清单或测试结果，而不是只给口头解释。
  5. 沉淀模板：把成功的提示词、命令、目录结构和验收标准保存下来。

2.4 学习检查点

第3阶段：知识库、记忆与上下文管理

3.1 本阶段要解决的问题

这一阶段可以理解为视频中的第 3 个学习单元。它围绕 it’s、data、we’re、Claude Code 展开，重点是把一个工具更新或用例转换成可操作流程。不要把它当成新闻，而要拆成“输入是什么、处理步骤是什么、输出如何验收”。

“And I should also add, by the way, that it is now available inside Gemini.”

3.2 操作逻辑拆解

3.3 复刻到自己项目的做法

  1. 写清目标：用一句话定义你希望 Agent 完成的业务结果，而不是只写“帮我做一下”。
  2. 提供上下文：把项目说明、参考资料、约束条件和已有文件放到 Agent 能读取的位置。
  3. 拆成子任务：研究、实现、设计、审查、文档分别处理，必要时并行。
  4. 要求可验证输出：让 Agent 给出文件、链接、表格、清单或测试结果，而不是只给口头解释。
  5. 沉淀模板：把成功的提示词、命令、目录结构和验收标准保存下来。

3.4 学习检查点

第4阶段：知识库、记忆与上下文管理

4.1 本阶段要解决的问题

这一阶段可以理解为视频中的第 4 个学习单元。它围绕 data、we’re、build、NotebookLM 展开，重点是把一个工具更新或用例转换成可操作流程。不要把它当成新闻，而要拆成“输入是什么、处理步骤是什么、输出如何验收”。

“And also, when you’ve got queries that you search for, you can then turn those into notebooks also.”

4.2 操作逻辑拆解

4.3 复刻到自己项目的做法

  1. 写清目标：用一句话定义你希望 Agent 完成的业务结果，而不是只写“帮我做一下”。
  2. 提供上下文：把项目说明、参考资料、约束条件和已有文件放到 Agent 能读取的位置。
  3. 拆成子任务：研究、实现、设计、审查、文档分别处理，必要时并行。
  4. 要求可验证输出：让 Agent 给出文件、链接、表格、清单或测试结果，而不是只给口头解释。
  5. 沉淀模板：把成功的提示词、命令、目录结构和验收标准保存下来。

4.4 学习检查点

第5阶段：安装、配置与进入工作台

5.1 本阶段要解决的问题

这一阶段可以理解为视频中的第 5 个学习单元。它围绕 i’m、ideas、beautiful、lovable 展开，重点是把一个工具更新或用例转换成可操作流程。不要把它当成新闻，而要拆成“输入是什么、处理步骤是什么、输出如何验收”。

“that’s important to understand, overview of why we’re talking about Notebook LM because then you can understand why this is so powerful.”

5.2 操作逻辑拆解

5.3 复刻到自己项目的做法

  1. 写清目标：用一句话定义你希望 Agent 完成的业务结果，而不是只写“帮我做一下”。
  2. 提供上下文：把项目说明、参考资料、约束条件和已有文件放到 Agent 能读取的位置。
  3. 拆成子任务：研究、实现、设计、审查、文档分别处理，必要时并行。
  4. 要求可验证输出：让 Agent 给出文件、链接、表格、清单或测试结果，而不是只给口头解释。
  5. 沉淀模板：把成功的提示词、命令、目录结构和验收标准保存下来。

5.4 学习检查点

第6阶段：安装、配置与进入工作台

6.1 本阶段要解决的问题

这一阶段可以理解为视频中的第 6 个学习单元。它围绕 superbase、data、you’re、click 展开，重点是把一个工具更新或用例转换成可操作流程。不要把它当成新闻，而要拆成“输入是什么、处理步骤是什么、输出如何验收”。

“We can do agentic web browsing, which is fantastic.”

6.2 操作逻辑拆解

6.3 复刻到自己项目的做法

  1. 写清目标：用一句话定义你希望 Agent 完成的业务结果，而不是只写“帮我做一下”。
  2. 提供上下文：把项目说明、参考资料、约束条件和已有文件放到 Agent 能读取的位置。
  3. 拆成子任务：研究、实现、设计、审查、文档分别处理，必要时并行。
  4. 要求可验证输出：让 Agent 给出文件、链接、表格、清单或测试结果，而不是只给口头解释。
  5. 沉淀模板：把成功的提示词、命令、目录结构和验收标准保存下来。

6.4 学习检查点

第7阶段：安装、配置与进入工作台

7.1 本阶段要解决的问题

这一阶段可以理解为视频中的第 7 个学习单元。它围绕 it’s、you’re、pinecone、Claude Code 展开，重点是把一个工具更新或用例转换成可操作流程。不要把它当成新闻，而要拆成“输入是什么、处理步骤是什么、输出如何验收”。

7.2 操作逻辑拆解

7.3 复刻到自己项目的做法

  1. 写清目标：用一句话定义你希望 Agent 完成的业务结果，而不是只写“帮我做一下”。
  2. 提供上下文：把项目说明、参考资料、约束条件和已有文件放到 Agent 能读取的位置。
  3. 拆成子任务：研究、实现、设计、审查、文档分别处理，必要时并行。
  4. 要求可验证输出：让 Agent 给出文件、链接、表格、清单或测试结果，而不是只给口头解释。
  5. 沉淀模板：把成功的提示词、命令、目录结构和验收标准保存下来。

7.4 学习检查点

核心概念速查表

概念 解释
it’s 视频中反复出现的关键能力，需放入实际项目流程中理解。
NotebookLM 把资料、文档和知识库变成 AI 可检索上下文的工具。
data 视频中反复出现的关键能力，需放入实际项目流程中理解。
we’re 视频中反复出现的关键能力，需放入实际项目流程中理解。
Claude Code 以代码、文件和命令行为中心的工程 Agent 工作台。
you’re 视频中反复出现的关键能力，需放入实际项目流程中理解。
ahead 视频中反复出现的关键能力，需放入实际项目流程中理解。
i’m 视频中反复出现的关键能力，需放入实际项目流程中理解。
click 视频中反复出现的关键能力，需放入实际项目流程中理解。
add 视频中反复出现的关键能力，需放入实际项目流程中理解。
cool 视频中反复出现的关键能力，需放入实际项目流程中理解。
youtube 视频中反复出现的关键能力，需放入实际项目流程中理解。

8 个学习启示

  1. 从目标出发：先定义最终产物和验收标准，再选择工具。
  2. 把 AI 当系统，不当聊天框：真正的收益来自上下文、工具、文件和流程的组合。
  3. 多模型分工优于单模型崇拜：强模型做关键决策，便宜模型做批量任务，本地模型做隐私和低成本任务。
  4. 并行必须有边界：子 Agent 适合处理互不依赖的研究、草稿、设计和审查任务。
  5. 上下文决定质量：没有项目资料和历史决策，Agent 只能猜。
  6. 每次输出都要可检查：文件、表格、链接、测试和清单比“看起来不错”可靠。
  7. 把成功经验写成模板：复用流程比复用单个答案更有价值。
  8. 保留人工审批：涉及发布、发邮件、客户数据、付费和删除操作时必须人工确认。

10 个常见误区

  1. 误区：新工具本身就是生产力 → 真正的生产力来自清晰流程和上下文管理。
  2. 误区：提示词越长越好 → 更重要的是输入结构、文件资料和验收标准。
  3. 误区：Agent 可以一次性做完所有事 → 复杂任务应拆成阶段，并逐步检查。
  4. 误区：所有任务都要用最贵模型 → 应按任务价值和风险做模型路由。
  5. 误区：自动化就是无人值守 → 高风险动作仍需要审批。
  6. 误区：只看界面演示就算学会了 → 必须自己复刻一个最小工作流。
  7. 误区：多 Agent 越多越好 → 没有任务边界和汇总机制，多 Agent 会制造噪音。
  8. 误区：记忆就是保存全部聊天记录 → 记忆应保存决策、偏好、约束和可复用资料。
  9. 误区：AI 设计只要好看 → 商业交付还需要信息架构、内容准确性和响应式体验。
  10. 误区：教程只需要看一遍 → 每集都应转化成一个模板、清单或实际项目练习。

12 个关键要点

  1. 本集主题是 Claude Code + NotebookLM = Super Intelligence，核心价值在于把工具能力放进可复用工作流。
  2. 主题关键词包括：it’s、NotebookLM、data、we’re、Claude Code、you’re、ahead、i’m。
  3. 任何 Agent 工作流都应先定义目标，再补充上下文，最后执行与验收。
  4. 不要只复制视频里的工具按钮，要复制背后的任务拆解方式。
  5. 多模型协作的关键是按任务分工，而不是频繁切换工具。
  6. 知识库和长期记忆能显著降低重复解释成本。
  7. CLI、MCP、连接器是把 AI 接入真实业务系统的关键入口。
  8. 设计、网站、视频和营销输出都需要审查环节。
  9. 成本优化应该从任务分层开始，而不是盲目换便宜模型。
  10. 每次成功实践都应沉淀为模板、脚本、文档或 skill。
  11. 对外发布、客户数据、邮件发送等动作必须保留人工确认。
  12. 学习本集的最终产物应该是一个你自己能运行的小型流程。

额外资源

推荐深入学习

相关关键词

it’s, NotebookLM, data, we’re, Claude Code, you’re, ahead, i’m, click, add, cool, youtube, give, we’ve

结论

这集视频可以当作一个独立学习单元：它围绕 知识库、长期记忆、上下文管理 展开，但真正值得带走的是背后的系统化方法。把工具更新转化为自己的工作流模板，才是学习这类视频的正确收益。

建议你完成一个最小练习：选一个真实任务，用本教程的阶段拆解方式写出目标、上下文、子任务、输出和验收标准，然后让 Agent 执行并复盘。

“We can do agentic web browsing, which is fantastic.”

最终目标：不是记住这个工具，而是把它变成你自己的 AI 生产系统中的一个稳定组件。

本教程基于 YouTube 英文自动字幕整理，仅供学习参考。