Tôi đã sử dụng NotebookLM, trợ lý nghiên cứu mạnh mẽ được hỗ trợ bởi AI của Google, từ rất lâu trước khi nó trở nên phổ biến. Tôi đã thử nghiệm nó khi Google ra mắt như một dự án thử nghiệm của Google Labs với tên mã Project Tailwind. Ngay cả khi chưa có tính năng Tổng quan bằng âm thanh (Audio Overviews) – tính năng mà tôi tin là yếu tố giúp NotebookLM được biết đến rộng rãi như hiện nay – công cụ này đã sớm cho thấy tiềm năng to lớn và sức mạnh đáng kinh ngạc.
Một điều đặc biệt về tôi là tôi khá “ngại” thay đổi, và một khi đã tìm thấy thứ gì đó mình yêu thích, tôi sẽ bám trụ lấy nó. Vì vậy, khi NotebookLM đã trở thành một phần không thể thiếu trong quy trình làm việc của tôi (và cải thiện nó đáng kể), tôi không có ý định từ bỏ nó. Gần đây, tôi nhận ra rằng mặc dù NotebookLM là một công cụ xuất sắc khi đứng một mình, việc kết hợp nó với những công cụ phù hợp sẽ đưa hiệu suất làm việc lên một tầm cao mới. Sau đây là 3 công cụ năng suất tôi đã kết hợp với NotebookLM trong thời gian gần đây để tối ưu hóa quy trình làm việc của mình.
1. Perplexity: Cùng Nhau “Đào Sâu” Thông Tin
Để Perplexity Đảm Nhiệm Việc Tìm Kiếm Chuyên Sâu
Một công cụ AI mà tôi đã sử dụng rất nhiều gần đây là Perplexity. Về cơ bản, Perplexity có khả năng tìm kiếm internet theo thời gian thực và thu thập thông tin, nghiên cứu từ các nguồn đáng tin cậy. Chỉ riêng mô tả này, bạn có thể nhận thấy rằng mặc dù yếu tố “nghiên cứu” tồn tại ở cả NotebookLM và Perplexity, nhưng điểm tương đồng giữa hai công cụ này gần như chỉ dừng lại ở đó.
Không như Perplexity, NotebookLM chủ yếu được thiết kế để nâng cao cách bạn làm việc với các nguồn tài liệu đã tải lên một notebook. Vì vậy, công cụ này thực sự hữu ích khi bạn đã thu thập thông tin và chỉ cần những cách tốt hơn để tương tác và hiểu rõ hơn về chúng.
Mặc dù tôi thường thêm các nguồn tài liệu như slide bài giảng vào các notebook trên NotebookLM của mình, nhưng đôi khi tôi muốn bổ sung các nguồn bên ngoài, đặc biệt là những phát hiện mới nhất. Đó là lúc Perplexity phát huy tác dụng. Ví dụ, giả sử tôi có một notebook cho lớp lịch sử thế giới và tôi muốn tìm các nghiên cứu hoặc bài báo mới nhất cung cấp những góc nhìn cập nhật về một sự kiện lịch sử cụ thể. Thay vì tự tìm kiếm các nguồn này một cách thủ công, tôi chỉ cần nhập một câu lệnh vào Perplexity, và thẻ Sources sẽ hiển thị danh sách các liên kết mà tôi có thể thêm vào notebook của mình.
Trong trường hợp Perplexity tìm thấy rất nhiều nguồn và tôi không muốn thêm chúng vào notebook một cách thủ công, tôi có thể sử dụng một tiện ích mở rộng của Google Chrome để tự động hóa quá trình này. Khi các nguồn đã nằm trong một notebook mới (hoặc đã có) trên NotebookLM, tôi sẽ xử lý chúng như một notebook thông thường với các nguồn do chính tôi tuyển chọn. Điểm khác biệt duy nhất ở đây là tôi chưa hoàn toàn quen thuộc với nội dung của từng nguồn.
May mắn thay, NotebookLM giúp việc khắc phục trở ngại này trở nên cực kỳ đơn giản. Tất cả những gì tôi cần làm là yêu cầu nó tóm tắt nguồn, và tôi có thể nhanh chóng nắm bắt thông tin. Tôi cũng có thể tương tác với các nguồn bằng cách tạo Tổng quan bằng âm thanh (Audio Overviews), Sơ đồ tư duy (Mind Maps), Tài liệu tóm tắt (Briefing Docs), Hướng dẫn học tập (Study Guides), và nhiều hơn nữa.
Vì NotebookLM dựa trên nguồn, tôi cũng có thể đặt câu hỏi cho AI về các nguồn và nhận thông tin trực tiếp từ tài liệu của mình với rất ít hoặc không có hiện tượng “ảo giác” (hallucination). Nó chỉ tham chiếu đến tài liệu hiện có và không tìm kiếm trên web để trả lời các truy vấn của tôi, vì vậy tôi không cần lo lắng về việc nó tạo ra các câu trả lời sai lệch chỉ để làm hài lòng tôi.
Cả hai công cụ đều được thiết kế để nâng cao quá trình nghiên cứu, nhưng phục vụ các mục đích hoàn toàn khác nhau. Mặc dù vậy, chúng hoạt động liền mạch cùng nhau, và việc kết hợp chúng chắc chắn là một trong những quyết định thông minh nhất tôi từng đưa ra.
2. Gemini: Tận Dụng Tính Năng Nghiên Cứu Chuyên Sâu
Để Nghiên Cứu Chuyên Sâu Phát Huy Tác Dụng
Gemini AI và tính năng Deep Research mạnh mẽ
Việc kết hợp Gemini với NotebookLM nghe có vẻ lạ… vì NotebookLM thực chất được cung cấp bởi Gemini. Nhưng hãy nghe tôi giải thích. Giao diện Gemini (cả trên trang web và ứng dụng di động) có một công cụ cực kỳ mạnh mẽ gọi là Nghiên cứu chuyên sâu (Deep Research). Tính năng này sẽ nghiên cứu một chủ đề bạn cung cấp… một cách sâu rộng.
Không giống một chatbot AI chỉ mất vài giây để đưa ra câu trả lời cho một truy vấn bạn hỏi, tính năng Nghiên cứu chuyên sâu của Gemini bắt đầu bằng cách xây dựng một kế hoạch về cách tiếp cận để nghiên cứu chủ đề của bạn, và sau đó bắt đầu quá trình nghiên cứu. Trong quá trình đó, Gemini phân tích hàng trăm trang web, bao gồm cả các diễn đàn cộng đồng như Reddit và thậm chí cả video YouTube. Tôi không hề phóng đại khi nói “hàng trăm” ở đây. Khi tôi yêu cầu Gemini sử dụng Nghiên cứu chuyên sâu để thực hiện nghiên cứu về XDA, nó đã phân tích 104 trang web.
Với số lượng nghiên cứu mà công cụ này thực hiện, một điều chắc chắn là: báo cáo cuối cùng nó sẽ xây dựng không hề nông cạn hay là một bản tóm tắt nhanh. Những lúc tôi không muốn đọc hết những phát hiện từ Nghiên cứu chuyên sâu của Gemini, tôi chỉ cần chuyển nó thành một tài liệu Google Docs và đưa vào một notebook trên NotebookLM. Sau đó, tôi nghe một Tổng quan bằng âm thanh (Audio Overview) của nó.
Báo cáo Nghiên cứu chuyên sâu của Gemini đảm bảo tôi có một sự hiểu biết kỹ lưỡng và toàn diện về chủ đề, và NotebookLM giúp tôi tương tác với nghiên cứu đó theo cách thực sự hiệu quả.
Mặc dù Gemini cho phép bạn chuyển đổi báo cáo Nghiên cứu chuyên sâu thành Tổng quan bằng âm thanh ngay trong giao diện, tôi thường chỉ làm vậy khi muốn có một cái nhìn tổng quan nhanh về chủ đề. Khi tôi muốn một tổng quan chi tiết và đầy đủ hơn, tôi lại quay về NotebookLM, đặc biệt là giờ đây bạn có thể kiểm soát độ dài của bản tóm tắt âm thanh.
3. Quizlet: Giải Quyết Vấn Đề “Não Cá Vàng” Khi Học Thuộc
Không Còn Bối Rối Trước Định Nghĩa
NotebookLM tạo flashcard ôn tập từ tài liệu học tập
Mặc dù NotebookLM có rất nhiều tính năng đã thay đổi cách tôi học tập, nhưng có một điều nó vẫn chưa thể khắc phục hoàn toàn: trí nhớ “cá vàng” của tôi. Tôi thực sự rất chật vật trong việc ghi nhớ thông tin và thường quên ngay những gì vừa học thuộc chỉ vài giây sau đó. Tôi vẫn phải dựa vào flashcard cho các môn học nặng về ghi nhớ, và Quizlet là trang web tôi thường xuyên sử dụng cho việc này.
Tôi đã sử dụng Quizlet từ thời đi học và nó là nơi lưu trữ hàng giờ đồng hồ tôi đã bỏ ra để tạo flashcard thủ công. Tuy nhiên gần đây, tôi đã kết hợp Quizlet với NotebookLM theo những cách giúp việc sử dụng cả hai công cụ trở nên dễ dàng hơn. Đối với những flashcard tôi đã tạo, tôi chỉ cần sao chép chúng vào một notebook trên NotebookLM để có thể hiểu chúng tốt hơn và thực sự hỏi AI các câu hỏi về thuật ngữ thay vì chỉ lật qua chúng một cách vô tri.
Vào những ngày tôi học một điều gì đó mới trong một khóa học cần ghi nhớ nhiều và không muốn mất hàng giờ để tạo flashcard từ đầu, tôi để NotebookLM đảm nhiệm phần việc nặng nhọc đó. Tôi thêm tất cả tài liệu học tập của mình vào một notebook trên NotebookLM, sau đó yêu cầu nó tạo các câu hỏi và câu trả lời theo dạng bài kiểm tra trực tiếp từ các nguồn của tôi. Ví dụ, đây là một câu lệnh tôi đã sử dụng:
Hãy tạo 50 câu hỏi và câu trả lời theo dạng flashcard dựa trên notebook này. Giữ chúng ngắn gọn và tập trung. Sử dụng ngôn ngữ rõ ràng, thân thiện với người mới bắt đầu, và bao gồm các khái niệm OOP chính như lớp, đối tượng, kế thừa, đa hình, đóng gói và trừu tượng.
Nhờ vào bản chất dựa trên nguồn của NotebookLM, các câu hỏi mà nó tạo ra luôn gắn liền trực tiếp với tài liệu của tôi, vì vậy tôi biết mình không học thuộc những thông tin bịa đặt hoặc không liên quan. Một khi đã có một bộ câu hỏi và trả lời vững chắc, tôi chỉ cần sao chép chúng vào Quizlet và sử dụng như bất kỳ bộ flashcard nào khác. Đó là một cách tiết kiệm thời gian đáng kể, và thành thật mà nói, nó khiến toàn bộ quá trình học tập bớt áp lực hơn rất nhiều.
Tối Ưu Quy Trình Làm Việc Bằng Cách Kết Hợp NotebookLM Với Các Công Cụ Yêu Thích Khác
Tất nhiên, các công cụ tôi đã đề cập ở trên không phải là những công cụ duy nhất bạn có thể sử dụng cùng với NotebookLM. Một số người kết hợp NotebookLM với Obsidian, trong khi những người khác thậm chí có thể kết hợp nó với ChatGPT hoặc Meta AI. Cuối cùng, tất cả đều phụ thuộc vào sở thích cá nhân và việc tìm ra một sự kết hợp phù hợp nhất với bạn. Hãy thử nghiệm và khám phá những cách thức mới để tối ưu hóa hiệu suất làm việc và học tập của bạn cùng NotebookLM. Đừng ngần ngại chia sẻ những phát hiện hoặc cách sử dụng sáng tạo của bạn trong phần bình luận bên dưới, và đừng quên ghé thăm 123thuthuat.com để đọc thêm nhiều thủ thuật công nghệ hữu ích khác!
