我大量用 NotebookLM 整理投資筆記：把影片逐字稿、研究報告、社群討論丟進去，讓它幫我摘要。它最大的優點是接地（grounding）——只根據你給的來源回答，比一般聊天機器人少很多憑空捏造。

但用久了會發現，「只根據資料」有它自己的盲點：資料彼此矛盾時，它可能挑一邊講；資料沒涵蓋的地方，它可能用很順的語氣帶過；你的資料本身偏向某個觀點，它的摘要也會跟著偏。下面是我實際在用的幾個做法。

降低幻覺的三個問題

每次整理完一批資料，我會固定再問這三題：

  1. 矛盾：這些來源之間，有哪些觀點不一致、互相矛盾或衝突？
  2. 空白：這些來源有哪些資訊空白或覆蓋不足？要完整理解這個主題，還缺哪些必要資料？
  3. 遺漏：現有來源有沒有漏掉不同的觀點、替代想法，或比較少被提到的看法？具體是什麼？

這三題的作用，是逼它把「沒講到的部分」說出來。很多時候第二題的答案，就是我下一步該去補的資料。

結構化摘要範本

要把一大批資料整理成可以留存的筆記，我用這段：

主題為「○○」。根據選中的所有文件，提取所有關鍵事實、數據、論點與細節。請保留原文的專有名詞與核心數值，並將其整理成一份超長、詳盡的結構化摘要。由於字數限制進行分段，我將以對話「繼續」銜接不重複內容的文本，並且在文本最後以百分比告知文章進度。

重點在「保留原文的專有名詞與核心數值」——摘要最常出錯的地方，就是把數字和名稱改寫掉。分段加上進度百分比，是當時為了繞過輸出長度上限的做法；如果你用的版本已經沒有這個限制，可以拿掉。

一個「事實查核助理」Gem

Gemini 可以自訂助理（Gem）。我參考常見的五段式結構來寫：

  • 角色：嚴謹的事實查核員。
  • 任務：驗證資訊的真實性。
  • 流程：先找依據，再下結論。
  • 限制：只使用我提供的內容或即時查證到的資料；所有推論都要標註「這是推論」；資訊不足就說「無法確定」，不要補完。
  • 輸出格式：有資料時是「回答＋資料依據」；沒資料時是「無法確定＋原因」。回答前自檢：有沒有清楚的依據、有沒有超出問題範圍、有沒有出現我沒提過的數據。

實際用起來，它真的會主動標註「這是推論」，也會把依據來源列出來。這是我目前覺得最有效的一種約束方式：把「不知道就說不知道」寫成它的工作內容，而不是希望它自己記得。

一個要小心的地方：人設提示詞

我以前做影片腳本時，寫過一份「財經播客主持人布萊茲」的提示詞，讓 AI 用我的口吻產出整段內容。後來發現，這類人設提示詞正是捏造的來源之一——它會用很像我的語氣，說出我沒說過的話。

現在的做法是：人設提示詞一定要跟上面的三個問題、事實查核規則一起用，而且產出的每一段「我的經驗」，都要回頭對照我真的說過的素材。

小結

NotebookLM 和 Gemini 都很會整理，但整理不等於查證。三個問題幫你找出它沒講的，事實查核 Gem 幫你擋住它亂講的——兩個都用上，筆記才敢拿來寫文章。

資料來源

  • 本人自用提示詞範本（2026-01～03）
  • 本人與 Gemini 討論「結構化 Gem 最佳實踐」的對話紀錄（2026-03）
  • NotebookLM、Gemini 功能為 2026 年初狀態，版本未標註

封面圖由 AI 生成。