簡報風格也能精準控制了!「YAML指令」如何讓NotebookLM生成職人質感?4個寫作技巧一次看
簡報風格也能精準控制了!「YAML指令」如何讓NotebookLM生成職人質感?4個寫作技巧一次看

生成式 AI能一鍵製作簡報,但許多人常常面臨內容精準、設計卻很廉價的問題。Google 旗下的 AI 筆記工具 NotebookLM 近期推出的「Slide」簡報生成功能能快速製作出精美簡報,但不是無法即時修改,就是視覺效果顯得呆板且缺乏層次。

日本一名資深簡報設計師 FUJI 在部落格指出,雖然 AI 一鍵生成極為便利,但產出的內容常顯得視覺過時、色彩單調且具備強烈的AI 罐頭感。在與AI溝通時,他建議使用 「YAML 指令」 ,能夠精準主導簡報設計風格,避免生成內容千篇一律。

YAML 是什麼?

首先,先了解所謂的 YAML 指令。雖然AI能夠執行各種回應,但如果只說「幫我生成一份漂亮的簡報」,跑出來的不盡然是真正想要的結果,你必須來回反覆提出修改指令,才能避免AI隨機生成。

而所謂的 YAML(Yet Another Markup Language)指令,本質上就是一份具備條理的設計規範說明書,使用者不用寫出複雜的程式碼,只用簡單的「標籤」和「內容」來和AI溝通。

YAML 的優點在於,透過指定特定色碼與字體,AI 接收到的是精確的指令,沒有模糊地帶。 當你想要背景色的色碼是 #0A0E14 (極致深藍黑),AI就會應要求生成,不會塗錯顏色。

舉例來說,如果用 YAML 來寫「點餐清單」會長這樣:

我的晚餐:
主食: "牛肉麵"
細節:
辣度: "中辣"
蔥花: "要很多"
麵條: "粗拉麵"
小菜:
- "滷蛋"
- "海帶"

NotebookLM 的 YAML 指令也是一樣的道理,例如告訴 AI:「標題一定要用粗體無襯線體、背景只能用深藍黑、所有數據都要用螢光青色點綴。」只是需要按照一定的格式寫法,才能讓AI讀懂並精準產出。

如何撰寫 NotebookLM 的 YAML 指令?4個技巧快速掌握

撰寫 YAML 時,先想像你正在為一位設計師編寫「視覺準則」,基本規則有4個:

  1. 關鍵字與冒號: 每個設定都由「關鍵字: 內容描述」組成,記住冒號後面要空格再接內容描述。
    例如:不能寫成「顏色:黑色」,要寫成「顏色: 黑色」。
  2. 縮排: 縮排表示「隸屬關係」,就像寫大綱一樣,小項目要比大項目往右縮排。
    例如:在「全體設計設定」下縮排,代表接下來的內容都屬於全體規範。
  3. 註解(#): 以 # 開頭的文字是給人看的筆記,AI 會參考但不視為硬性指令,適合用來定義風格氣氛。
  4. 清單(-): 使用 - 開頭代表這是一個「清單項目」,適合用來列出多種不同的版面配置。

再搭配4個寫作技巧:

  1. 定義視覺主軸: 明確規範色碼、配色與字體排版。例如指定使用細身無襯線體與極簡色碼,能瞬間去除 AI 預設的陳舊感。
  2. 建立共同網格規範: 指令中要包含對網格系統(Grid)與留白的要求。透過嚴格的對齊規則與預留呼吸空間,能讓投影片顯得更有高級感。
  3. 預設版面目錄: 簡報不可能每一頁都長一樣,因此要預設多種投影片模式,例如全螢幕的大圖頁面、左右分割的對比頁面等,讓 AI 能根據不同內容邏輯自動套用最適配的排版模組。
  4. 設定設計紅線與邏輯: 在指令最後設定AI必須遵守的守則,例如「禁止使用高飽和度色彩」或「排除純黑色 (#000000)」,確保視覺穩定性。

以「質感知性流動絲線風」為例,YAML指令如下:

還是覺得寫法沒頭緒怎麼辦?可以在視覺設計網站找尋想要的風格,例如Pinterest、Behance,請AI分析視覺元素、層次、字體、顏色配置等。

再懶人的做法就是直接找AI來幫你寫:「我想要一種像 Apple 官網那樣極簡、白底、黑字、字體很大的設計,請幫我寫成 NotebookLM 專用的 YAML 指令。」

動手實測:6個步驟生成NotebookLM精美簡報

以整理「爛番茄評選2025最佳電影」的簡報為例,準備好資料和YAML指令後,來試試看生成的效果:

第一步:餵入資訊素材

在 NotebookLM 建立筆記本,並上傳資料來源,包括 PDF、網頁、YouTube 影片逐字稿或 Word 文件,作為簡報內容的骨幹。

#1 NotebookLM YAML
圖/ NotebookLM

第二步:開啟自訂模式

點擊介面右側的簡報資料按鈕。在彈出的生成視窗中,點擊「自訂簡報」的小圖示,會開啟一個可輸入文字的對話框。

#0 NotebookLM YAML
圖/ NotebookLM

第三步:貼入設計指令

選擇「簡報投影片」,語言改為中文,長度改為預設,並在對話框中貼入寫好的 YAML 指令。

#2 NotebookLM YAML
圖/ NotebookLM

第四步:執行生成與調整

點擊生成,AI 會依據您的資料內容與 YAML 規範進行排版。若結果不滿意,可以調整 YAML 中的文字(如將「極簡」改為「建築感」)再次嘗試。

NotebookLM YAML
圖/ 數位時代

第五步:跨 AI 協作優化

如果不知如何撰寫 YAML,建議先將範本簡報或風格截圖提供給AI,轉化為 YAML 格式後,再貼回 NotebookLM,透過「AI 協作 AI」的方法能大幅提升產出的精準度。

小提醒: 由於 Google AI Pro 方案每日有生成次數限制(約 15 次),建議在執行前先在記事本微調好 YAML 指令,以確保每一次生成都能達到最高效能!

第六步:精修簡報

NoteBookLM生成好的簡報無法修改細節,因此在下載簡報後,可以到Gammas、Lovart Slides等AI簡報工具調整內容、提高畫質等。

延伸閱讀:實測|Lovart Slides上手指南:4步驟駕馭 NanoBanana Pro,做出「可分層可細修」的專業PPT

同場加映:復古拼貼、科技藍圖風簡報指令

再來試試看「復古拼貼藝術風」的簡報效果,以「2025年滾石雜誌評選前百大最佳音樂」為例:

#1 NotebookLM YAML
圖/ 數位時代

科技藍圖風:

NotebookLM YAML
圖/ 數位時代

延伸閱讀:NotebookLM新增「資料表格」功能!一鍵提取關鍵數據,還能匯到Google試算表!實測教學一次看 Google官方發布8種NotebookLM簡報玩法,零散筆記變專業簡報!中英文提示詞一次看

責任編輯:蘇柔瑋

往下滑看下一篇文章
AI NAS 何時才值得部署?QNAP 拆解地端 AI 的成本、算力與資料門檻
AI NAS 何時才值得部署?QNAP 拆解地端 AI 的成本、算力與資料門檻

當資料不能離開企業,運算就得靠近:AI 先改寫儲存架構

AI 帶來的第一個變化,不只是運算能力提高,而是企業必須重新決定資料放在哪裡。

儲存架構大致分為雲端與地端兩塊,QNAP 身為資料安全的守護者,長期發展的是地端網路儲存設備(NAS),並擴展至 25GbE、100GbE 高速網路交換器產品線,提供完整的儲存與高速網路基礎架構。威聯通科技(QNAP)總經理劉文義解釋,當資料因合規要求或敏感度不能上雲,就必須留在靠近使用者與應用的地方;運算需求一旦增加,承接資料的裝置也自然被推向地端 AI。

不能上雲的名單比想像中長。醫療業持有大量醫療個資,金融與保險業受到合規與法規限制,部分大學院校與設計公司也不希望資料被雲端存取。對這些組織而言,問題並不是雲端好不好用,而是一開始就沒有把核心資料全面上雲的選項。

qnap2.jpg
威聯通科技(QNAP)總經理暨威強電集團(IEI)董事長 劉文義
圖/ 數位時代

真正讓更多企業回頭計算的,則是長期成本。劉文義指出,資料上傳雲端可能免費,下載卻會按流量收費;當企業把一年、兩年、三年的費用加總回推,可能會發現,購買一台同等容量的 NAS,還能使用 7-10 年。資料規模愈大、存取愈頻繁,總持有成本的差距就愈值得評估。

這並不代表雲端與地端只能二選一。雲端仍適合模型訓練、程式開發與波動大的工作負載;地端則較適合高頻存取、對延遲敏感,或不能離開企業邊界的資料。企業真正要回答的,是每一類資料與任務應該放在哪裡。

依 QNAP 觀察,客戶過去關心的是需要幾 TB、幾 PB,或備份速度有多快;現在更常問的是,機器裡的資料要如何被 AI 活用。QNAP 也從 2021 年起,把公司發展定調在 AI 與高速網路的融合,試圖讓 NAS 從資料保存的位置,進一步成為資料被調用的位置。

當資料量持續擴大,搜尋與管理方式也會跟著改變。「在 NAS 裡放入 AI Agent 會越來越不可或缺。」劉文義舉例,當照片累積到 10 萬、20 萬張,要找出其中幾張特定畫面,已不可能只靠人工翻找。此時,能理解內容、接受自然語言指令的 AI 工具,會從加分功能逐漸變成必要條件。

從資料治理到地端推論:AI NAS 如何進入企業工作流?

AI NAS 不是「多了 AI 功能的 NAS」,而是 NAS 在企業工作流裡換了位置。 依 QNAP 觀察,目前客戶大致分布在一條導入光譜上。人數最多的一群,仍在把資料集中、分類、清理與建立權限。這一步看似與 AI 無關,卻決定後續系統能不能找到正確資料、辨識版本,並把答案交給有權限的人。

中間一群開始建置私有的檢索增強生成(RAG)知識庫。RAG 並不是重新訓練一個模型,而是在模型回答前,先從企業的 SOP、合約、法規或技術文件中取回相關內容,再產生附有來源依據的答案。QNAP 以 Qsirch 的語意搜尋能力協助建構這類應用,協助企業建立私有知識庫;而走在最前面的少數企業,則已經嘗試地端推論與 AI Agent。

模型的選擇權,QNAP 刻意留給客戶。知識庫背後採用哪一個模型,可由企業依需求決定,不綁定單一 AI 供應商。QNAP 也以 QuAgent AI 助理與模型情境協定(MCP)相關能力,讓管理者透過自然語言查詢狀態、調整設定,並讓 NAS 成為 AI Agent 可調用的資料節點。

不過,劉文義沒有把這條路說得太容易。他坦言,目前 NAS 硬體的 AI 運算能力仍有限。一般企業期待的應用,可能需要約 300 到 800 TOPS,甚至 1,000 TOPS,因此多數方案會以 NVIDIA 顯示卡補足算力;一張卡約需新台幣 10 萬至 12 萬元,一張算不完,就得配置 2 張或 4 張。

「整體成本可能是過去單獨一台 NAS 的 5 倍到 10 倍,並不是大部分中小企業都能接受。」除了硬體,使用者還需要 AI 應用的 Know-how、程式背景與開發資源,這些都是落地成本。

QNAP 則是透過算力分級讓各規模與需求的企業都可以有適合的解決方案。在 Computex 2026 搶先亮相的 QNAP AI NAS 中,一類是採用含有 iGPU 與專屬 NPU 的處理器平台,以一百多 TOPS 的範圍,可順暢使用 AI 應用程式;另一類機種則可安裝 1 張或 2 張 NVIDIA 顯示卡,處理更大的運算量。

同時 QNAP 也在軟體端也持續開發,目標是讓 NAS 裡的資料更有效率地被 AI 工具調用,讓資料成為有價值的知識。

從規格走到現場:能源公司如何導入私有 LLM?

本地 AI 實際落地部署會是什麼模樣?劉文義舉了一家約 50 多人的能源公司為例。這家公司原本想用 NAS 搭配雲端 AI 建置內部資料庫,但很快遇到兩個瓶頸:一是員工查詢時明顯出現卡頓;二是專利、技術與合約都高度敏感,高層不願上傳至公有雲,擔心機密資料會有外洩的疑慮。

後來,該公司導入 QNAP AI NAS 的旗艦機種 QAI-h1290FX,搭配顯示卡與全快閃 SSD,在地端部署私有大型語言模型,把數十年來封存的靜態檔案交給 AI 調用,進行跨檔案摘要與精準搜尋。員工因此省下翻找合約與報告的時間,核心機密也能留在企業內部。

這個案例說明,若任務範圍明確,有些應用不必動用雲端大型模型,地端運算量就可能足以支應。

但不同企業的資料量、查詢方式與模型大小不同,導入前仍需要概念驗證(POC)與技術人員評估。

而且,資料留在地端並不等於自動安全。企業仍要處理帳號權限、網路隔離、備份復原、漏洞修補與日常維運。地端的價值,是讓資料邊界與控制權回到企業手上;相對地,安全責任也會更直接地回到企業。

哪些企業現在該做,哪些再等?先看重複性與三個條件

能不能導入地端 AI,不只由產業標籤決定,也要看工作是否重複,以及場景能不能被清楚定義。劉文義觀察,第一批走進來的,除了受法規限制的醫療、金融與保險業,也包括利用地端 AI 加速資料處理的科技業,以及會計、律師等有大量重複文書工作的專業服務業,因為效益較容易被看見。

工廠也是可預期的場景。一條生產線可能有 10 台、20 台機器,每台處理與儲存資料的 Protocol 都不同,需要相對應的儲存裝置;生產過程累積的影像與紀錄可能要保存 3 年到 5 年。當企業要跨設備調用這些資料,AI Agent 與地端資料節點就有發揮空間。

「重複性資料處理越多,或重複性動作越多的產業,越容易透過導入 AI 提高工作效率。」反過來說,較傳統、人力密集,或仍高度依賴人工判斷的製造業,短期內未必能快速導入地端 AI。

依 QNAP 提供的資料,企業也可用「高頻、大量、敏感」三個條件做第一輪判斷:資料是否被頻繁調用?規模是否大到雲端傳輸與長期費用開始變得明顯?內容是否涉及個資、法規、智慧財產或商業機密?三個條件愈集中,地端部署愈值得評估;三者都不成立時,使用雲端 API 往往更簡單,也可能更划算。

可以先等的企業,大致也有三種。第一,資料仍分散、版本混亂、權限不清,急著上 AI 只會把混亂放大,先完成集中與治理,效率就可能先提升。第二,找不到一個具體且反覆發生的業務痛點,只因為「別人都在做」而採購,設備很可能變成昂貴的展示品。第三,使用量仍小、需求偶發,現階段雲端的彈性反而更有優勢。

因此,POC 不應只驗證「模型答不答得出來」,還要回答三個問題:資料由誰負責,誰可以存取?導入後能節省多少查找時間、傳輸成本或人工作業?正式上線後,誰負責資料、模型與資安維運?只有當效益與責任都能被量化,才適合從展示走向正式部署。

企業願意把部分資料留在自己的機房,動力最終仍回到資料主權。QNAP 的主要市場分布在歐洲、美洲與亞太,其中歐洲占比將近一半,而歐洲也正是全球推動資料主權的最大動力。

QNAP 的產品已取得 ISO 27001、ISO 27017 與 ISO 27018 等多項認證,並滿足 GDPR、HIPAA 等資料保護與法規遵循需求;累積至今,已售出約數百萬台裝置,協助企業打造智慧、安全的儲存方案。

至於普及時間點,劉文義提出一個明確的價格與效能交會點:地端應用若要順暢運作,運算量可能至少要達到 300 至 600 TOPS,甚至 800 TOPS,同時價格要落在新台幣 5 萬至 8 萬元。目前符合這些條件的硬體方案仍很有限。

qnap3.png
「AI NAS 不是多了 AI 功能,而是改寫了資料在工作流的位置。」威聯通科技總經理劉文義坦言,地端算力成本高昂,QNAP 透過「算力分級」與開放模型架構,助企業逐步建構私有 RAG 知識庫與 AI 團隊。
圖/ 數位時代

「預測約兩、三年後,應該很快會看到符合一般大眾期待、具備合理 CP 值的產品。那個時間點,就會是 AI 落地最蓬勃發展的時候。」在此之前,企業真正能先做的,不是搶著買最大的模型或最昂貴的顯示卡,而是把資料治理、使用權限與高價值場景準備好。

QNAP 以「資料煉油廠」比喻自己的角色:原油再多,沒有整理、提煉與配送的過程,也無法成為可用的能源。這個定位也點出地端 AI 的競賽條件——不是誰先買到算力,而是誰的資料先準備好被調用。模型會持續更換,但企業自己的資料層則會長期存在。

AI NAS 不是把模型塞進儲存設備,而是在資料必須留在企業內時,讓搜尋、推論與管理靠近資料的地端節點。

QNAP World Tour 2026 台北場將於 2026 年 9 月 18 日(五)舉行,現場將聚焦 AI 應用、儲存備份、網通產品、資安與監控,並安排 Live Demo,適合 IT 管理者、系統整合商與企業決策者參加。

活動地點:新板希爾頓酒店|如意 AB 廳

活動時間:09:20–16:00

地址:新北市板橋區民權路 88 號 2F

立即報名:https://bnex.tw/9f7my4

2026 QNAP 台灣企業資安韌性大調查,填問券抽好禮,倒數計時:https://www.surveycake.com/s/q4abw

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
台達電全解讀
© 2026 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓