Google推出的NotebookLM，雖然核心功能是「幫你讀文件、做摘要」的AI工具，但在進階使用者眼中，需要搭配合適的提示詞才能真正發揮這款工具的潛力。《數位時代》整理10組實用提示詞，幫助使用者縮短整理資料、寫作的時間。
這些提示詞是經由兩位專門分享AI工具與生產力技巧的創作者佩恩（Awa K. Penn）及AI Lockup（@ailockup）所分享。佩恩在各平台累積數十萬追蹤者，並經營Log AI電子報，常分享NotebookLM、ChatGPT 等工具的實戰用法，例如用 AI產生電子報草稿、把影片內容變成資訊圖表等。AI Lockup則提供大量AI工具清單與實作教學，除了分享在Instagram、Facebook、X之外，YT頻道「Ai Lockup」也常分享整合多種模型等平台教學影片。
這些提示詞的應用重點，是從單純的「內容濃縮」演進為「邏輯重組」。透過特定的引導，讓AI進一步辨識資訊架構、擷取關鍵洞察，甚至直接構建出可供決策參考的思考框架。
一、提出5個問題，掌握核心架構
很多人丟資料給NotebookLM後，就要求AI「幫我摘要」，結果只得到一堆段落濃縮，卻看不出整體邏輯，難以抓到真正的重點所在。這個提示詞的目的，是逼AI先想清楚：「如果只能問5個問題，哪些問題最重要？」
範例
角色：資料分析師
任務：分析以下所有文件內容，提出5個核心問題。
要求：回答這5個問題，就能完整掌握所有資料的主要意思。
輸出格式：
- 本質問題 1
- 本質問題 2
- 本質問題 3
- 本質問題 4
- 本質問題 5
適合場景：
1.報告、研究資料快速抓架構
2.課堂教學前掌握核心概念
二、找出資料中最有趣的事
AI總結的摘要只能告訴你資料說了什麼，卻無法告訴你哪個部分最值得寫、和人分享。這個提示詞專門用來挖出最意外、最反直覺、最有故事性的資訊，當你覺得資料很多卻感到無從下手的時候，就可以嘗試運用這個提示詞。
不過值得注意的是，這個提示詞不是提供完整理解，而是用來尋找切入角度。
範例
角色：內容挖掘者
任務：從以下資料中找出最有趣或最令人驚訝的數據與觀點，聚焦亮點而非完整摘要。
要求：附上關鍵引述，並說明為何有趣。
輸出格式：
- 有趣點 1：引述 + 說明
- 有趣點 2：引述 + 說明
- 有趣點 3：引述 + 說明
適合場景：
1.專題報導、文章開頭
2.找寫作角度
三、讓AI注意力集中特定面向
NotebookLM很容易什麼都講一點，結果導致素材分散、文章失焦。這個提示詞的功能是替AI畫紅線，明確告訴它聚焦什麼重點，哪些內容不要講。當你已經定好文章方向，想專注特定重點時可以嘗試這個提示詞。
範例
角色：專題作家
任務：我想寫關於【主題】的文章。
要求：只聚焦在【特定面向】，忽略【其他面向】。
輸出：資料中最令人驚訝或可用的洞察，附上關鍵引述。
適合場景：
1.已有文章題目，需要快速蒐集素材
2.編輯要求特定角度
四、幫你抓漏，找出資料缺口
AI摘要只會整理資料中已經寫出來的東西，但有時候沒有注意到的資料缺口，讓你錯失了真正的重點所在。
以下這個提示詞能幫助使用者找尋「空白處」，或者想知道針對特定技術、論述，為何現在的討論還不完整。
範例
角色：跨來源缺口分析師
任務：分析以下所有資料，找出「缺失資訊」。
要求：
- 重要缺失資訊
- 資料假設但未證實的地方
- 資料間矛盾點
- 提供5個深度研究建議問題
限制：
- 避免一般摘要
- 專注於2026市場情況
適合場景：
1.研究前查漏補缺
2.深度報導
五、紅隊壓力測試
當資料或策略看起來一切都很美好時，背後可能隱藏著沒有在文字中透露的問題。這個提示詞是讓AI扮演刻意找系統漏洞與問題的一方，揪出資料中沒提到的風險及缺陷所在。當你想分析公司、產品，或者產業趨勢是否過度吹捧時，或許可以嘗試這個提示詞。
範例
角色：紅隊審核員（風險評估專家）
任務：對以下策略或計畫進行嚴苛審核。
要求：
- 列出最致命的潛在問題
- 列出技術、市場、執行面風險
- 找出隱含假設
- 上線前必須回答的5個問題
限制：
- 嚴格批判
- 忽略行銷包裝文字
適合場景：
1.評析新產品、新創策略
2.寫質疑型分析文章
六、推演失敗原因，提前找問題
很多失敗其實一開始早有跡象，只是大家選擇忽略。這個提示詞讓AI以失敗為前提，找出當前架構下潛藏的風險與隱憂，強迫你提前面對失敗版本的未來。
範例
角色：行為科學家
任務：根據資料中提到的因素，假設專案兩年後慘敗，分析原因。
輸出格式：
- 失敗故事：用一段文字描述專案失敗過程
- 根因分析：對應當前資料中的弱點
- 現在應採取的修正行動
適合場景：
1.商業分析
2.專案規劃風險預測
七、把複雜資料變可用框架
看完整理的資料後，可能常常遇到一個狀況：雖然好像懂了，但不知道該如何和別人解釋。這個提示詞主要用途是 把複雜內容轉成可教、可記、可重複使用的邏輯框架 。
範例
角色：心智模型專家
任務：將以下資料的核心邏輯映射到三個心智模型（如：第一性原理、逆向思考、二階思考）。
輸出格式：
- 模型 1：[名稱] + 解釋資料如何符合模型
- 模型 2：[名稱] + 解釋
- 模型 3：[名稱] + 解釋
- 視覺化場景描述：請用淺顯易懂的比喻說明最複雜概念
- 基於這些知識，我每天能用的3條行動法則
延伸閱讀： 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
八、一份資料產生多種程度版本
同一份資料，對不同讀者需要完全不同的說法。這個提示詞主要讓你不用重讀一次資料，就能生出面向不同程度讀者的解釋版本，需要教學的內容也能先跑一次，幫自己確認是否真正理解資料核心。
範例一
角色：高中老師
任務：將以下資料用七年級學生能懂的語言解釋。
要求：
- 長話短說：一句話總結
- 類比：生活中實例解釋
- 詞彙表：3個困難詞彙簡單定義
- 將段落拆成5到10題判斷題
範例二
角色：科研助理
任務：分析以下資料
要求：
- 不解釋基本術語
- 重點放方法、樣本數、統計顯著性
- 記錄矛盾證據
輸出：- 關鍵發現
- 方法學優缺點
- 矛盾清單
適合場景：
1.教學
2.專業分析用途
九、把技術資料轉成主管簡報用語
許多技術資料常常對工程師很清楚明白，卻對非技術背景的主管來說晦澀難懂。這個提示詞能將技術內容轉換成更商業層面的資訊，幫助專業工作者向管理者彙報工作，將雙方的理解對焦。
範例
角色：高階策略顧問
任務：將以下技術資料整理成給公司高層或董事會的簡報，讓非技術背景的決策者也能理解其財務影響、競爭優勢與資源需求。
輸出格式：
- 財務影響：用一句話說明此技術對公司或業務的金錢影響
- 競爭優勢：說明這項技術如何讓公司超越現有市場狀況
- 資源需求：預估需要多少預算與人力
- 簡報大綱：5張投影片，重點放在ROI（投資報酬率）與市場占有率
適合場景：
1.商業新聞
2.企業策略分析
十、建立學習路徑
有時看完整理的資料，好像看懂了卻感覺模模糊糊。學習路徑架構師的功能，就是把來源重新排序，幫使用者建立「先學什麼、再學什麼、最後學什麼」的結構，循序漸進建立從新手入門到進階理解的內容。
範例
角色：學習路徑設計師
任務：根據以下所有資料，建立一條有先後順序的學習路徑，避免使用術語，必要時搭配例子，用「向完全不懂的人解釋」的方式重新說明。
輸出格式：
- Level 1（基礎）：哪些資料提供核心名詞與基本概念？
- Level 2（運作）：哪些資料解釋「如何運作」？
- Level 3（進階）：哪些資料屬於高階或理論層？
- 自我檢測測驗：5題需要同時整合至少3個來源才能回答的問題
適合場景：
1.教學文章
2.內訓教材
3.想把整理後的資料教給別人
延伸閱讀：頂尖1%的人都怎麼用AI？一次看懂「DRAG框架」：怎樣聰明偷懶？哪些必須自己做？
ChatGPT有哪些隱藏版功能？從對話框「＋」到選單介面，教你打造專屬AI助理
本文初稿為AI編撰，整理．編輯/陳建鈞
