很多刚开始用 NotebookLM 的人都把它当成一个上传几份 PDF 然后提问的单文档问答工具。用一个 Notebook 做课程复习再用一个 Notebook 做论文调研再开一个 Notebook 整理会议纪要。前几个 Notebook 还好等数量到了十几个麻烦就来了首页一排排笔记本名称长得差不多找某个项目资料要靠回忆想对比两个课题的材料得来回切换整个知识库看起来就像一间没有整理过的档案室。NotebookLM 真正值得长期使用的关键恰恰不是单次问答而是它能不能帮你把一个领域、一个项目、一段时间的资料持续管起来。而承担这个组织任务的就是 Collections集合功能。这篇文章会讲清楚 Collections 能做什么、怎么创建和归类、怎么设计一套适合自己的目录结构以及实际操作中容易遇到的坑。读完以后你应该能把手上散乱的 Notebook 整理成一套可以长期使用的个人知识库。1. 为什么 Notebook 多了以后必须学会 Collections先说一个很现实的场景你的 NotebookLM 首页有多少个 Notebook如果只有三五个确实不需要 Collections但如果你同时在跟进两三个研究课题每个课题下面又有不同的子任务再加上课程笔记、读书笔记、工作资料十几二十个 Notebook 是很正常的。没有 Collections 的时候管理 Notebook 基本靠三种笨办法靠记忆。记得住每个 Notebook 里装的是什么资料才能在需要的时候找到它。靠命名。在 Notebook 名称里强行加前缀比如论文-2024-Transformer-笔记用命名规则硬撑。靠多账号。不同项目用不同账号隔离代价是切换成本高资料分散。这三种办法都有明显代价。靠记忆会随着时间失效三个月前的 Notebook 你可能连打开的想法都没有靠命名能解决一部分问题但无法形成层级结构命名再规范也只是一条扁平列表靠多账号更是把简单问题复杂化最后连自己都不记得哪个账号里有什么。Collections 解决的是批量组织和分组这件事。它提供了一个比 Notebook 更上层的容器让 Notebook 不再是一堆平铺的名字而是可以被装进不同集合里。你可以按项目建集合按课程建集合按客户建集合也可以按时间建集合。这和使用文件夹整理电脑文件的思路一致先建目录再把文件放进去。换句话说NotebookLM 的单次问答能力解决的是单份资料怎么读懂Collections 解决的是一堆 Notebook 怎么管好。后者的重要性随着资料量增加而指数上升这其实是所有知识管理工具都会遇到的一道坎。越早建立分类意识后面整理成本越低。2. 先搞清楚三组概念Notebook、Collection、Source在动手之前有必要把 NotebookLM 里的几个核心概念分清。很多人在 Collections 上犯迷糊是因为没有理解这三者的层级关系。2.1 Notebook笔记本Notebook 是 NotebookLM 的基本工作单元。你在一个 Notebook 里上传资料Source然后基于这些资料提问、生成摘要、写笔记。可以理解为一个 Notebook 就是一个研究项目空间它内部有自己的对话记录、笔记列表和引用来源。一个 Notebook 适合承载一组强相关的资料。比如2024 年 Transformer 论文精读可以是一个 Notebook客户 A 的竞品调研也可以是一个 Notebook。判断标准是这些资料是否经常需要放在一起讨论是否属于同一个任务上下文。2.2 Collection集合Collection 是 Notebook 的上层容器。它用来把多个 Notebook 组织在一起形成分组。你可以把同一项目的所有 Notebook 放进一个 Collection也可以把同一课程的所有笔记放进一个 Collection。Collection 本身不直接装资料它装的是 Notebook。这就好比项目文件夹里放的是各种子文件夹而不是单个文档。从产品设计角度说Collection 的价值是让顶层管理变得清晰把几十个平铺的 Notebook 收敛成几个可识别的分组。2.3 Source资料Source 是 Notebook 里的具体资料文件PDF、网页、文本、Google 文档等。Source 归属于某个 Notebook是问答和总结的直接依据。三者的关系可以用一层层包住的结构来理解Collections集合 └── Notebook笔记本 └── Source资料2.4 一个容易混淆的说明这个 Collections 和 Python 的 collections 无关在搜索NotebookLM Collections时很多中文用户会看到 Python 的from collections import Counter这类内容。需要注意这两个完全是两个东西。NotebookLM 的 Collections 是产品功能用于对 Notebook 进行分组管理Python 的collections是标准库模块提供Counter、defaultdict、OrderedDict等数据结构。如果搜 Python 教程时看到Collections相关文章不要和 NotebookLM 的集合功能混在一起。它们只是同名而已。2.5 三者的对比概念作用层级装什么典型用途Collection顶层容器Notebook按项目、课程、时间段组织多个 NotebookNotebook工作单元Source 笔记 对话围绕一组资料进行问答、总结和写作Source资料层PDF、网页、文本等提供问答和总结的原始依据理解这三层关系之后再去看 Collections 的创建和管理思路就会清晰很多。3. 创建 Collections 的完整操作步骤由于 NotebookLM 不同版本的界面入口可能略有差异下面的步骤以通用逻辑为主重点是让你知道应该有这样一个操作路径具体按钮名称以你当前看到的界面为准。3.1 找到 Collections 入口登录 NotebookLM 后通常在首页或资源库页面可以看到一个入口名称可能是 Collections 或集合。在部分版本中左侧导航栏或顶部栏会有明确的 Collections 标签。如果你在首页找不到可以留意右上角或侧边栏是否有筛选按钮。从产品常见交互看Collections 一般和 Notebook 列表在同一个主页面区域方便用户直接切换视图。3.2 新建 Collection点击 Collections 入口后页面会展示你已有的集合列表。新建操作一般是一个明显的按钮按钮文字可能是 New collection、New 或 。点击后输入集合名称保存即可。命名建议集合名称要能一眼看出这是什么项目或什么时间段不要用未命名集合这类默认名称。好的命名示例2024-毕业论文-Transformer客户A-智能客服需求机器学习课程-秋季3.3 把 Notebook 添加到 Collection创建完 Collection 后有两种常见的添加方式第一种从 Notebook 的操作菜单里选择移动到某个集合或添加到集合。第二种在 Collection 页面内部点击添加 Notebook然后从已有 Notebook 列表里选择。如果你的 Notebook 很多建议优先确认界面是否支持搜索功能。一般来说Notebook 列表页都会有搜索框输入名称关键词可以快速定位。3.4 确认移动结果添加完成后回到 Collections 页面应该能看到对应 Collection 的卡片或列表中出现了刚才添加的 Notebook。如果你发现 Notebook 仍然在首页列表里不要紧张这是正常现象Notebook 可以不从主列表中消失只是同时归属于某一个集合。以实际界面的显示逻辑为准。3.5 找不到 Collections 入口怎么办如果你找了一圈都没看到 Collections可以考虑几种情况当前账号使用的版本较旧还没有开放该功能。界面语言或地区差异导致入口名称不同尝试找Collection英文关键词。当前视图不在首页可能需要在资源库或资料库页面才能看到。从产品更新的角度说Collections 这类组织功能通常会先面向部分用户开放再逐步扩大范围。如果确实看不到入口可以先继续用命名规范管理 Notebook同时留意后续更新。4. 如何设计一套适合你自己的 Collection 结构创建 Collection 很简单真正难的是怎么分类。很多人建了 Collection 之后里面堆了一堆 Notebook分类效果比不建还差。这和使用文件夹一模一样如果没有分类逻辑文件夹只是多了一层壳。下面给出几种常用的结构设计思路你可以根据自己的场景组合使用。4.1 按项目划分最推荐的方式直接以项目作为 Collection 的一级分类。Collections ├── 客户A-智能客服 │ ├── 客户A-招标资料分析 │ ├── 客户A-竞品调研 │ └── 客户A-历史项目复盘 ├── 客户B-电商数据平台 │ ├── 客户B-需求访谈 │ └── 客户B-数据库选型对比 └── 内部-数据中台建设 ├── 内部-技术选型讨论 └── 内部-架构评审记录这种结构适合工作场景。每个客户或项目独立成一个 Collection里面的 Notebook 存放该项目的各类资料和对话边界清晰查找成本低。4.2 按课程或知识领域划分学生或自学人群适合按课程、学科领域分类。Collections ├── 机器学习 │ ├── 吴恩达课程笔记 │ ├── 西瓜书阅读笔记 │ └── Kaggle 入门练习总结 ├── 数据库系统 │ ├── 事务隔离级别学习 │ └── 索引优化案例 └── 论文阅读 ├── Transformer 论文精读 ├── BERT 论文精读 └── 注意力机制综述4.3 按时间段或阶段划分如果是长期持续使用同一个工具按时间分类也很有用。适合周报、月报、阶段性复盘等场景。Collections ├── 2024-Q1 │ ├── 1月-产品需求评审 │ └── 2月-技术方案调研 ├── 2024-Q2 │ └── 4月-版本发布复盘 └── 2025-Q1 └── 年度规划资料4.4 用命名规范补足 Collection 的表达能力Collection 只提供一层分组如果你需要更细的维度可以通过命名规范来补充。常见组合是集合名称客户/项目名称 Notebook 名称[类型]-[主题]-[时间]例如Collection客户A-智能客服Notebook调研-竞品功能对比-20250201Notebook会议-需求访谈记录-20250210这样一来Collection 负责大分类Notebook 名称负责细节描述组合起来可以表达哪个客户、什么类型、什么主题、什么时间四个维度的信息。4.5 设计 Collection 结构的三条原则第一保证每个 Collection 内部的主题足够内聚。判断标准是如果有人问你这个 Collection 里是干什么的你能用一句话说清楚。第二Collection 数量不要太多。理想情况是保持在 5 到 15 个之间超过 20 个反而会重新陷入难查找的困境。如果集合数量过大说明你的分类层级设计有问题应该用命名规范在 Notebook 层面做细分。第三预留一个临时区。可以用一个名为Inbox 或待整理的 Collection 接收所有暂时没法确定的 Notebook定期清理。这能避免因为纠结分类而放弃整理。4.6 用目录树和 JSON 明确你的结构在实际规划时建议先写下一个完整的目录结构再照着建立 Collection。下面是一个 JSON 示例可以作为你的规划模板{ collections: [ { name: 客户A-智能客服, type: 项目, notebooks: [ 调研-竞品功能对比, 会议-需求访谈记录, 文档-标书资料 ] }, { name: 机器学习课程, type: 学习, notebooks: [ 吴恩达课程笔记, 习题错题整理 ] }, { name: Inbox-待整理, type: 临时, notebooks: [] } ] }在终端里也可以直接用 tree 风格查看结构tree -L 2 -d my_notebooklm_collections这只是一个本地规划目录示例用于帮助你提前想清楚分类不要理解为 NotebookLM 支持命令行操作。5. 用清单文件辅助管理 Notebook 资源虽然 NotebookLM 本身提供 Collections 界面但当你需要做定期盘点、备份规划或者和团队协作统一分类时纯靠界面操作不够直观。更稳妥的做法是在本地维护一份Notebook 资源清单把集合名称、Notebook 名称、用途、创建日期、重要程度等信息记录下来。5.1 为什么需要外部清单外部清单有三个作用可视化。一眼看全所有 Collection 和 Notebook 的对应关系。可检查。每月检查一次清单发现长期未用的 Notebook 可以及时归档。可备份。即使工具界面变化你的分类逻辑和资料清单还在。注意这里的清单是管理辅助不是备份 Notebook 里的对话内容。真正的内容备份要以 NotebookLM 的导出能力为准。5.2 用 CSV 保存清单一份简单的 CSV 可以这样设计collection,notebook,purpose,created_at,priority 客户A-智能客服,调研-竞品功能对比,分析竞品功能差异,2025-01-10,high 客户A-智能客服,会议-需求访谈记录,记录客户需求,2025-01-15,high 机器学习课程,吴恩达课程笔记,课程知识点整理,2024-09-01,medium 机器学习课程,习题错题整理,复习错题,2024-10-02,medium Inbox-待整理,新想法收集,临时存放,2025-02-01,low5.3 用 Python 脚本把 CSV 转为结构清单下面是一个 Python 脚本用 pandas 读取 CSV按 Collection 分组输出统计信息。这个脚本只是本地数据处理工具帮助你快速检查分类是否合理。import pandas as pd # 文件路径manage_notebooks.py # 读取由你手工维护的 Notebook 清单 df pd.read_csv(notebooks.csv) # 按 collection 分组统计 summary df.groupby(collection).agg( notebook_count(notebook, count), high_priority(priority, lambda x: (x high).sum()) ).reset_index() summary summary.sort_values(notebook_count, ascendingFalse) print( Collection 统计 ) for _, row in summary.iterrows(): print(f{row[collection]}: {row[notebook_count]} 个 Notebook, f{row[high_priority]} 个高优先级) # 查找没有归类的 Notebook假设没有 collection 就放入待整理 inbox df[df[collection].isna() | (df[collection] )] if not inbox.empty: print(\n 待归类 Notebook ) print(inbox[[notebook, purpose]].to_string(indexFalse)) else: print(\n清单中所有 Notebook 都已归类。)运行命令python manage_notebooks.py预期输出 Collection 统计 客户A-智能客服: 2 个 Notebook, 2 个高优先级 机器学习课程: 2 个 Notebook, 0 个高优先级 Inbox-待整理: 1 个 Notebook, 0 个高优先级 清单中所有 Notebook 都已归类。这个脚本的意义不在于自动化操作 NotebookLM而在于让你建立定期盘点的习惯。当你的清单越来越长时它可以帮助你快速发现问题哪个 Collection 塞了太多 Notebook、哪个 Notebook 一直没有归类、哪些项目其实可以合并。5.4 用 JSON 作为结构备份除了 CSV你还可以把整个分类结构保存为 JSON方便后续写工具读取。JSON 的好处是层级清晰和 Collection - Notebook 的结构天然对应。{ version: 2025-02, collections: [ { name: 客户A-智能客服, notebooks: [ {name: 调研-竞品功能对比, priority: high}, {name: 会议-需求访谈记录, priority: high} ] }, { name: 机器学习课程, notebooks: [ {name: 吴恩达课程笔记, priority: medium}, {name: 习题错题整理, priority: medium} ] } ] }在团队协作中维护一份这样的 JSON 或 CSV可以让所有人都按同一套分类逻辑创建 Notebook减少命名混乱。6. 实际工作流从散乱 Notebook 到结构化知识库这一节模拟三个真实场景帮助你理解 Collections 在工作流中的具体用法。6.1 场景一论文与科研管理研究生或科研人员通常同时阅读多篇论文N 个课题并行。过去常见的做法是每篇论文一个 Notebook结果首页堆了几十个论文标题。使用 Collections 后可以按研究方向分类Collection 注意力机制方向放 Transformer 精读、Attention 综述、相关代码分析等 Notebook。Collection 图神经网络方向放 GNN 入门、GraphSAGE、GAT 论文精读。Collection 论文写作放方法描述草稿、实验数据总结、参考文献整理。这样一来正在进行的研究方向一目了然。写论文时只需打开对应 Collection就能找到该方向所有相关资料不需要在首页反复翻页。6.2 场景二课程学习与复习学生用户可以把每门课建一个 Collection里面放课堂笔记、教材精读、错题整理、期末复习材料。学期结束时整个 Collection 就是一门课的知识资产。下一学期重新组织课程时也可以按学期套上时间命名Collection 2025春季-机器学习Collection 2025春季-数据库这样既能按课程找资料也能按时间回顾自己的学习轨迹。6.3 场景三咨询或客户交付项目对乙方团队来说每个客户都是一个独立世界。给客户 A 做的调研、会议、方案和客户 B 的资料混在一起会造成严重的信息污染。使用 Collections 后Collection 客户A-需求分析客户访谈记录、需求清单、原型讨论。Collection 客户A-方案输出方案初稿、竞品对比、报价思路。Collection 客户B-数据迁移数据字典、迁移计划、风险清单。同一个客户下的多个 Notebook 放在一起做交付复盘时直接打开对应 Collection 即可。6.4 一个完整整理流程示例假设你现在的首页有 25 个 Notebook准备开始整理。推荐按这个顺序走先粗略浏览所有 Notebook 名称在心里给它们打上项目/课程/临时的标签。创建 3 到 5 个 Collection名字对应你识别出的主要项目或领域。从最旧的 Notebook 开始逐个归入对应 Collection。拿不准的先丢进待整理。整理过程中顺手给 Notebook 重命名统一加前缀类型。整理完成后检查每个 Collection 的 Notebook 数量超过 8 个的考虑拆分成两个子主题。最后建立一份 CSV 清单记录分类结果以后每月更新一次。这个流程的核心原则是先粗分类再慢慢调优。不要一开始就追求完美分类否则整理动作会因为压力过大而无法执行。7. 常见问题与排查思路在实际使用 Collections 时下面几个问题出现的频率最高。7.1 问题排查表问题现象可能原因排查方式解决方案找不到 Collections 入口账号版本较旧、语言或地区差异、入口位置不同检查首页、侧边栏、资源库页面先使用命名规范管理 Notebook关注官方更新Notebook 没有出现在 Collection 里添加操作未保存、移动目标选错返回 Collection 页面刷新确认目标名称重新执行添加操作确认当前视图是否为对应集合Notebook 归错 Collection分类规划不清晰或误操作在 Collection 页面确认 Notebook 列表执行移动操作把 Notebook 移到正确集合不知道该把 Notebook 放哪个 Collection分类结构设计不佳、缺少待整理区查看 Collection 设计原则确认主题是否内聚新建待整理集合或拆分一级分类Collection 数量过多分类粒度太细统计各 Collection 的 Notebook 数量合并小集合改用 Notebook 命名区分细节重命名 Notebook 后发现引用丢失重命名本身不会影响 Notebook 内部逻辑但外部链接可能失效检查分享链接和引用重命名后更新外部收藏或文档中的链接担心删除 Collection 会删除 Notebook误认为 Collection 是笔记本的上级存储先确认删除操作提示文案删除 Collection 不一定会删除内部 Notebook但操作前务必确认提示不确定时备份资料后再删除7.2 关于一个 Notebook 可以属于几个 Collection这是最常被问到的问题。从 NotebookLM 当前产品设计看一个 Notebook 通常归属于某一个 Collection而不是像标签系统一样可以同时属于多个。如果你需要让一个 Notebook 同时出现在多个主题下更合理的做法是另一个 Collection 中放一个指向该 Notebook 的链接或说明或者在 Notebook 类型命名中标注它的多主题属性。具体行为以你使用的版本文档为准不要凭习惯套用文件系统快捷方式或标签的概念。7.3 NotebookLM 的 Collections 不是备份工具必须强调一点Collections 只是组织管理功能它的分类关系不等于内容备份。如果担心 Notebook 里的重要资料丢失应该定期导出来源文件并在本地保存一份清单。分类关系再清晰也不能替代备份。8. 最佳实践与工程建议这一段是从管理大量 Notebook 的长期使用经验中总结出来的建议适用于已经理解 Collections 基础操作、开始建立自己知识库的用户。8.1 命名规范要提前定命名是知识管理里最容易被低估的环节。Collection 名称和 Notebook 名称都应该具备自我解释能力。推荐格式Collection领域/项目名称如客户A-需求分析论文-注意力机制。Notebook类型-主题-时间如调研-竞品功能对比-20250201。不要使用新建笔记本1未命名集合这类无意义名称。名字是检索的第一入口花 10 秒想一个好名字比以后花 10 分钟猜名字更划算。8.2 控制 Collection 和 Notebook 的数量从信息架构角度看任何扁平列表一旦超过人脑工作记忆容量大约 7 加减 2就会开始混乱。建议Collection 数量控制在 10 个以内。单个 Collection 内 Notebook 数量控制在 8 个以内。Notebook 内部的 Source 数量控制在 10 个以内过多会稀释问答效果。如果超过优先用命名规范做二级区分而不是继续增加 Collection。8.3 定期整理随手清理整理知识库应该像整理工作台每次做完一个阶段任务花两三分钟把新 Notebook归入正确位置每月做一次大盘点检查有没有重复、过时、无用内容。不要等到月底一次性整理几十个 Notebook那样既痛苦又容易出错。8.4 保持待整理通道畅通建立一个待整理Collection 是防止分类压力的好方法。遇到分类不确定时先丢进待整理以后集中处理。这个集合是收集箱不是垃圾箱需要定期清空。8.5 团队协作时统一规则如果多人共用同一个 NotebookLM 工作区建议在团队文档中约定命名前缀和 Collection 清单。例如所有客户项目 Notebook 前缀统一为 客户名-任务类型。新 Collection 的创建需要先在团队文档中登记避免重复建集合。这种规则本质上是一种数据治理意识。没有规则时三五个人的协作很快会让知识库变成一锅粥。8.6 重视敏感信息边界NotebookLM 会将你上传的资料用于模型处理和回答因此不要把身份证号、密钥、内部机密、未公开项目数据等敏感信息直接上传。在规划 Collection 结构时也要避免用过于具体的敏感信息作为集合名称。无论工具本身有多少安全措施最稳妥的做法是能不上传就别上传能脱敏就脱敏。另外要注意AI 工具的云端存储特性决定了删除不一定是物理删除重要资料的删除和分享操作都要格外谨慎。8.7 善用 NotbookLM 的导出能力无论使用 Collections 与否都应该定期导出重要 Notebook 的内容。常见的做法是把关键结论复制到本地文档。把原始 Source 文件在本地保存一份。记录 Collection 与 Notebook 的对应关系保留 CSV 或 JSON 清单。工具会持续进化但你的知识资产应该始终掌握在自己手中。9. 总结与后续学习方向这篇文章围绕 NotebookLM 的 Collections 功能讲清楚了三个层面的内容第一Collections 是 NotebookLM 从单文档问答工具走向长期知识库的关键功能。它通过一层容器把散乱的 Notebook 组织成结构化分组解决的是批量管理的问题。第二掌握 Collections 不只是学会点几个按钮而是要设计一套适合自己的分类结构。按项目、按课程、按时间都可以关键是一致性、内聚性和定期维护。命名规范是分类结构的补充两者配合才能形成真正可用的知识库。第三工具之外还需要管理意识。用 CSV 或 JSON 维护一份清单定期盘点注意敏感信息边界和备份这些习惯比单纯会操作 Collections 更重要。如果你刚开始接触 NotebookLM下一步建议只做一件事打开你的 Notebook 列表创建 3 个 Collection把最常用的几个 Notebook 归进去。先跑通一个小流程再逐步扩大整理范围。等你的 Notebook 数量超过 20 个时你一定会感谢现在做了这个整理动作。后面如果还想深入可以去了解 NotebookLM 的分享协作机制、Source 引用规则以及如何在研究流程里把文件阅读、对话提问、笔记输出三个环节串起来使用。Collections 只是知识管理的第一步但它是最容易被忽视、也最值得先做的一步。