NotebookLM 与 ima 深度研究报告

执行摘要

如果“知习”要做成一个真正可用、可被信任、可持续积累的学习型产品，最值得吸收的不是某个单点功能，而是两套不同的产品抽象：NotebookLM 的“项目型笔记本”，以及 ima 的“长期知识库工作台”。NotebookLM 把一次研究或一次课程学习压缩进一个独立 notebook，上传来源后立刻进入“来源—问答—产物”闭环，而且其最强优势并不是播客或思维导图，而是回答始终带证据、引文可悬停、可跳回原文上下文这一套可信答案契约。citeturn32view0turn39view0turn20view0

ima 的思路则明显更偏“活知识库”：它以知识库为中心，覆盖个人库、共享库、知识库广场，以及“基于全网/基于知识库”的双问答入口，并把报告、PPT、播客、测验、录音纪要、笔记写作等都串在一个工作台里。它的核心价值不只是“能问”，而是知识可沉淀、可协作、可流动、可复用。这使它非常适合长期学习、备课、研究资料归档与组织协作。citeturn36view0turn26view0turn28view1turn26view1turn28view3

因此，对“知习”最优的方向不是二选一，而是做一个双层结构：底层是长期 Knowledge Base，负责导入、加工、权限、版本与共享；上层是面向一次学习任务的 Study Notebook 或 Study Session，负责选源、问答、引用、总结、测验、播客与复习进度。这样既能获得 NotebookLM 的聚焦与可信回答，也能保留 ima 的长期沉淀与知识流转能力。citeturn32view0turn39view0turn28view1turn28view3

从设计优先级看，“知习”应把资源优先放在五件事上：高质量导入与解析、可验证引用、阅读态中的问答、学习工坊式派生产物、学习进度闭环。如果这五件事没有做好，公共广场、Agent 个性化、社交分发都会变成噪音放大器；这其实正是 NotebookLM 与 ima 两者长处互补、短板互补后给出的最清晰结论。citeturn39view0turn32view0turn36view0turn28view3

NotebookLM 完整链路

NotebookLM 的官方公开资料非常完整，且有简体中文帮助中心可直接复核。这使它特别适合被当作“知习”的可信问答与学习产物系统参考样板。官方信息显示，NotebookLM 的基本抽象不是“总知识库”，而是围绕单个项目或主题的 notebook；每个 notebook 独立，不能跨 notebook 同时访问内容。用户新建 notebook 后上传或发现来源，系统在 Chat 面板中自动生成总摘要，并在 Studio 面板中生成或建议产物，形成非常短的首个价值回路。citeturn32view0turn16view0

flowchart LR
    A[首页] --> B[新建 Notebook]
    B --> C[上传或发现来源]
    C --> D[Sources 面板整理来源]
    C --> E[Chat 自动生成总摘要]
    E --> F[提出问题或下达操作指令]
    F --> G[回答内嵌引用]
    G --> H[悬停看引文]
    G --> I[点击跳回原文上下文]
    E --> J[Studio 生成学习产物]
    J --> K[学习指南/FAQ/简报]
    J --> L[思维导图]
    J --> M[抽认卡/测验]
    J --> N[音频概览]
    J --> O[演示文稿/信息图]
    G --> P[保存到笔记]
    P --> Q[持续追问与复用]

维度	NotebookLM 现状	对知习的启示
产品定位	AI 研究助手，围绕“单个 notebook 对应单个项目/主题”展开；目标是帮助理解复杂信息、整理思路，而不是做一个无限扩张的长期总库。citeturn32view0turn14view4	“知习”不应只有一个永久大库；必须有按课程/专题切分的任务容器。
支持导入类型	支持复制文本、Google Docs/Slides/Sheets、Word、PDF、CSV、PPTX、图片、音频、网页 URL、ePub、公开视频 YouTube URL；单来源最多 50 万词或 200MB，免费版每 notebook 最多 50 个来源。citeturn16view1turn19view0	导入层要覆盖文档、网页、图像、音频、视频转写；并把文件大小/字数/来源数作为清晰配额展示。
首次上传全流程	新建 notebook → 上传/发现来源 → Chat 面板立即生成总摘要 → 用户直接问答；Studio 同时能生成笔记、音频、思维导图、报告、抽认卡/测验等。citeturn32view0	首屏必须让用户在第一次导入后立刻看到摘要、至少一条可问建议、至少一个可生成学习产物。
层级结构	顶层是 notebook；其下是 sources；5 个以上来源时可自动标签与分类，但并没有跨 notebook 的统一知识库对象。citeturn32view0turn10view0	“知习”应保留 notebook 的聚焦感，但外面要再加一层 durable KB。
AI 问答入口	入口核心在 Chat 面板；可勾选/取消勾选来源，限定回答使用范围；桌面端还支持配置回答风格与长度。citeturn39view0	问答入口应始终与“当前来源集”绑定，而不是只做全局聊天框。
回答如何引用来源	回答直接引用来源中的文字、图片与片段；悬停可看完整引文，点击可跳到原文位置与上下文。citeturn39view0	这是 NotebookLM 最该复制的地方：引用不是装饰，而是证据交互。
来源与引用如何展示	左侧 Sources 面板管理来源；对话内保存可点击内嵌引用；打开来源可看 source guide；公开分享时还能选“仅限对话”或“完整笔记本”。citeturn16view1turn32view0turn18view0	“知习”应区分阅读态、问答态、分享态三种证据显露级别。
派生内容支持	Studio 支持笔记、音频概览、视频概览、思维导图、报告；报告类型含 FAQ、学习指南、简报文档；还支持抽认卡/测验、数据表格、演示文稿、信息图。citeturn32view0turn17view2	“知习”应把学习指南、测验、思维导图、播客做成一等对象，而不是藏在 prompt 里。
Web 与 App 差异	移动端仅支持 PDF/网站/YouTube/音频/复制文字导入；不支持笔记、思维导图、FAQ、学习指南、时间轴、简报文档，不支持分享、对话配置和分析；但支持 Fast Research、音频概览、抽认卡/测验、信息图、演示文稿等部分功能。citeturn33view0	适合采取桌面全功能、移动端消费和轻编辑优先的分层，而不是强行完全同构。
追问方式	标准连续对话可追问；也可把回答保存为笔记后继续问；音频概览还支持互动模式，允许听播客时插话追问，但目前仅英语。citeturn39view0turn40view2	“知习”应允许阅读中问、回答后追问、听播客时追问三种链路。
会话历史持久化	对话记录会保留且仅自己可见；用户可手动删除；Studio 产物也可再次加载。citeturn39view0turn40view2	历史不应只是聊天记录，而应成为可回访、可复用、可再派生的学习资产。
可信度机制	明确声明对话回答只使用来源数据；引用可核查；同时官方也提示 AI 回答和输出可能不准确。隐私上，除非用户主动提供反馈，NotebookLM 内容不会直接用于训练基础模型。citeturn39view0turn18view1turn32view0	“知习”应采用证据前置 + 风险提示 + 默认不训练的透明策略。
付费墙与限制	免费可用；付费通过 Google AI 方案升级额度。公开帮助页列出标准版与 Plus/Pro/Ultra 在 notebook 数、来源数、聊天数、音频/视频/报告/测验/思维导图等方面的差异，高级共享仅向付费用户开放。citeturn19view0	“知习”应把存储、问答次数、派生产物次数、协作权限拆开分层，而不是只卖“高级版”。
知习应复制	复制 NotebookLM 的三件事：项目型 notebook、来源选择器、回答内证据跳转。这些共同构成其“可信学习”体验的主骨架。citeturn32view0turn39view0	建议原样吸收。
知习应改造	不要照搬其“notebook 是唯一顶层对象”的做法；否则长期学习资料会越来越碎。NotebookLM 的强项是聚焦，不是沉淀。citeturn32view0	需要在 notebook 外再加 durable KB。
知习数据对象建议	从 NotebookLM 侧应吸收的对象是：Notebook、Source、SourceLabel、Thread、Message、CitationAnchor、Artifact、StudyProgress。citeturn32view0turn39view0turn20view0	数据对象要先围绕证据锚点与学习产物设计。
知习页面与 UI 建议	桌面端最值得借鉴的是 Sources / Chat / Studio 三栏；移动端则按“聊天、音频、测验、演示文稿”做标签化收纳。citeturn32view0turn33view0	“知习”桌面宜三栏，移动宜分标签与底部工具栏。

ima 完整链路

ima 的公开官方资料没有像 NotebookLM 那样系统化的帮助中心，但其官网、App Store 页面与腾讯科技官方发文已经足以重建一条相对完整的产品链路。与 NotebookLM 明显不同，ima 的顶层抽象是知识库，而不是 notebook；并且其定位从一开始就不是“研究助手”，而是以知识库为基础的 AI 工作台，强调“搜—读—写”一体化以及长期沉淀、共享与应用。citeturn36view0turn26view0turn28view3

flowchart LR
    A[首页/个人知识库] --> B[新建个人库或共享库]
    B --> C[导入来源]
    C --> C1[本地文件]
    C --> C2[微信文件]
    C --> C3[公众号文章/网页]
    C --> C4[图片/音频]
    C --> C5[笔记/既有问答结果]
    C --> D[文档解读与要点提炼]
    D --> E[基于知识库问答]
    D --> F[基于全网问答]
    E --> G[问答索引/跳原文]
    F --> H[深度研究/脑图]
    E --> I[笔记写作]
    E --> J[AI解读]
    J --> J1[思维导图]
    J --> J2[AI播客]
    J --> J3[AI测验]
    E --> K[任务模式]
    K --> K1[报告]
    K --> K2[PPT]
    K --> K3[播客]
    B --> L[共享/权限设置]
    L --> M[知识库广场/知识号]
    E --> N[问答历史与持续使用]

维度	ima 现状	对知习的启示
产品定位	以知识库为基础的 AI 工作台，强调“搜-读-写”一站式体验，覆盖学习、办公、研究、整理、共享与内容生成。citeturn36view0turn28view3	顶层心智比 NotebookLM 更广，适合长期使用；“知习”可借其沉淀感，但不宜一开始做得过宽。
支持导入类型	官方公开资料明确支持本地文件、微信文件、公众号文章、网页、图片、音频；腾讯科技还披露可把笔记和 ima 内问答结果加入知识库；官网搜索结果显示支持 PDF/Office/Markdown 等 19 种格式；单文件上传上限已增至 200MB。citeturn36view0turn26view0turn5search1turn30view2	“知习”应优先做本地文件 + 网页 + 图片 + 音频 + 笔记剪藏，并为生态化来源预留扩展位。
首次上传全流程	用户进入个人知识库或共享知识库后导入材料；文档解读会生成总结、提炼要点；随后可基于知识库或全网问答，也可直接进入 AI 解读或任务模式生成报告/播客/PPT。该流程在官方资料中分散出现，但能拼出较完整的“导入—解读—问答—生成”闭环。citeturn26view0turn36view0	首传后不要只停在“导入成功”，而要立即给出解读卡片、可问问题、可生成内容。
层级结构	显式顶层对象是知识库；已支持多个个人知识库、共享知识库、知识库广场/知识号；共享库内存在管理员、成员、访客等角色；版本日志还显示知识库文件夹、搜索、移动、重命名等能力。citeturn28view1turn26view1turn29view2turn30view0turn37search0	这说明“知习”需要KB 层、文件夹层、角色权限层；不能只有平铺文件列表。
AI 问答入口	腾讯科技明确写出 ima 有“基于全网”和“基于知识库”两种问答模式；还支持深度研究、生成脑图、文档解读、附件问答、@知识库回答，以及移动端按住说话快捷提问。citeturn26view0turn28view3turn29view2turn30view1	“知习”应至少有三类入口：阅读态问答、知识库问答、开放检索问答。
回答如何引用来源	官方没有像 NotebookLM 那样给出统一的“内嵌 hover 引文”说明，但版本日志清楚显示：问答索引可跳至 Word、笔记、txt、md、ppt 原文，PDF 原文索引可跳转到引用位置；报告可查看参考源。根据这些公开信息，ima 的引用更像“索引/参考源/跳回原文”机制，而不是强定义的对话内证据卡。这里属于基于官方版本日志的谨慎推断。citeturn30view1turn30view2	“知习”应把 ima 的“跳原文”做得更显性，升级成统一证据系统。
来源与引用如何展示	官方公开内容显示，文档问答会自动匹配相关图表；任务模式报告支持查看参考源、目录展示与导出；问答结果内表格展示也被单独优化。citeturn36view0turn30view1turn30view2	“知习”可把来源展示做成三层：引文片段、源内定位、可视化补充。
派生内容支持	官方说明覆盖总结、要点提炼、思维导图、AI 播客、知识小测验、报告、PPT、录音纪要、笔记写作和配图；但可访问资料中未见 NotebookLM 那种明确的一等“学习指南”对象。citeturn36view0turn26view0turn30view0	“知习”应在 ima 的生产力产物之上，再补一个更强的教学法导向产物层。
Web 与 App 差异	ima 的公开呈现更像“桌面客户端/小程序 + App”，而非标准浏览器型 SaaS。官网首页明显以“打开电脑版”为主；小程序已支持在微信中直接导入文件、分享/加入知识库，并基于知识库或全网问答；App 端则持续补齐按住说话、Pad PDF 对照翻译、报告导出 Word/PDF、多个人知识库等能力。citeturn3view0turn28view1turn29view2turn30view0	“知习”若面向中文学习场景，端策略应考虑桌面深度创作、移动轻输入/复习、社交入口导入三分。
追问方式	公开版本日志显示问答消息可修改；笔记面板的 AI 写作支持多轮追问和知识库调用写作；移动端还有按住说话发问。citeturn28view0turn29view2	“知习”应把追问做成问题修订、上下文续问、语音补问三种模式。
会话历史持久化	官网与搜索结果把“问答历史”作为一级导航；但公开资料未说明留存周期、删除策略与细粒度控制。citeturn3view0turn38search0	“知习”应明确历史模型：自动保存、分线程、可删除、可转学习卡。
可信度机制	官方对外反复强调知识库 + RAG 链路；共享库可设置成员是否可查看原文件、是否需审批加入；知识库广场与知识号承载专业/权威内容；腾讯科技还公开表示，用户上传的个人资料仅用于 AI 检索与推理，不用于模型训练。citeturn28view1turn28view3	ima 在“权限、安全、知识流通”上思路成熟；但“答案证据交互”仍弱于 NotebookLM。
付费墙与限制	App Store 标注免费；共享知识库访客仅可进行 3 轮问答，加入成为成员后无限问答；公开权益页写明兑换码可解锁任务模式并扩容到 100G；大学生认证也可获得 100G 与任务模式；单文件上传上限 200MB。公开入口更像“权益解锁”，而非清晰的标准订阅价阶。citeturn36view0turn28view1turn24search1turn30view2	“知习”适合采用免费基础 + 存储权益 + 生成额度 + 协作权限的组合，而不是只卖一个 pro。
知习应复制	最值得复制的是：多知识库结构、共享库权限、公共知识发现、任务模式把知识库转成可交付成果。citeturn28view1turn26view1turn26view2turn28view3	建议吸收为“长期层”。
知习应改造	ima 的信息架构偏宽，学习专用产物不够强；证据展示虽然存在，但不够统一、显性。citeturn36view0turn30view1turn30view2	“知习”应更聚焦“学习材料生成与证据验证”，减少泛工作台噪音。
知习数据对象建议	从 ima 侧最该吸收的对象是：KnowledgeBase、Folder、Source、PermissionRole、SourceReference、Artifact、TaskRun、PublicListing、HistoryThread。citeturn28view1turn26view1turn30view2	“知习”需要把权限与共享纳入一开始的数据模型。
知习页面与 UI 建议	适合借鉴 ima 的“知识库首页 + 阅读/问答一体 + 任务模式 + 广场”框架，但要把广场降级为次级入口，把证据面板前置。citeturn3view0turn36view0turn26view1	“知习”首页应先是我的学习资产，再是“发现”。

核心对比

一句话概括：NotebookLM 优化的是“在封闭来源集里做高信任学习”，ima 优化的是“围绕长期知识库做导入、协作与生产”。因此“知习”不能只学其中一边，否则要么资料沉淀能力不足，要么回答可信度与学习结构不够强。citeturn39view0turn32view0turn28view1turn28view3

维度	NotebookLM	ima	知习取舍
产品定位	项目型研究/学习助手	知识库型 AI 工作台	采用“双层定位”：长期 KB + 短期学习 notebook/session。citeturn32view0turn36view0
支持导入类型	全面且规范，含网页、音频、YouTube、ePub 等	更偏中文生态与工作资料，含微信文件、公众号文章	优先覆盖中文学习高频来源，同时保留多模态标准导入。citeturn16view1turn36view0turn26view0
首次上传流程	导入后立刻得到总摘要与 Studio 建议	导入后偏“解读/问答/任务”分流	首传后应同时露出：摘要、问题建议、学习产物、任务产物。citeturn32view0turn26view0turn36view0
层级结构	notebook > source	knowledge base > folder/source/role	用 KB 承载长期沉淀，用 notebook/session 承载一次学习任务。citeturn32view0turn28view1turn30view2
AI 问答入口	以 Chat 面板为中心	全网问答、知识库问答、文档解读、任务模式	问答入口要“场景化”，但必须统一回答协议。citeturn39view0turn26view0
回答如何引用来源	强证据合同，悬停与跳转完善	以索引/参考源/跳原文为主，证据显性略弱	以 NotebookLM 为底线，以 ima 的索引覆盖更多格式。citeturn39view0turn30view1turn30view2
来源/引用如何展示	来源面板 + 聊天内引文 + 上下文跳转	参考源 + 原文跳转 + 配图/表格增强	做“证据三层 UI”：引文、原文定位、可视化辅助。citeturn39view0turn36view0turn30view1
派生内容	学习导向极强，学习指南/测验/抽认卡清晰	生产导向更强，报告/PPT/纪要/播客更全	学习工坊做 NotebookLM 风格，任务工坊做 ima 风格。citeturn32view0turn36view0turn26view2
Web 与 App 差异	浏览器为主，移动端有限制	桌面客户端/小程序/App 并行	桌面做深度学习，移动做复习与轻操作，社交入口做导入。citeturn33view0turn3view0turn28view1
追问方式	连续对话成熟，音频可互动	问答消息可修改，笔记支持多轮追问	既要上下文追问，也要“改写问题再问”。citeturn39view0turn40view2turn28view0
会话历史	明确保留、可删除	有问答历史入口，但公开规则较少	历史策略必须在产品内显式说明。citeturn39view0turn38search0
可信度机制	引文核查 + source-only 回答 + 隐私透明	权限安全 + RAG + 专业知识库 + 不训练用户资料	“知习”应同时做证据可信与知识源可信。citeturn39view0turn18view1turn28view3
付费墙与限制	免费 + AI 方案升级配额	免费 + 权益解锁 + 共享场景限制	商业化要拆成存储、计算、协作三条。citeturn19view0turn24search1turn28view1turn36view0
知习应复制	强引文与学习产物分类	多库、广场、任务模式、中文导入生态	两者都要，但必须统一底层对象与证据协议。citeturn32view0turn39view0turn28view1turn36view0
知习应改造	补长期沉淀层	收窄信息架构、强化教学法对象	最终目标不是“更像谁”，而是“更适合学习闭环”。citeturn32view0turn36view0
知习数据对象建议	偏 notebook / citation / artifact	偏 KB / role / task / public listing	采用复合模型，而非单核模型。citeturn32view0turn28view1turn28view3
知习页面/UI建议	三栏式研究界面	知识库首页 + 广场 + 任务模式	桌面三栏，首页 KB 卡片化，移动以复习与轻问答为主。citeturn32view0turn3view0turn36view0
整体 UX	克制、专注、以证据为核心	宽而强、以知识流与产出为核心	“知习”应走中间路线：专注学习，但保留沉淀与协作。citeturn32view0turn36view0
数据模型	轻容器、强来源、强产物	重知识库、重权限、重流转	先建强对象模型，再做花哨功能。citeturn32view0turn28view1turn28view3
商业化	方案订阅、按额度分层	免费入口 + 权益解锁 + 生态扩散	可先免费切入，再按“存储/生成/协作/公开发布”分层。citeturn19view0turn24search1turn36view0

知习一体化方案

“知习”最合理的整合方向，是把 NotebookLM 的可信学习界面 放在 ima 的长期知识库骨架 上。也就是说，用户的资料不应该只存在于一次性 notebook 里，也不应该一股脑堆进无边界的大库；而应先进入可管理、可共享、可分权限的 Knowledge Base，再从中抽取一组来源创建某次课程或专题的 Study Session。这样既保留长期记忆，也保留短期聚焦。citeturn32view0turn28view1turn28view3

flowchart LR
    A[知习首页] --> B[我的知识库]
    A --> C[新建学习专题]
    B --> D[导入中心]
    D --> D1[文件/网页/图片/音频]
    D --> D2[剪藏/笔记]
    D --> D3[外部生态导入]
    D --> E[解析与索引]
    E --> F[来源预览与清洗]
    F --> G[进入 Knowledge Base]
    G --> H[从 KB 选源创建 Study Session]
    H --> I[阅读 + 问答]
    I --> J[内嵌引用]
    J --> K[跳原文/看上下文]
    I --> L[学习工坊]
    L --> L1[总结]
    L --> L2[思维导图]
    L --> L3[学习指南]
    L --> L4[测验/抽认卡]
    L --> L5[播客]
    L --> L6[讲义/PPT]
    L --> M[任务工坊]
    M --> M1[报告]
    M --> M2[作业草稿]
    M --> M3[复习提纲]
    L --> N[学习进度]
    N --> O[错题/薄弱点复习]
    O --> H

对象	核心字段	关系	设计理由
User	id, profile, prefs	1:N Workspace / KB / Session	记录个体偏好，但不把个体记忆和知识内容混在一起。
Workspace	id, name, type	1:N KnowledgeBase	面向个人、班级、项目组等组织场景。
KnowledgeBase	id, title, scope, visibility	N:1 Workspace；1:N Source / Folder	承载长期沉淀，是 ima 的强项。
Folder	id, name, parent_id	N:1 KnowledgeBase	满足课程章节、学期、专题等层级归档。
Source	id, type, uri, title, version_state	N:1 KB / Folder；1:N Chunk / CitationAnchor	统一管理文件、网页、图片、音频、笔记等来源。
SourceVersion	id, source_id, checksum, created_at	N:1 Source	支持重新解析、重建索引、版本回退。
Chunk	id, source_id, text, embedding_id	N:1 Source	检索核心对象。
CitationAnchor	id, source_id, chunk_id, locator	N:1 Source / Chunk	支持“句子级/段落级/页码级/时间戳级”跳转。
StudySession	id, title, goal, selected_sources	N:M Source；1:N Thread / Artifact	对应一次课程学习、一次备考专题、一次论文阅读。
Thread	id, session_id, mode	N:1 Session	支持阅读问答、开放检索问答、复习问答等不同线程。
Message	id, thread_id, role, text, cited_anchors	N:1 Thread	聊天记录和证据引用统一存储。
Artifact	id, session_id, type, prompt, output_ref	N:1 Session	总结、脑图、学习指南、测验、播客、PPT、报告等统一管理。
QuizAttempt	id, artifact_id, score, weak_points	N:1 Artifact	把“生成测验”升级成“有反馈的学习闭环”。
FlashcardState	id, artifact_id, card_id, mastery	N:1 Artifact	记录“已掌握/未掌握/待复习”。
SharePolicy	id, owner_id, object_type, mode	作用于 KB / Session / Artifact	需要同时支持私有、团队共享、只读分享、公开发布。
MemoryProfile	id, user_id, editable_fields	N:1 User	若未来做个性化记忆，必须用户可见、可改、可删。

页面	主任务	关键模块	设计要点
首页	进入长期资产或新建学习专题	最近知识库、最近专题、继续学习、导入捷径	默认入口应是“继续学习”，不是空白输入框。
导入中心	把资料变成可问可学对象	文件上传、网页导入、剪藏、解析预览、清洗选项	解析前给用户一次“保留哪些页面/段落/图片/时间段”的机会。
知识库页	组织长期资料	文件夹树、来源列表、筛选、权限、共享	更像资料库，而不是聊天页。
阅读问答页	看原文、问问题、核引文	Reader、Chat、Citation Drawer	桌面端三栏：左来源树，中阅读区，右问答与引用。
学习工坊	生成学习材料	总结、脑图、学习指南、测验、播客、讲义/PPT	强制所有产物都挂回 Session 与 CitationAnchor。
任务工坊	生成可交付内容	报告、作业草稿、汇报稿、讲义生成	与学习工坊并列，避免学习能力被“办公化”淹没。
复习中心	形成闭环	错题、薄弱点、复习计划、掌握度	这是两款产品都还没做深的空位，知习应优先占领。
发现页	使用公共优质内容	推荐知识库、官方课程包、学科精选	作为二级入口，不应压过“我的学习资产”。

优先来源

下表列出本报告优先采用的官方/一级来源。两款产品都未在可访问范围内提供类似论文级的公开技术细节，因此 NotebookLM 主要依赖官方帮助中心与 Google 官方发布文，ima 主要依赖官网、App Store 页面与腾讯科技官方发文。

产品	优先来源	用途
NotebookLM	官方帮助中心总入口。citeturn16view0	确认功能全景与官方术语。
NotebookLM	《在 NotebookLM 中创建笔记本》。citeturn32view0	确认首传流程、三栏结构、Studio 产物、分享与分析。
NotebookLM	《为笔记本添加或探索新来源》。citeturn16view1	确认导入类型、来源限制、静态副本逻辑。
NotebookLM	《在 NotebookLM 中使用对话功能》。citeturn39view0	确认问答入口、内嵌引用、历史保留与保存到笔记。
NotebookLM	《在 NotebookLM 中使用思维导图》。citeturn20view0	确认脑图交互与下载分享。
NotebookLM	《在 NotebookLM 中生成音频概览》。citeturn17view1turn40view2	确认播客形态、互动模式、分享方式与语言。
NotebookLM	《NotebookLM 移动应用入门》。citeturn33view0	确认 Web/App 差异。
NotebookLM	《升级 NotebookLM》。citeturn19view0	确认免费/付费额度与高级共享。
NotebookLM	《NotebookLM 中的隐私权和使用条款》。citeturn18view1	确认训练与反馈政策。
ima	官网首页与可索引页面。citeturn3view0turn37search0turn38search0	确认入口结构、问答历史与知识库角色线索。
ima	iOS App Store 官方产品页。citeturn36view0	确认定位、核心功能、导入来源、AI 解读、播客、测验、图表增强。
ima	App Store 版本历史。citeturn29view2turn30view0turn30view1turn30view2	确认多个人知识库、问答索引跳原文、报告参考源、PPT、附件问答、200MB 等演进细节。
ima	腾讯科技《ima.copilot 上线 Windows 版本》。citeturn26view0	确认“全网/知识库”双问答、深度研究、文档解读、笔记/Q&A 入库。
ima	腾讯科技《ima 升级知识库：支持共享和上线小程序》。citeturn28view1	确认共享知识库、角色权限、访客 3 轮问答、小程序导入与问答。
ima	腾讯科技《知识库支持发布和发现》。citeturn26view1	确认知识库广场、公开生态与跨端同步。
ima	腾讯科技《上线 PPT 生成功能》。citeturn26view2	确认任务模式与知识库驱动的输出逻辑。
ima	腾讯科技 WAIC 演讲稿。citeturn28view3	确认三层架构、RAG、权限/安全、用户上传资料不训练。
ima	官方权益兑换页与 App Store 活动。citeturn24search1turn36view0	确认任务模式与 100G 存储的权益化解锁信号。

32 KiB

Raw Blame History

NotebookLM 与 ima 深度研究报告

执行摘要

NotebookLM 完整链路

ima 完整链路

核心对比

知习一体化方案

推荐数据对象模型

推荐页面与 UI 设计

推荐 ER 图

优先来源

32 KiB Raw Blame History Unescape Escape

NotebookLM 与 ima 深度研究报告

执行摘要

NotebookLM 完整链路

ima 完整链路

核心对比

知习 一体化方案

推荐数据对象模型

推荐页面与 UI 设计

推荐 ER 图

优先来源

32 KiB

Raw Blame History

知习一体化方案