前段时间我写了一篇 [Hermes Obsidian LLM Wiki]的知识沉淀玩法没想到后台一下来了很多消息问我还有没有别的组合能玩。有。而且这套我自己用了一阵子之后感觉比上次那套更顺手Hermes NotebookLM。先看一眼整体玩法一张图就够了这篇我就讲三件事它到底怎么用适合什么场景怎么搭起来。NotebookLM 是什么先过一遍先给还没怎么用过 NotebookLM 的朋友补个 30 秒版本。老用户可以直接跳下一节。NotebookLM 是 Google 出的 AI 知识工具。它跟 ChatGPT、Claude 这类通用助手有个很直接的区别它主要围着你给它的资料工作。你扔进去 10 篇论文它给出的回答就从这 10 篇里找。每条回答还会带来源这点很省心。NotebookLM 的核心能力我也整理成了一张图看到这一步很多人的第一反应通常都是这已经挺好了为什么还要接 Hermes卡点其实很简单。NotebookLM 本身能打但很多活还是得你自己来手动上传文档手动组织提问手动把结果复制出去再整理。偶尔用一两次当然还行真要把它放进日常工作流这套手动流程很快就让人懒得开。我之前就是这样。新鲜劲过去之后打开频率直线下降。后面把 Hermes 接上去感觉一下就对了。Hermes NotebookLM知识管理切到自动挡先把这个组合拆开说。Hermes 负责采集、投喂和执行动作NotebookLM 负责分析、问答和生成结果。结果出来以后还能继续回流到你的知识库里。你平时最烦的那几个环节——喂什么、怎么喂、输出往哪放——Hermes 都能接过去。这张图会更直观手动挡和自动挡差别就在这。我自己现在最在意的也不是“快了多少”而是这套东西能不能长期跑。手动流程的问题常常不是慢是它很难坚持。你每天都得重复做一遍的事基本坚持不了太久。自动化一接上整个库会自己慢慢长起来。这时候知识沉淀才开始变得真实。先看基础版用 Hermes 直接操控 NotebookLM先不聊复杂场景先看最基础的一层把 NotebookLM 当成 Hermes 的一个外接知识库来用。接上之后你在 Hermes 里直接用自然语言就能操作 NotebookLM浏览器都不用开。几个常用动作直接看。1、列出所有笔记本跟 Hermes 说一句“列出 NotebookLM 所有的笔记”它会直接调 CLI把你的 Notebook 全列出来。名字、ID、创建时间一次给全。2、往笔记本里加资料Hermes 这两天出了新版本里面有个 Curator 的概念。我在 YouTube 上刷到一个介绍视频就直接跟 Hermes 说把这个视频加到 Hermes Agent 的笔记里Hermes Agent Just Got 10x BETTER (Curator Explained)它不光把视频加进去了还会顺手接着问你下一步要不要列资料、要不要等处理完之后直接提问、要不要生成摘要。这点我挺喜欢。它像个会往前走一步的 Agent不只是把命令原样执行完。3、直接提问链接加进去之后我对 Curator 这个概念有点好奇就直接问 Hermes根据 Hermes Agent 笔记里的资料Curator 是什么它解决了什么问题Hermes 会自己去 NotebookLM 里查然后基于刚加进去的资料给你答案。从“加资料”到“问问题”整个过程都在终端里完成。4、生成输出问完之后我想把 Curator 的整体脉络理清楚就继续说根据 Hermes Agent 笔记里的资料用 notebooklm 帮我生成一个 Curator 的思维导图并保存到桌面Hermes 先调用 notebooklm generate mind-map 生成思维导图再自动下载到桌面。整个过程很快不到 20 秒。最后拿到的是一个结构化 JSON 文件根节点是 Hermes Agent下面有 7 个子节点后面拿去可视化或者转图片都行。还有个小地方也挺舒服你打开 NotebookLM 网页版会发现Hermes 在终端里做的事这边都会同步显示。加视频、提问、生成脑图都在。所以我的用法基本是这样高频操作放在终端里跑需要回看或继续追问的时候再去网页版。两边是通的。这些动作单独看都不复杂连起来就很像一个完整的知识库操控台。以前那些开浏览器、登录、找 Notebook、手动上传的步骤现在基本都压缩成一句话。这个还只是基础版。除了前面这种“学一个新概念”的用法这套组合我后来还拿来做日常信息消化、技术选型调研、课程素材准备。场景不止一个。背后的逻辑倒是一直没变Hermes 负责采集和执行NotebookLM 负责理解和输出。为什么我觉得这套值得长期留着前面讲的是怎么用。真正让我留下来的是后面的两个感受。第一省 Token也省脑子里的上下文负担Hermes 用久了之后你会很明显地感觉到一件事资料一多每次对话都得先想这次该带哪些背景进去。几篇文档、项目说明、前面的讨论记录一股脑塞进 prompt 里token 很容易就上去。更麻烦的是你每次都要自己判断取舍带少了它不知道背景带多了上下文又容易爆。接上 NotebookLM 之后这个判断成本会轻很多。大堆资料放到 NotebookLM 里让它去管检索和理解Hermes 就专心干当前的活只有在需要的时候再去拿那一小段关键信息。这个分工我很喜欢。资料还是那些资料但不用每次都搬一遍。我做 PPT 的时候感受最明显。以前做一个技术分享常常得把一堆参考材料塞进 prompt 里几万 token 下去效果还不一定稳。现在这些资料都在 NotebookLM 里我只需要跟 Hermes 说要做什么它自己去找、去整理、去生成。比如这是我当时给 Hermes 的一段生成指令风格写得比较细你完全可以按自己的口味改将 Hermes Agent 的笔记生成幻灯片并保存到桌面。风格现代高级商务科技风类似顶级咨询公司的演示文稿。配色浅暖白/米白底色深靛紫#5136A2作为标题和重点强调色辅助色用淡紫和灰蓝。文字用深炭灰。不要用饱和度过高的颜色不要霓虹或赛博朋克效果。排版每页一个大标题靠左或左上对齐字体加粗突出。正文精简每页核心观点不超过3-5条。大量留白呼吸感强不要堆满内容。结构偏好优先使用卡片式布局圆角卡片轻阴影流程用虚线箭头连接的步骤卡数据用大数字KPI卡片展示。避免传统项目符号列表。整体感觉像一份高端SaaS产品的投资人演示既有科技专业感又不冰冷。偶尔可以用便利贴风格的小批注增加温度。不要卡通、不要3D渲染、不要模板感太重的通用设计。一个负责记忆一个负责执行。这样分开之后效率确实会舒服很多。第二知识会自己往前滚这点是我后来越用越上头的地方。Hermes 和 NotebookLM 一旦接通知识不会再只是“存着”。它会开始流动起来。你采集、整理、提问、生成、回写下一次再拿来继续用前一次留下来的东西就成了新起点。流程大概是这样我自己把它叫飞轮也就是从这里开始的。而且入口不止一个。上一篇写的 Obsidian LLM Wiki那套积累下来的内容也可以随时同步进 NotebookLM 里继续做深度研究。操作很直接跟 Hermes 说一句新建一个XXXX的 NotebookLM 笔记本把 Obsidian 里 YYYY 相关的内容导入进去。基本就可以了。后面你再拿 NotebookLM 去做交叉分析、生成摘要、问答体验会比在 Obsidian 里纯检索往前多走一步。也不只是 Obsidian。你平时从别的地方转给 Hermes 的内容——微信里看到的文章、群里别人甩过来的链接、Twitter 上的一串讨论——后面想深挖的时候都可以继续塞进 NotebookLM。这也是我现在很依赖这套的原因平时顺手存下来的东西后面真有机会再被用起来。用久一点之后NotebookLM 里会慢慢积累出一批你自己筛过、消化过的资料。到你再写新东西的时候起点已经不再是空白页了。我在意的是这个。这套流程怎么搭看完前面的场景如果你已经有点想试这一段就够用了。搭建本身其实没有想象中那么重。还有个很舒服的点这件事本身也可以交给 Hermes 来做。先看一眼整条链路是怎么跑的很多人一听“打通两个系统”脑子里先冒出来的是配接口、写代码、折腾环境。放到 Hermes 这里思路会简单很多。你直接把它当成一个任务丢给它就行去读安装说明按步骤装好。这种感觉挺对味的。Agent 不只是帮你跑业务流程连准备工作也能顺手接过去。Step 1安装 notebooklm-py让 Hermes 能直接操作 NotebookLM这一步是关键。这里用的是一个叫 notebooklm-py 的开源 CLI 工具。它可以让你直接通过命令行操作 NotebookLM创建笔记本、添加资料、提问、拿摘要这些都能走命令。安装这一步你也可以直接交给 Hermes。跟它说一句阅读 Github项目 https://github.com/win4r/notebooklm-py 的安装说明并且安装。然后 Hermes 就会自己去读文档、自己安装。装完之后会把结果反馈给你。再跑一下 notebooklm --version。如果看到 NotebookLM CLI, version 0.3.4基本就通了。这一步真的很省事。你几乎不用自己手敲安装流程。Step 2登录认证让 Hermes 拿到 NotebookLM 的钥匙工具装好之后还差登录这一步。开一个新的终端执行 notebooklm login。这个命令会自动弹出 Chrome 登录页你在里面登自己的 Google 账号就行。登录完成之后按一下回车认证信息就会保存下来。Step 3验证打通让 Hermes 列出你的笔记本到这一步跑一下 notebooklm list。只要能顺利列出你的笔记本链路就通了。前面那些基础操作到这里就都能用了。学AI大模型的正确顺序千万不要搞错了2026年AI风口已来各行各业的AI渗透肉眼可见超多公司要么转型做AI相关产品要么高薪挖AI技术人才机遇直接摆在眼前有往AI方向发展或者本身有后端编程基础的朋友直接冲AI大模型应用开发转岗超合适就算暂时不打算转岗了解大模型、RAG、Prompt、Agent这些热门概念能上手做简单项目也绝对是求职加分王给大家整理了超全最新的AI大模型应用开发学习清单和资料手把手帮你快速入门学习路线:✅大模型基础认知—大模型核心原理、发展历程、主流模型GPT、文心一言等特点解析✅核心技术模块—RAG检索增强生成、Prompt工程实战、Agent智能体开发逻辑✅开发基础能力—Python进阶、API接口调用、大模型开发框架LangChain等实操✅应用场景开发—智能问答系统、企业知识库、AIGC内容生成工具、行业定制化大模型应用✅项目落地流程—需求拆解、技术选型、模型调优、测试上线、运维迭代✅面试求职冲刺—岗位JD解析、简历AI项目包装、高频面试题汇总、模拟面经以上6大模块看似清晰好上手实则每个部分都有扎实的核心内容需要吃透我把大模型的学习全流程已经整理好了抓住AI时代风口轻松解锁职业新可能希望大家都能把握机遇实现薪资/职业跃迁这份完整版的大模型 AI 学习资料已经上传CSDN朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】