先概览后精读

这是一种什么做法

把 AI 生成的概览、学习指南、思维导图、时间轴或音频概览当作目录和提问起点，而不是已经核验过的最终答案；再根据概览中的节点、问题或疑点，回到原始材料精读关键片段。

为什么这样做

• 自动概览会省略限定条件、直接结论或简化语境。
• 跳过原文会让使用者产生"看完摘要就掌握全文"的假熟悉感。
• 回到原文精读才能让薄弱环节被发现和补齐。

适用场景

• 任何把 NotebookLM 类工具作为阅读入口的学习或研究工作流。
• 任何依赖自动摘要、思维导图或音频概览代替通读的场景。

操作要点

1. 先生成概览，并用几个具体问题测试其覆盖范围。
2. 把不熟悉的概念、事件或结论列为回查清单。
3. 对每个回查项，回到原文片段核对上下文与限定条件。
4. 在文字稿或笔记上写下自己的理解，而不是把自动产物直接当作结论。
5. 保留来源链接或时间戳。

与现有方法的关联

• 与 从满意成品反推 Prompt 在"回查与确认"精神上接近，但本方法强调回到原文本身而非反推提示词。
• 与 不确定信息显式标记 在显式标注不确定信息上互补。

失败点

• 把自动概览直接当成已核验事实。
• 在错误节点上让模型继续扩写，而不回到原文核验。
• 用精读取代二次提问，错失查漏补缺的机会。

来源

SRC-LEARN-001：李厂长来了 NotebookLM 六功能保姆级教程