【用NotebookLM+Claude组合用法降低AI幻觉】

快速阅读：通过 NotebookLM 提取结构化知识，并将其转化为指令文件注入 Claude，可以实现从“对话式调优”到“确定性执行”的范式转移，大幅降低幻觉并提升输出稳定性。

很多人用 Claude 像是在和一位记性不好的天才聊天，得一遍遍重复要求。其实可以换个思路，把 Claude 当作 CPU，把 NotebookLM 当作存储层。

先在 NotebookLM 里喂入高信号的原始资料，比如内部文档或过往优秀的输出。这步不是为了让它做总结，而是要榨取出其中的决策模式、工作流和约束条件。这些东西就像是编写好的固件，定义了专家是如何思考的。

接着，把这些提取出的逻辑整理成一个结构化的 skill 文件，明确角色、范围、流程和格式。最后把这个文件丢进 Claude 的 Project 知识库里。

这时候，你不再需要写那种长篇大论的 Prompt。你只需要下达简单的指令，比如“套用 skill 文件里的框架写个邮件”，它就会在预设的轨道上运行。这就像是从编写汇编代码转向调用封装好的 API，执行变得极其确定。

有网友提到，这本质上是给 Claude 装上了不乱编的记忆，让 NotebookLM 负责数据，Claude 负责执行，两者各司其职。

当然，关于“零幻觉”的说法引起了广泛讨论。有网友觉得这并不现实，毕竟模型底层逻辑还在。也许这种方法无法彻底消灭幻觉，但它确实把 AI 从“猜测你的意图”拉回到了“在既定约束下执行”的状态。

这种系统化的构建，让 AI 从一个需要哄着的聊天机器人，变成了一个可以批量交付的专业工具。

如果知识层和指令层能实现实时同步，这种流水线会不会更强？

x.com/ZabihullahAtal/status/2050624408348418271