LLM-notebook：AI时代的笔记本

笔记需要 AI，AI 需要笔记

AI 时代，信息从不稀缺，稀缺的是能被理解、找到、复用的信息。笔记与 AI，不是两个工具，而是彼此成就的一体两面：AI 让笔记活起来，笔记让 AI 懂你。越用越懂你，形成正循环。

笔记，需要 AI

传统笔记整理成本高：手动分类、摘要，收藏多，复用少。宝贵的知识资产不应该是一次性的。AI 让笔记自动识别、生成结构、提炼重点，并能被常用 AI 调用。你负责记录和判断，AI 负责整理和连接。笔记的价值，从「我记过什么」走向「我能与积累聊出什么」。

AI，需要笔记

通用模型有公共知识，却没有你的经历、判断和真正在意的问题。笔记承载这些私人上下文。没有笔记，AI 只能给平均答案；有了笔记，才可能给「你的答案」。笔记是 AI 的记忆层，AI 是笔记的价值放大器。

两者相遇，形成正循环：笔记越可用，你越愿意记录；上下文越厚，AI 越懂你。笔记与 AI，共同构成你的个人认知系统。

基于以上思考，我们推出 LLM-notebook——一款面向 AI 时代的笔记本。不止于记录，更为你的思考建立可理解、可对话、可复用的上下文。让每一次记录，都成为下一次思考的起点。

以素材仓为中心

聊天框是所有 AI 产品的默认形态，也是它的天花板：每次需要它处理资料，都要先把资料重新贴一遍。

我们把中心换成了素材仓：对话、网页、文件、图片进来，成为可检索、可提问、可被读写的原料；对话是处理素材的一种方式，不再是素材的归宿。

四种来源，四个入口，一个归宿：

来源	怎么进来	收进来之后
大模型对话	在 ChatGPT / Claude / DeepSeek 等页面点「收藏对话」	整段对话带平台标识入库
网页链接	粘贴 URL	自动抓标题、正文与图片，解析成可检索素材
文件	PDF / Word / PPT / Markdown / Excel / 图片拖入	自动解析、入库
Agent 会话	对 Agent 说「收藏到 LLM-notebook」	会话整理成结构化笔记

第一、二类需要在浏览器安装插件，第四类需要为 Agent 安装 skill。安装完成后，这些操作都发生在原有的工作流中，无需额外打开页面。

收进来，就能问：资料可交互，回复有出处

归位之后最实际的变化是：不必先通读全文，可以直接提问。

在 LLM-notebook 中，回答里的每个结论都带标号 [N]，点击即可跳回原文对应段落并高亮。核验一条结论因此只需数秒。在「措辞漂亮」与「可以核验」之间，我们选择后者。

素材因此从静态文件变成了可交互的对象：

• 回答带引用：结论指回原文段落，点 [N] 跳转并高亮。
• @ 引用文件：在输入框中 @ 该素材，即可将其拉入当前上下文。
• 划选即问：选中工作区里的一段文字，直接针对它提问。

笔记本开始自己做事：原生 Agent

原生 Agent 常驻在笔记内部，可直接读写素材仓，无需切换到其他工具：

• 一句话改文档：给出词级修改建议，红色是删除、绿色是新增，逐块接收、拒绝或回退。
• 文件管理：一句话触发整理、搜索、分析、生成新文档，例如「整理本周工作文件并生成周报」；归档方案先经确认，再执行。
• 一句话存为笔记：把刚聊完的结论整理成结构化笔记，落进素材仓。
• 生成 PPT / 思维导图：整理好的资料直接生成可编辑的产物，而非只读预览。
• 外部 Agent 可查阅：安装了 skill 的 Claude Code、Cursor 可直接检索并读取素材库，终端工作流同样可用。

一次完整流程：收、问、改、出

把四步串起来，就是它与「记录工具」的区别：

1. 收：四类素材一键入库，自动解析归位。
2. 问：基于文件提问，回答带原文出处。
3. 改：Agent 逐块修订，由使用者确认。
4. 出：笔记、PPT、思维导图，可修改、可导出。

这四步的完整走法，我们单独写过一篇：收、问、改、出：一份素材走完的一次完整流程。

它和 Gemini Notebook（原 NotebookLM）不一样

搜「NotebookLM 替代品」的用户常问这个问题。两者建立在同一个前提上：回答只依据用户提供的资料。但从「收什么进去」到「产物能不能改」，走的是两条路。

两者的产物形态不同：它把资料转成内容（音频、卡片、测验），我们把资料转成可以继续修改的稿子。完整差别见这篇对比。

想自己试一下

免费注册后进入素材仓，收录三份近期实际用过的资料（至少包含一段 AI 对话），再就其中一份提问，重点观察回答能否点回原文。

记录只是起点，知识资产应当可提问、可修改、可产出。