Là một chuyên gia đã sử dụng NotebookLM của Google từ rất lâu trước khi nó trở nên phổ biến, khi còn là dự án thử nghiệm Project Tailwind của Google Labs, tôi luôn tin rằng đây là một công cụ mạnh mẽ với tiềm năng to lớn. Dù ở giai đoạn đầu nó chưa có tính năng Tổng quan âm thanh (Audio Overviews) – tính năng mà tôi tin là đã giúp nó bùng nổ hiện tại – nhưng ngay từ đó, NotebookLM đã trở thành một phần không thể thiếu trong quy trình làm việc của tôi, và đã cải thiện nó đáng kể. Tôi thực sự rất ngại thay đổi, và một khi đã tìm thấy thứ mình thích, tôi sẽ bám lấy nó.
Gần đây, tôi nhận ra rằng dù NotebookLM bản thân đã rất xuất sắc, việc kết hợp nó với những công cụ phù hợp sẽ đưa hiệu quả công việc lên một tầm cao mới. Với vai trò là biên tập viên công nghệ tại congnghethuthuat.net, tôi muốn chia sẻ 3 công cụ năng suất mà tôi đã và đang kết hợp với NotebookLM để tối ưu quy trình làm việc của mình, giúp bạn khai thác triệt để sức mạnh của AI trong nghiên cứu và học tập.
3. Perplexity
Để Perplexity hỗ trợ tìm kiếm sâu rộng
Một công cụ AI mà tôi đã sử dụng rất nhiều gần đây là Perplexity. Về cơ bản, Perplexity có thể tìm kiếm internet theo thời gian thực, thu thập thông tin và nghiên cứu từ các nguồn đáng tin cậy. Chỉ riêng mô tả này, bạn có thể thấy rằng trong khi yếu tố “nghiên cứu” tồn tại ở cả NotebookLM và Perplexity, danh sách các điểm tương đồng giữa hai công cụ này gần như kết thúc tại đây.
Không giống như Perplexity, NotebookLM chủ yếu được thiết kế để nâng cao cách bạn làm việc với các nguồn tài liệu mà bạn đã tải lên sổ ghi chép (notebook) của mình. Do đó, công cụ này thực sự hữu ích khi bạn đã tập hợp được thông tin và chỉ cần những cách tốt hơn để tương tác và hiểu rõ chúng.
Mặc dù tôi thường thêm các nguồn như slide bài giảng vào sổ ghi chép NotebookLM của mình, nhưng đôi khi tôi muốn bổ sung cho sổ ghi chép bằng các nguồn bên ngoài, đặc biệt là những phát hiện hoặc nghiên cứu mới nhất. Đây là lúc Perplexity phát huy tác dụng. Ví dụ, giả sử tôi có một sổ ghi chép cho lớp lịch sử thế giới và tôi muốn tìm các nghiên cứu hoặc bài báo tin tức gần đây cung cấp những quan điểm cập nhật về một sự kiện lịch sử cụ thể. Thay vì tự tìm kiếm các nguồn này, tôi chỉ cần nhập một câu lệnh vào Perplexity, và thẻ Sources (Nguồn) sẽ hiển thị một danh sách các liên kết mà tôi có thể thêm vào sổ ghi chép của mình.
Trong trường hợp Perplexity tìm thấy nhiều nguồn và việc thêm chúng vào sổ ghi chép của tôi một cách thủ công không phải là điều tôi muốn làm, tôi có thể sử dụng tiện ích mở rộng của Google Chrome để tự động hóa quá trình này. Khi các nguồn đã nằm trong một sổ ghi chép NotebookLM mới (hoặc hiện có), tôi sẽ xử lý nó giống như một sổ ghi chép thông thường với các nguồn do tôi tự tuyển chọn. Điểm khác biệt duy nhất ở đây là tôi chưa hoàn toàn quen thuộc với nội dung của từng nguồn.
May mắn thay, NotebookLM giúp việc vượt qua trở ngại này cực kỳ đơn giản. Tất cả những gì tôi cần làm là yêu cầu nó tóm tắt nguồn, và tôi có thể nhanh chóng nắm bắt thông tin. Tôi cũng có thể tương tác với các nguồn bằng cách tạo Tổng quan âm thanh (Audio Overviews), Sơ đồ tư duy (Mind Maps), Tài liệu tóm tắt (Briefing Docs), Hướng dẫn học tập (Study Guides) và nhiều hơn nữa.
Vì NotebookLM là công cụ lấy nguồn làm gốc, tôi cũng có thể đặt câu hỏi cho AI về các nguồn và nhận thông tin trực tiếp từ tài liệu của mình mà hầu như không có hiện tượng “ảo giác” (hallucination). Nó chỉ tham chiếu tài liệu hiện có và không tìm kiếm trên web để trả lời truy vấn của tôi, vì vậy tôi không cần lo lắng về việc nó tạo ra các câu trả lời sai chỉ để làm hài lòng tôi.
Cả hai công cụ này đều được thiết kế để nâng cao quá trình nghiên cứu, nhưng phục vụ các mục đích hoàn toàn khác nhau. Mặc dù vậy, chúng hoạt động liền mạch cùng nhau, và việc kết hợp chúng chắc chắn là một trong những quyết định thông minh nhất mà tôi từng đưa ra.
2. Gemini
Tận dụng tính năng Deep Research của Gemini
Giao diện Gemini với tính năng Deep Research giúp nghiên cứu sâu rộng chủ đề công nghệ
Việc kết hợp Gemini với NotebookLM nghe có vẻ lạ… vì NotebookLM được cung cấp sức mạnh bởi Gemini. Nhưng hãy nghe tôi giải thích. Giao diện Gemini (cả trên trang web và ứng dụng di động) có một công cụ cực kỳ mạnh mẽ gọi là Deep Research (Nghiên cứu Sâu). Tính năng này sẽ nghiên cứu một chủ đề bạn cung cấp… một cách sâu sắc.
Không giống như một chatbot AI chỉ mất vài giây để đưa ra câu trả lời cho một truy vấn bạn hỏi, tính năng Deep Research của Gemini bắt đầu bằng cách xây dựng một kế hoạch về cách tiếp cận để nghiên cứu chủ đề của bạn, sau đó bắt đầu quá trình nghiên cứu. Trong quá trình đó, Gemini phân tích hàng trăm trang web, bao gồm cả các diễn đàn cộng đồng như Reddit và thậm chí cả các video YouTube. Tôi không hề nói quá khi nói hàng trăm ở đây. Khi tôi yêu cầu Gemini sử dụng Deep Research để nghiên cứu về XDA, nó đã phân tích 104 trang web.
Với lượng nghiên cứu mà công cụ này thực hiện, một điều chắc chắn là: báo cáo cuối cùng mà nó sẽ tạo ra sẽ không nông cạn hay là một bản đọc nhanh. Những lúc tôi không muốn đọc qua các phát hiện của Deep Research của Gemini, tôi chỉ cần chuyển nó thành tài liệu Google Docs và đưa vào sổ ghi chép NotebookLM. Sau đó, tôi sẽ nghe Tổng quan âm thanh (Audio Overview) của nó.
Báo cáo Deep Research của Gemini đảm bảo tôi có được sự hiểu biết kỹ lưỡng và toàn diện về chủ đề, và NotebookLM giúp tôi tương tác với nghiên cứu đó theo cách thực sự hiệu quả.
Mặc dù Gemini cho phép bạn chuyển đổi báo cáo Deep Research thành Tổng quan âm thanh (Audio Overviews) ngay trong giao diện, tôi thường làm điều đó khi tôi chỉ muốn có một cái nhìn tổng quan nhanh về chủ đề. Khi tôi muốn có một cái nhìn tổng quan sâu hơn và đầy đủ hơn, tôi sẽ dùng đến NotebookLM, đặc biệt là hiện nay bạn có thể kiểm soát độ dài của bản tóm tắt âm thanh một cách linh hoạt hơn.
1. Quizlet
Xóa bỏ nỗi lo về việc ghi nhớ định nghĩa
Mặc dù NotebookLM có đầy đủ các tính năng đã làm thay đổi cách tôi học tập, nhưng có một điều nó vẫn chưa thể khắc phục hoàn toàn: trí nhớ “cá vàng” của tôi. Tôi thực sự rất chật vật khi phải ghi nhớ thông tin, và thường quên ngay lập tức những gì mình vừa học. Tôi vẫn phải dựa vào flashcards cho các môn học nặng về ghi nhớ, và Quizlet là trang web tôi thường dùng cho việc đó.
Tôi đã sử dụng Quizlet từ thời tiểu học, và đó là nơi chứa đựng những bộ flashcards mà tôi đã dành hàng giờ để tạo thủ công. Gần đây, tôi đã kết hợp Quizlet với NotebookLM theo những cách giúp việc sử dụng cả hai công cụ trở nên dễ dàng hơn. Đối với những bộ flashcards tôi đã tạo, tôi chỉ cần sao chép chúng vào sổ ghi chép NotebookLM để tôi có thể hiểu chúng rõ hơn và thực sự đặt câu hỏi cho AI về các thuật ngữ thay vì chỉ lướt qua chúng một cách vô thức.
Vào những ngày tôi học một điều gì đó mới trong một môn học cần ghi nhớ nhiều và không muốn dành hàng giờ để tạo flashcards từ đầu, tôi để NotebookLM làm công việc nặng nhọc đó. Tôi thêm tất cả tài liệu học tập của mình vào một sổ ghi chép NotebookLM, sau đó ra lệnh cho nó tạo các câu hỏi và câu trả lời theo kiểu trắc nghiệm trực tiếp từ các nguồn của tôi. Ví dụ, đây là một câu lệnh tôi đã sử dụng:
Bạn có thể tạo 50 câu hỏi và câu trả lời kiểu flashcard dựa trên sổ ghi chép này không? Giữ cho chúng ngắn gọn và tập trung. Sử dụng ngôn ngữ rõ ràng, thân thiện với người mới bắt đầu và bao gồm các khái niệm OOP chính như lớp, đối tượng, kế thừa, đa hình, đóng gói và trừu tượng.
Nhờ bản chất lấy nguồn làm gốc của NotebookLM, các câu hỏi mà nó tạo ra luôn gắn trực tiếp với tài liệu của tôi, vì vậy tôi biết mình không ghi nhớ thông tin bịa đặt hoặc không liên quan. Khi tôi có một bộ câu hỏi & trả lời vững chắc, tôi chỉ cần sao chép chúng vào Quizlet và sử dụng chúng như bất kỳ bộ flashcard nào khác. Đây là một cách tiết kiệm thời gian đáng kể, và thành thật mà nói, nó làm cho toàn bộ quá trình học tập bớt áp lực hơn rất nhiều.
Nâng cao quy trình làm việc bằng cách kết hợp NotebookLM với các công cụ yêu thích khác
Tất nhiên, những công cụ tôi đã đề cập ở trên không phải là những công cụ duy nhất bạn có thể sử dụng cùng với NotebookLM. Một số người kết hợp NotebookLM với Obsidian, trong khi những người khác thậm chí có thể kết hợp nó với ChatGPT hoặc Meta AI. Cuối cùng, tất cả đều phụ thuộc vào sở thích cá nhân và việc tìm kiếm một sự kết hợp phù hợp nhất với bạn. Quan trọng là NotebookLM là một nền tảng linh hoạt, cho phép bạn sáng tạo trong việc tối ưu hóa hiệu suất làm việc và học tập.
