神译局是36氪旗下编译团队，关注科技、商业、职场、生活等领域，重点介绍国外的新技术、新观点、新风向。
编者按：别再等AI喂给你知识了。关键中的关键是，你得先教会AI“如何教你”。文章来自编译。
顺便分享一些我用来定制化学习的实用提示词。
我本想用 LangChain 为我的newsletter写个具备 RAG（检索增强生成）功能的专属 AI 智能体聊天机器人的。
但问题是，我完全不知道从何下手。
每一篇教程都默认我已经懂了向量数据库、嵌入（embeddings）和检索管道。那些文档是写给把 Python 玩得滚瓜烂熟的开发者的。Stack Overflow 上的帖子动辄“分块策略”和“相似性搜索”这样的术语，好像人人都该懂似的。
我就卡在那种“一知半解，离真正有用还差得远”的尴尬境地。我理解 ChatGPT 和 Claude。我也用 Make.com、Zapier、n8n、Relay 这些工具写过过自动化流程，感觉已经颇为高级了。
但 LangChain 呢？
用代码开发真正的 AI 智能体？
这感觉就像只看了几个 YouTube 视频，就被人推上手术台去做外科手术一样。
零代码自动化和真正的 AI 智能体开发之间的鸿沟，感觉宽得令人绝望。我无法理解。
然后我想起了那个曾改变过我学习方式的工具。
六个月前，我曾写过一篇关于 NotebookLM 的文章。那篇文章成了我迄今为止最火的一篇——读者显然对“将 AI 变成个性化学习系统，而不只是又一个研究工具”这个想法产生了共鸣。
但我没想到的是：NotebookLM 它自己也在不断进化。
就在我专注于开发 AI 自动化工作流、探索新的 AI 工具的时候，NotebookLM 悄悄地增加了一些功能，彻底改变了可能性。我们说的不是小修小补——而是一种能让你根据自己所处的学习阶段，来定制 AI 如何教你的能力。
而当你试图跨越从零代码到实际开发智能体的鸿沟时，这一点改变了一切。
所以，当我在用 LangChain 和 RAG 系统构建 AI 智能体上碰壁时，我又回到了 NotebookLM。但这一次，我不再只是上传信源然后提问，而是构建了一个完整的学习生态系统，这个系统完全契合我当时的水平：一个懂 AI 概念、但从未实际开发过智能体的“AI 操作员”。
NotebookLM
在继续之前，我想特别提一下 Jason Spielman，他是 NotebookLM 背后的艺术家兼首席设计师。他早期的草图和实验造就了今天的版本。我对这个设计的复杂性感到惊讶——就像看着一个打磨精良、开箱即用的成品送到你家门口。如果你喜欢产品开发的艺术，你可能会想看看他讲述的 NotebookLM 的早期开发故事。
相信我，那故事非常精彩！
好了，言归正传。
当我不再强迫自己像开发者那样学习，而是构建了一个匹配我大脑实际工作方式的系统后，事情发生了变化。
我构建的学习系统
在我真正开始学习之前，我必须解决第一个问题：我到底该读些什么？
当你学习一个全新的东西时，你甚至都不知道哪些资料是靠谱的。Google 一搜“LangChain RAG 教程”，你会得到 10000 个结果。
哪些是给新手的？哪些已经过时了？哪些又默认我具备了我所没有的知识？
就在这时，NotebookLM 的“发现”(Discover) 功能成了我的第一个突破口。
阶段一：筛选“对的”信源（而非“随便”哪个信源）
大多数人没有意识到，你可以定制 NotebookLM 为你查找的信源种类。你不用只问“帮我找找 RAG 的资料”，而是可以具体指定你需要的信源类型。
我是这样使用Discover功能的定制选项的：
定制一：“只从 Reddit 查找信源”
Reddit 的帖子里会有真正的开发者揭露他们在哪儿卡壳了。你会看到像“我是一个试图理解 RAG 的新手，这是最终让我豁然开朗的东西”这样的帖子。这些人往往只是比你快了一步，正在解释他们的突破点。这对于构建初步的心智模型非常完美，不会被各种流行词和行话搞得晕头转向。
定制二：“只查找 YouTube 视频”
这些年来，YouTube 一直是我最大的学习来源，因为它通常有我能轻松跟上的新手指南。上面也充斥着能带你从入门到进阶的内容。
定制三：“只查找来自 LangChain、OpenAI 和 ChromaDB 的官方文档 PDF”
如果你一上来就看文档，那是没用的——文档是写给已经懂基础的人看的。但一旦你从 Reddit 和 YouTube 建立了心智模型，官方文档突然就变得有意义了。指定“仅 PDF”或“来自 LangChain.com”可以防止搜到杂七杂八的博客文章，确保来源的权威性。
定制四：“只从顶级技术出版物查找信源——如 AWS 博客、谷歌云文档、企业案例研究”
这些信源解释了企业为什么要做 RAG 系统以及现实世界的架构决策。一旦你理解了怎么做，你就需要了解生产环境的最佳实践、成本优化和安全考量，而这些只有企业级信源才会涵盖。
通过定制信源类型，我创建了一套多样化的材料来加深对我所学主题的理解。这帮助我避免了单一信源的偏见，让我能看到多元的视角，使我的学习比以往任何时候都更扎实。
此外，你还可以用你 Google Drive 里的文件作为信源。这是他们最近刚加的新功能。
Perplexity 深度研究 + NotebookLM：收集信源的强力组合
