NotebookLM + Gemini + Obsidian：過濾八成重複只留新知

學習效率的瓶頸不是讀太少，是你一直在重複接收已知的東西。這篇拆解用 NotebookLM + Gemini + Obsidian 三個免費工具組壓縮管線的方法，附 7 步設定和來源沒說的限制。 ⭐ 文章深度讀：完整 7 步操作流程拆解，加上 Kanika 沒提到的三個工具鏈限制 → https://heymaibao.com/ai-learning-compression-notebooklm-gemini-obsidian/ ⚡ 章節重點 你花的八成學習時間都在重複 00:00 Delta Learning：只留下新知的原則 01:06 三個免費工具的壓縮生產線 02:21 五步啟動知識壓縮機 03:47 用之前你該知道的三件事 05:21 📝 懶人包 ∙ NotebookLM + Gemini + Obsidian 組成三層學習管線：收集來源、跨來源去重、只保留你還不知道的 10-20% ∙ 關鍵串接是 Gemini 能直接讀取 NotebookLM 筆記本作為上下文，不用手動複製貼上 ∙ 整個流程是可重複的學習衝刺：收集 → 壓縮 → 儲存，每週跑一次就能持續累積差異化知識 ∙ 我的觀察：「100x 學習速度」是行銷修辭，實際加速幅度取決於來源重複率和你的 prompt 設計。但我把她這套做法背後的核心原則叫做 Delta Learning (只保留新知)，這個原則不依賴特定工具，換了其他工具組合一樣適用 📚 參考資料 This SIMPLE Obsidian + NotebookLM + Gemini setup could 100x your learning speed → https://x.com/kanikabk/status/2037166525984252238