Google 把 NotebookLM 改名成 Gemini Notebook 了 [Source: https://blog.google/innovation-and-ai/products/gemini-notebook/notebooklm-gemini-notebook/]。聽到改名很多人第一個反應是「那我之前建的東西是不是要重弄」，這裡先說結論：不用。官方與媒體都說明這次是更名、網址與功能不變，並維持獨立產品定位 [Source: https://www.bnext.com.tw/article/91193/notebooklm-complete-guide-and-use-cases]，舊的 notebook、舊的分享連結都沿用，換的是招牌，不是搬家。所以如果你手上已經有一個在用的，它還在，你什麼都不用做。

真正值得停下來想的，不是它改叫什麼，是它其實一直被小生意低估。大部分人拿它來「幫我整理一篇論文」，但它更適合的用法是：把你公司所有散落的營運文件丟進去，變成一個員工用問句就能查的 SOP 大腦。而且免費版就能開始。

改名而已，你的舊 notebook 一個都不會掉

先把免費版的邊界攤開來看，因為這決定你能不能真的拿它當公司知識庫。免費版每個 notebook 能加入的來源數量、每個來源的字數、上傳檔案的大小都有上限，而這些額度 Google 有可能隨方案調整，所以正式要拿來當知識庫之前，建議到官方說明頁確認當下的數字。但重點先講：對一間小店來說，這個容量通常綽綽有餘。

一間小店的退貨政策、報價流程、員工手冊、常見客訴回覆範本、出貨 SOP，全部加起來也不容易塞滿免費版。所以對絕大多數小生意來說，免費版的容量不是問題——問題通常是你根本沒把文件整理進去，讓它們一直躺在不同人的電腦跟 Google Drive 裡。

把散落的公司文件變成一個員工能問的大腦

實際做起來比想像中短。開一個新的 notebook，把你的退貨政策 PDF、報價流程的 Google Docs、員工手冊的網址丟進去——來源可以是檔案、可以是 Google Docs、可以是網址，甚至直接複製貼上一段文字就能建成一個來源。上傳多個網址的時候，分行或用空格分開就好。

丟完之後，你不是去「讀」它，你是去「問」它。像問一個看過全部文件的同事：「客人買超過七天可以退嗎」「B 方案的報價含不含運費」。它回答的時候會標出引用來源，你點下去，會直接跳回原始文件裡那一段話。這一步是整件事的重點——它不是憑空生成一個聽起來很順的答案，它告訴你這句話是從哪份文件的哪裡來的。

最後把這個 notebook 用唯讀連結分享出去，新人、客服、兼職都能自己查，不用每次都來問你。你等於把「你腦子裡那些只有你知道的規矩」變成一個隨時能被問的東西。

進階讀者請看：這次換的不是名字，是引擎的底盤

如果你會寫程式，改名這件事本身不值得你花時間，但底下的架構變動值得。要看懂它，先分清楚兩件過去被混在一起的事。

第一件事是 grounding（來源綁定）。 Gemini Notebook 一直是一套以你上傳的來源為地基的檢索系統：你問問題，它先從你丟進去的文件裡把相關段落抓出來，再據此作答，並把引用標回原文的那一段 [Source: https://www.bnext.com.tw/article/91193/notebooklm-complete-guide-and-use-cases]。對工程師來說，這就是一套帶來源歸屬（source attribution）的 RAG。它的答案不是模型從預訓練記憶裡「回想」出來的，而是被你的來源夾住的——這也是為什麼它比通用聊天機器人更適合當公司知識庫：答錯的空間被你的文件邊界限制住了。

第二件事，也是這次真正的技術升級——每個 notebook 現在配一台「安全雲端電腦」。 以前它只能讀你的資料、回答你的問題；現在它能直接寫程式、跑程式，做「以你的來源為基礎的複雜資料分析」，這個能力會先開放給 Pro 用戶 [Source: https://www.bnext.com.tw/article/91533/notebooklm-renamed-gemini-notebook]。

這個差別對會寫程式的人來說不是行銷詞，是計算模型的差別。純語言模型回答「幫我算這季退貨率」時，本質上是在做 token 預測——它「生成」一個看起來對的數字，而不是「算」出一個對的數字，這正是 LLM 在算術與表格聚合上不可靠的根因。加上一個能執行程式碼的沙盒之後，模型可以把你的來源當成資料，寫一段程式去真的跑 join、group by、算平均——計算被交給確定性的程式碼執行，而不是機率性的文字生成。對需要拿它做財報解讀、交叉比對多份表格的人，這是從「聽起來對」跨到「可驗證」的那一步 [Source: https://www.dada3c.tw/2026/07/notebooklm-gemini-notebook.html]。

順帶一提兩個工程上該知道的脈絡。這個產品的起點是 Google I/O 2023 上的 Project Tailwind，最早目標很單純，就是幫人學習 [Source: https://technews.tw/2026/07/17/notebooklm-is-now-gemini-notebook/]；一路走到今天配上程式碼執行環境，等於從「閱讀助理」長成「分析員」。另外這次它也在生態系裡打通了——筆記本在 Gemini App 與 Google 搜尋之間同步 [Source: https://www.dada3c.tw/2026/07/notebooklm-gemini-notebook.html]，所以如果你在評估把它接進團隊工作流，別再只把它想成一個獨立網頁。

至於這次拿掉名字裡的「LM」（語言模型）並換上藍紫漸層 Logo、正式納入 Gemini 品牌 [Source: https://www.bnext.com.tw/article/91533/notebooklm-renamed-gemini-notebook]，表面是改招牌，底下是一個清晰的戰略訊號：AI 產品不再被定位成實驗室裡的「語言模型展示」，而是被當成主力產品在鋪 [Source: https://www.marketersgo.com/media-collaboration/202607/notebooklm%E6%94%B9%E5%90%8Dgemini-notebook%EF%BC%9Agoogle%E6%A3%84ai%E3%80%8C%E8%AA%9E%E8%A8%80%E6%A8%A1%E5%9E%8B%E3%80%8D%E6%A8%99%E7%B1%A4%E7%9A%84%E6%88%B0%E7%95%A5%E8%A8%8A%E8%99%9F/]。從「語言模型」到「能算會做表的工具」，命名跟能力這次是同步轉向的。

免費版夠不夠用？先看清楚它給你多少

Gemini Notebook 有免費版可以直接開始用，也有往上的付費階梯。要講清楚的是，前面那台「安全雲端電腦」屬於這回被收進 Gemini 品牌後、先給付費用戶的較新能力——它會先開放給 Pro 用戶 [Source: https://www.bnext.com.tw/article/91533/notebooklm-renamed-gemini-notebook]。對小生意來說，先別急著為了這些升級付費。

免費版真正的天花板不在「你能不能用」，在幾個地方要有心理準備。上傳大量長文件、或想用比較吃運算的進階功能時，免費版會有額度限制；像把來源自動生成一段語音摘要（Audio Overview）這類功能，能不能用、用幾次會隨方案變動，這種你自己開一個 notebook 當場試一次，比看別人講更準。Judy AI Lab 的做法是：先用免費版把整套 SOP 跑通、確認團隊真的會用它來查東西，再看要不要為了某個特定功能付費。先驗證需求，不要先付錢。

會踩的雷：AI 標了來源，不代表你可以不看

有幾個雷，踩下去不是功能問題，是出事問題。

第一，別把客戶個資、金流密鑰、還沒公開的合約丟進去。它是拿來查公司規矩的，不是拿來存機密的。一份文件進了 notebook，又設了分享連結，權限沒收好，等於門開著。

第二，分享連結的權限要當一回事。給員工的是唯讀，別隨手設成任何人可編輯；離職、換人、專案結束，該收的連結要收。這不是 Gemini Notebook 的問題，是所有「一條連結就能看」的東西共同的問題。

第三，也是最容易被忽略的——它會標來源，但標了來源不等於你可以不複核。前面講的 grounding 只保證它引用的是你丟進去的文件，不保證那份文件本身是對的：如果你那份退貨政策本身就寫錯了、或者是三年前的舊版，它會很有信心地把錯的答案端給你，還附上出處。連新加的程式碼執行也一樣——沙盒算得再準，餵進去的來源是舊的，跑出來的表就是錯的，garbage in, garbage out 在這裡完全成立。所以人工複核那一關不能省，尤其是牽涉到錢、退款、承諾客人的內容。

它幫你把答案煮好放到桌上，但要不要吃、吃之前有沒有再看一眼，還是你的事。

改名這件事本身沒那麼重要。重要的是你有沒有一份文件，是全公司只有你一個人記得的。