NotebookLM 很多人喜欢它，觉得它准确度高，幻觉少。 我周围用它的人，都是这个评价，在给定文档回答问题这个场景，比如售前，它的超低幻觉，有引用来源好验证，速度快等特点，带来了实实在在的价值。 就是客户来一个问题，你把问题转手给 NotebookLM，然后把回答发给客户就可以了！ 我很好奇，它是怎么做到的，只有它才能做到吗？Claude 和 ChatGPT 这些能做到吗？2026 开年，也就是几天前，被 Meta天价收购的 Manus 能做到吗（据传是 50 亿美元）？ 它们做到的方式有什么差异吗？还有一个容易被忽视是，你给的原始内容格式，对结果好或坏的影响大吗？ 如果对上面这些有了基本结论和认知，对不同的路线，哪些场景通用（算力和代码解决一切），哪些应该垂直（多点工程和人工），会有启发和思考。 带着这些问题，我开始了测试：一份 382 页的中文法规文档，和两个中等复杂的问题（包含多跳问题）。 参赛选手有：NotebookLM、Claude、ChatGPT、Gemini、Manus 和扣子空间。这些产品是我平时有用到的。 第一轮测试，我将法规 PDF 原文上传到这些产品中，敲下问题，回车，等待结果。 结果可以说是惨不忍睹： 1、Claude、Gemini 和扣子空间团灭。 2、NotebookLM 有点玄学，从回答看，它答对了一些但不全对，可见它对原文是有理解的，但给出的引用原文却是乱码。 3、Manus 和 ChatGPT 第一个问题都对，有点惊喜。但付出的成本很大，我等了 5-6 分钟它们才完成，第二个问题，Manus 一顿操作直接耗光了我今天的额度，ChatGPT 花了 10 多分钟做出来了，答案是正确的。 虽然 ChatGPT 做对了，但两个问题花了快 20 分钟，比人自己做慢多了，那实际上也没啥价值。NotebookLM要么识别的物质名称有错字，要么对法规条款引用内容的追踪张冠李戴。 普遍做不出来，问题在哪？发现这些模型，在解析后原文乱码了， 艰难做对的 ChatGPT，展开它的思考过程，它是一边推理探索，一边将可能相关的 PDF 页面转换成了图片，通过识别图片内容，找到回答依据的。 原文乱码原因？ 如果换成一个格式良好，不会造成乱码的文档格式，会有完全不同的结果吗？ 于是，我将这个 PDF，通过合合，转换成了 Markdown，再转换成 WORD。打算用 WORD 再测一遍同样的问题。 插一句，为啥用 WORD，不用 Markdown？一是 WORD 是更常见的文档格式，二是这个法规文件表格很多，为了保持复杂表格格式，表格用了网页格式。本来 Markdown 是 AI 很喜欢的格式，结果在上传到NotebookLM 时，直接上传失败，或者会被去掉表格。 WORD 版本的测试结果，非常惊艳，直接大反转，我的观察是（排名分先后）： 1、Claude & NotebookLM：Claude 通过写代码（结合 SKILL）的方式做，NotebookLM 有规划步骤，有向量（通过引用来源推测），答案非常稳和清晰。 2、Manus：给虚拟电脑，它像个程序员操作电脑，敲终端命令做文件检索，做的也很好。 3、ChatGPT & Gemini：有 Thinking 有步骤和思维链，回答也对。 4、扣子空间：有规划步骤，有虚拟电脑和代码能力，但回答比提问要求总会缺少一点东西，不够理解任务要求（模型层面还有点小差距）。 只是更换了文档类型，就从人工智障跃升为人工智能。所以，如果要做 NotebookLM 那样，有依据的文档问答，将PDF 文档，通过靠谱的方式，先转成 WORD，准确度就会直线拉升。 这些产品，本质上都是通用 Agent， Claude是 SKILL + 代码，Manus 和扣子空间是任务规划 + 虚拟电脑 + 浏览器 + 代码，ChatGPT 和 Gemini 是 Thinking + 代码。路径虽有小差异，但结果大差不差，都是能抓到老鼠的好猫。 原来，不是只有 NotebookLM 能做到，很多产品都能做到，当前最好的模型都能做到，只要你给它代码能力，代码是它们共同的技术线。 到这里，我开始想，RAG 甚至是 GraphRAG，有必要吗？NotebookLM 没有 GraphRAG，但有 RAG。更好的问题也许是，在什么场景下需要它们？如果不是少量文档，而是一个行业的文档集，该如何构建智能问答系统？是不是应该有个文档索引系统，通过这个索引系统，将用户提问快速锁定少量文档，这就变成了本次测试类似的场景了，是不是就解决好了？ 有很多问题需要思考和讨论，这是 2026 年我第一个想要搞清楚的，评论区见。
