Là một người say mê công nghệ và thường xuyên tìm kiếm các giải pháp tối ưu hóa năng suất, tôi đã sử dụng NotebookLM – trợ lý nghiên cứu cá nhân chạy bằng AI của Google – kể từ khi nó ra mắt dưới dạng sản phẩm thử nghiệm. Thực lòng mà nói, đây là một trong những công cụ AI yêu thích nhất của tôi cho năng suất. Tôi luôn tin tưởng và sử dụng NotebookLM một cách độc lập. Mặc dù đã thấy nhiều người thử nghiệm và kết hợp NotebookLM với các công cụ như OneNote, tôi chưa bao giờ cảm thấy cần phải kết hợp nó với bất cứ thứ gì khác, bởi những gì nó mang lại đã đủ trọn vẹn.
Tuy nhiên, trong tuần qua, tôi đã quyết định thay đổi và đưa một công cụ AI khác mà tôi đã tìm hiểu từ lâu vào quy trình làm việc của mình: Perplexity. Ý định ban đầu không phải là tìm kiếm một công cụ thay thế NotebookLM. Thay vào đó, tôi muốn xem điều gì sẽ xảy ra nếu tôi sử dụng cả hai công cụ này cùng lúc. Liệu tôi có quay lại sử dụng NotebookLM một mình như trước đây không? Hay sự kết hợp này sẽ hoàn toàn thay đổi quy trình làm việc của tôi theo hướng tốt hơn? Thật bất ngờ, câu trả lời là vế sau: hai công cụ AI này bổ trợ cho nhau tốt hơn rất nhiều so với những gì tôi mong đợi.
Tại sao lại kết hợp NotebookLM với Perplexity?
Chúng bổ trợ cho nhau ở những khía cạnh khác biệt
Người dùng đang vươn tay tới logo Perplexity, tượng trưng cho việc khai thác tối đa công cụ AI này.
Mặc dù cả NotebookLM và Perplexity đều được thiết kế để làm cho quá trình nghiên cứu tẻ nhạt trở nên nhanh chóng và đơn giản hơn, nhưng chúng lại giải quyết các phần hoàn toàn khác nhau của quy trình này. Perplexity là một công cụ tìm kiếm AI, được thiết kế để giúp cắt giảm thời gian bạn tìm kiếm thông tin.
Ngược lại, công việc của NotebookLM bắt đầu sau khi bạn đã thu thập thông tin. Nó có thể giúp bạn tổ chức, hiểu và tương tác với chủ đề bạn đang nghiên cứu theo nhiều cách khác nhau. Mặc dù Google đã bổ sung tính năng Discover sources vào NotebookLM cách đây không lâu, cho phép bạn mô tả loại nguồn muốn thêm vào sổ tay và sau đó tìm kiếm trên web, nhưng tính năng này vẫn có khá nhiều hạn chế.
Hộp thoại tính năng Discover Sources của NotebookLM, cho phép người dùng mô tả loại nguồn muốn tìm.
Trước hết, nó chỉ có thể tuyển chọn tối đa mười nguồn được đề xuất cùng một lúc. Tôi cũng không phải lúc nào cũng hài lòng với các nguồn mà nó tập hợp, vì vậy tôi thường tự tìm nguồn từ web. Perplexity, mặt khác, được thiết kế để tìm kiếm internet theo thời gian thực và thu thập thông tin từ các nguồn đáng tin cậy.
Về cơ bản, nơi NotebookLM còn thiếu sót, Perplexity lại tỏa sáng (và ngược lại). Khi bạn kết hợp sức mạnh của cả hai công cụ AI, bạn sẽ có được một combo nghiên cứu thông minh hơn và hiệu quả hơn nhiều so với việc sử dụng từng công cụ riêng lẻ.
Giao diện NotebookLM trên iPad đặt cạnh ly Stanley màu hồng, hiển thị sổ tay OOP đang mở.
Perplexity: Chuyên gia tìm kiếm nguồn tài liệu
Gánh vác công việc nặng nhọc của việc tìm kiếm
Giao diện Perplexity AI hiển thị kết quả tìm kiếm và các nguồn tham khảo.
Như tôi đã đề cập ở trên, chìa khóa ở đây là tận dụng tối đa sức mạnh của NotebookLM và Perplexity. Và cách tôi sử dụng các công cụ này cực kỳ đơn giản. Perplexity sẽ tìm kiếm các nguồn liên quan đến chủ đề tôi đang nghiên cứu. Sau đó, tôi sẽ tạo một sổ tay mới trong NotebookLM và tải tất cả các nguồn đó lên, rồi sử dụng các tính năng đa dạng của NotebookLM để tương tác với thông tin. Nghe có vẻ hơi khó hiểu, vì vậy tôi sẽ minh họa bằng một ví dụ.
Giả sử tôi là một sinh viên khoa học máy tính và đang ôn thi giữa kỳ cho môn Lập trình hướng đối tượng (Object-Oriented Programming – OOP), tôi đang bối rối về các nguyên tắc chính của mô hình này. Một lựa chọn là tải trực tiếp các slide bài giảng của tôi lên NotebookLM, nhưng giả sử tôi muốn xem cách web giải thích nó và các slide bài giảng của tôi không có đủ thông tin.
Thay vì tự mình lục tung internet, tôi sẽ yêu cầu Perplexity tìm các nguồn đáng tin cậy tập trung vào chủ đề này. Dưới đây là một ví dụ về câu lệnh:
Tìm các nguồn đáng tin cậy giải thích các nguyên tắc chính của lập trình hướng đối tượng, bao gồm encapsulation, inheritance và polymorphism. Cung cấp các liên kết đến các bài viết, hướng dẫn hoặc tài liệu cung cấp ví dụ và giải thích rõ ràng.
Trong vài giây, Perplexity đã tổng hợp các thông tin chi tiết và trả lời câu hỏi của tôi (tức là giải thích các nguyên tắc chính của Lập trình hướng đối tượng). Tuy nhiên, đó không phải là mục đích chính tôi sử dụng Perplexity ở đây. Thay vào đó, có một tab Sources bên cạnh tab Answer mà như bạn có thể đoán, bao gồm danh sách tất cả các nguồn mà nó đã lấy thông tin.
NotebookLM: Sắp xếp và tương tác với các nguồn do Perplexity tìm thấy
Biến “mớ hỗn độn” thành tri thức có tổ chức
Một khi Perplexity đã tìm thấy các nguồn tôi cần, tôi sẽ tạo một sổ tay mới trong NotebookLM và tải tất cả chúng lên. Đây là lúc mọi thứ trở nên thú vị. Khi các nguồn đã được tải lên, tôi có thể sử dụng NotebookLM để tạo Audio Overview nếu tôi không có tâm trạng đọc qua chúng và muốn nghe một cuộc thảo luận kiểu podcast về các nguồn đó.
Vì tôi chưa hoàn toàn rõ ràng về các khái niệm khác nhau trong các nguồn, tôi có thể sẽ có một vài câu hỏi. Trong trường hợp đó, tôi có thể sử dụng chế độ tương tác trong Audio Overviews và tham gia trực tiếp vào cuộc thảo luận mà hai MC AI đang có để làm rõ những nghi ngờ của mình.
Nếu tôi muốn xem cách các khái niệm khác nhau trong các nguồn kết nối với nhau, tôi có thể tạo một Mind Map. NotebookLM cũng có thể tạo Study Guide, Briefing doc, FAQ, hoặc Timeline sử dụng các nguồn của tôi.
Điều tuyệt vời nhất là NotebookLM chỉ tham chiếu thông tin từ các nguồn bạn cung cấp cho nó. Điều này có nghĩa là tôi có thể đặt câu hỏi trong bảng Chat mà không cần lo lắng quá nhiều về “ảo giác” (hallucinations) hay việc nó lấy câu trả lời từ những nơi ngẫu nhiên trên mạng.
So với việc đặt câu hỏi về một nguồn trong Perplexity có thể hơi phức tạp. Thay vì trả lời dựa trên tập hợp nguồn đầu tiên mà nó tìm thấy cho bạn, nó thường tìm một tập hợp mới và sử dụng chúng để phản hồi, vì vậy nó không phải lúc nào cũng bám sát tài liệu bạn muốn tập trung ban đầu.
Mặc dù ví dụ này có thể không có thông tin mới sau vài ngày, nhưng nếu bạn đang nghiên cứu một thứ gì đó theo thời gian thực và liên tục phát triển, Perplexity thực sự có thể rất hữu ích. Sau khi tổng hợp các nguồn ban đầu và sử dụng chúng, bạn có thể sử dụng Perplexity một lần nữa sau đó để nhận các nguồn cập nhật với thông tin mới nhất vì nó tìm kiếm trên web theo thời gian thực.
Giao diện NotebookLM hiển thị tính năng Mind Map trên iPad, với các nút điều hướng.
Kết luận
Mặc dù NotebookLM và Perplexity phục vụ các mục đích khác nhau, nhưng chúng hoạt động cùng nhau một cách liền mạch. Dù tôi đã sử dụng Perplexity khá nhiều trong quá khứ, tôi chưa bao giờ thực sự nghĩ đến việc kết hợp nó với NotebookLM cho đến tận bây giờ. Và tôi thực sự rất vui vì đã làm điều đó – muộn còn hơn không, đúng không? Sự kết hợp này đã tạo ra một quy trình làm việc hiệu quả và mạnh mẽ hơn hẳn, biến mọi “mớ hỗn độn” thông tin thành tri thức có tổ chức.
Nếu bạn đang tìm cách tối ưu hóa quy trình nghiên cứu, học tập hoặc đơn giản là muốn nâng cao năng suất với AI, đừng ngần ngại thử nghiệm bộ đôi NotebookLM và Perplexity. Chắc chắn bạn sẽ tìm thấy những giá trị bất ngờ mà chúng mang lại. Hãy chia sẻ trải nghiệm của bạn với chúng tôi trong phần bình luận!