NotebookLM 当阅读层、Claude 当推理层:省 token 的文件工作流靠不靠谱

Alert_Fault_547 · reddit · 2026-10-15

一位用户有 50-70 份本地文档(资料、笔记),想知道如何让 Claude 处理这些内容而不每次都烧 token。他目前的方法是把所有文档接入 NotebookLM 作为「阅读层」,让 Gemini 提取信息,再用 Claude 对提取结果做推理——省了大量 token,但他担心 NotebookLM 在筛选时遗漏关键内容,导致自己一直在与文档的不完整版本工作。

他提出的问题:Obsidian 是否是更好的替代?有没有人用 Drive、自制 RAG、embeddings 等其他系统让 LLM 读文件而不重复烧 token?大家如何确保喂给模型的信息完整无遗漏?这是一个关于个人知识库 × LLM 工作流的典型求助与经验交流帖。