超越影视飓风Teriki：我用 NotebookLM + Deep Think，构建了一套论文写作的工业化闭环

这两天，影视飓风那支《带着100万...我们去了论文代写聚集地》的视频彻底火了。大众的目光都被肯尼亚贫民窟里庞大的“论文代写产业链”所吸引，2.5美元的廉价劳动力、流水线般的学术欺诈。

但在所有人都把目光盯着猎奇的产业链时，我却在一个细节上停住了。

视频里有一位住在海景房、拥有直接客户的高级写手 Teriki。他和那些在小作坊里拼命内卷的廉价写手完全不同。

当被问到他是如何用 AI辅助论文写作时，他的工作流正好和我一直推崇的不谋而合。如下图所示：

“首先，我从不直接用 AI 来生成文章。我只会让 AI 给我推荐课题、相关且学术上可信的资料。我会逐字阅读重要资料……只有当我确保理解了这个课题，我才会开始写作。”

那一刻，我意识到：这位肯尼亚的写手，比我们身边 90% 的 AI 爱好者更懂 AI 的本质。

他无意中道破了 AI 论文写作的最高心法：AI 输出的质量，严格正比于你投喂信息的密度。

如果你只把 AI 当作生成器，它是廉价的枪手，产出的是垃圾；

如果你把它当成整理高密度信息的处理器，它就是最强的研究助理，产出的是黄金。

今天，结合我多次用 Gemini / ChatGPT 撰写了几十篇法律文书和爆款长文的经验，我想借着影视飓风的这个视频，拆解一套真正适用于深度论文写作的“高密度信息工作流”。

这套方法的核心，不是教你如何偷懒，而是教你如何做“人工 RAG（检索增强生成）”。

第一阶段：采集与备料，拒绝“通用语料库”的瞎编

很多人用 AI 写论文最大的误区，就是直接问 Gemini / ChatGPT：“帮我写一篇关于 XXX 的文献综述”。 

这时候，AI 调用的是它肚子里“通用语料库”的存货，大概率会给你编造出不存在的作者和论文（AI 幻觉）。

正如真正的论文写作，第一步必须是“高密度的信息采集”。这里我有两把武器：

1. 泛读与线索发现：Google 搜索 AI 模式

对于网上公开的论文、政策文件或新闻报道，Google 搜索 AI 模式是最好的入口。 它的核心优势是“所见即所得”。点击引用链接，直接跳转高亮原文。这能帮你快速筛选掉那些营销号的垃圾信息，找到真正有价值的期刊或官方通报来源。如下图所示：

2. 深度学术检索：NotebookLM 的“来源搜索”功能

很多人只知道 NotebookLM 是一个学习神器，也是一个 PPT生成神器，却不知道它也是个论文文献检索神器。在来源处，你可以直接使用其背后的搜索能力（甚至开启 Deep Research 模式），它的数据源涵盖了 Arxiv、Google Scholar 等高质量学术库，可以说它信息密度本身就很高。这意味着，你不需要自己去一个个前往论文网站，筛选和下载论文，而是直接在 NotebookLM 里就能把相关的学术资源捞进来。

如下图所示，我使用了 Deep Research 模式，它不但给我生成了一个报告，还提供了15篇文献，我只需点击“导入”即可将其加入进来，作为对话的语料。

3. 兜底大招：手动 RAG（Manual RAG）

如果以上工具都找不到你想要的特定领域文献（比如知网的付费论文、特定年份的内部数据），请务必亲自动手。 前往知网、Arxiv、各大期刊官网，手动下载 PDF，将其导入到 NoteBookLM，让其辅助你阅读和理解文献。

这时，你千万别嫌麻烦。 正如影视飓风视频里的 Teriki 一样，只有经过你亲手筛选（强相关和弱相关文献）、下载、确认过的高信度文献，才是喂给 AI 的特供有机食材。

这一步的若偷懒，后续 AI必定生成“屎山”。

第二阶段：清洗与内化，只有懂了，才能问对

这是最关键，也是最容易被忽视的一步。Teriki 说他会“逐字阅读重要资料，确保理解课题”。为什么？正所谓：“AI 是一个强大的能力杠杆，但杠杆的支点必须是你自身不断增长的认知深度”。

1. 充分使用学习神器：NotebookLM

你可以将筛选到的数篇论文 PDF 扔进 NotebookLM，它能生成摘要、思维导图、甚至音频概览。但这不代表你可以不看了。

它可以作为你的私人知识库。你不需要像 Teriki 那样全部手动摘抄，而是利用 NotebookLM 将杂乱的网页、PDF 转化为结构化的“学习指南”或“要点大纲”。

这构成了喂给写作 AI 的“高密度种子素材”。你需要借助 NotebookLM 快速消化这些文献，形成你自己的“认知地图”。

如下图所示，你点击每一个文献，NotebookLM都会问你生成来源指南（文献摘要）和关键词，供你快速阅读和掌握这篇论文。

其次，你与 NotebookLM 对话时，NotebookLM 会充分尊重文献，每一句输出都不会脱离文献，如下图所示，NotebookLM 也有所见即所得的能力，你点击引用序号，会直接跳转高亮原文，这能极快地帮助你吃透文献。

最后，你也可以将 NotebookLM 笔记导入到Gemini 上让其进行分析。Gemini最近更新，上传部分支持添加 NotebookLM 笔记了，Gemini 可以看到这个笔记本中上传的所有来源文档列表，并且我有能力读取这些文档的具体全文内容。如下图测试。

但可惜的是经过测试 Gemini 是无法识别到用户与 NotebookLM 的对话记录，这有些难受，毕竟 NotebookLM 尊重原文程度远高于 Gemini，这导致我很喜欢与 NotebookLM 对话。看后面给官方写一份建议信试一试。

2. 只有胸有成竹，才能提出“启发性问题”

我在之前的文章99% 的人在向 AI 提问时，都犯了一个“自以为是”的错误中提到过一个理念：用户在使用 AI 处理熟悉和擅长的领域时，发挥的作用才是最大的。

• 当你熟悉这个领域（专家模式）：你清楚知道自己要什么（比如“我要用某研究方法”），AI 就扮演最强助理，你指哪它打哪，效率起飞。

• 当你不熟悉这个领域（小白模式）：AI只能扮演一位老师，也会受限于你的认知，你可能连问题都定义不清楚，AI 只能带你入门，甚至会被你的错误指令带偏。

所以，写学术论文时，如果你自己都没读懂文献，你根本无法判断 AI 分析和总结得对不对。只有你通过阅读掌握了课题，你才能设计出精准的提示词，指导 AI 按照你的逻辑去归纳和处理。

第三阶段：推理与生成 

当你手里有了高密度的信息（清洗好的文献笔记）和清晰的认知（你的观点），最后一步才是生成。

不要直接对 AI 说：“给我输出一篇论文”。要使用“退一步提示（Step-Back Prompting）”技巧。 可以尝试放上论文的草稿，问 AI：“基于这些文献，目前的研究空白在哪里？逻辑矛盾是什么？” 还要大胆地提出自己的论文写作方向，方法论和想法等（即就是将前面你阅读文献记录的笔记）。

这里要充分暴露我们的无知，让 AI 作为一位资深某领域的导师，客观地，批判性地评价这篇论文，从而做到查漏补缺，获得启发性问题。这就是从 0 到 0.5 的过程。

接着才是，要求 AI 基于上文输出一篇论文。正如我一直强调的：只要“上下文”足够丰富，“逻辑链条”足够清晰（由 Deep Think 的思考过程保证），AI 输出的论文或文章就不再是简单的词语堆砌，而是具有严密逻辑和详实数据的高质量作品。

这样输出的论文，既有 AI 的效率，又有你的灵魂，而且每一个引用都是你亲手核查过的，绝对经得起推敲。

这里我建议大家使用 Gemini Deep Think，它就是为了学术而生，它引入革命性的并行思考架构，能同时探索 16 条推理路径。它不是为了给你堆砌信息，而是为了验证逻辑、解决难题、发现盲区。更多推荐阅读：刚刚，Gemini 3 Deep Think 正式发布！又一个王炸！

结语

回到影视飓风的视频。Teriki 之所以能住海景房，是因为他拒绝做流水线上的拼凑者，他选择了做非洲谚语里那个“狮子的历史学家”。

“直到狮子有了自己的历史学家，狩猎的故事才不会只歌颂猎人。”

Teriki 是令人尊敬的“手工匠人”，他用 AI 找矿，然后自己打磨宝石。而我们作为新一代的 AI 使用者，应当“现代工业化的设计师”：

我们用 Google搜索 AI 模式和 NotebookLM 高效探矿、洗矿（提纯高密度信息），然后将这些高纯度的原料交给 Deep Think 这个精密机床，并在旁边通过 Prompt （自身认知）指挥它加工。

在 AI 时代，写论文的门槛看似降低了，实则“真相的门槛”变高了。

那些试图用通用语料库瞎编的人，最终会被 AI 生产的垃圾淹没。

而那些愿意花时间做“人工 RAG”、愿意带着脑子去阅读、去喂数据的人，将把 AI 变成手中最锋利的剑，从而掌握定义真相的权利。

文章来自于“稀有学生”，作者 “我是离谱”。