我的感覺,像notebook lm這類軟體,好像越來越不好用,直接用gemini 4 argon, chatgpt 6 astra, claude fable,來直接寫專案資料庫與應用就好,網路上有這類評價嗎
提问
现有资料没有直接评价 NotebookLM 是否变差,也没有提到你列的那几个模型名。能支持的相关判断是:通用模型能快速把原型推到可用边缘,但跨过到稳定产品仍需软件工程投入。
先分清“写得出”和“用得稳”
材料里的观点你问的是网上有没有“NotebookLM 越来越难用、不如直接用旗舰模型自己搭”的评价。提供的三段对话都没有讨论 NotebookLM,也没有出现 Gemini 4 Argon、ChatGPT 6 Astra、Claude Fable 这些名称,所以不能据此确认这类评价存在或不存在。
能对上的是另一层关系。梁津晶在讲 Orca 时提到,Claude Code 只能改终端标题,无法展示完整的 agent 状态;Ghostty、iTerm 一更新,正在跑的几十个 session 会全部消失,用户得自己分辨哪些跑完了。Orca 为此做了快照、恢复和搜索排序1。这说明“直接拿模型写”和“做成一个每天能用的工具”之间,差的是状态管理、更新、检索这些琐碎工程。
立正的判断:原型到产品有鸿沟
立正在同一段对话里总结:从 prototype 到真正的 production 中间有一道鸿沟,能力不够就看不见它;AI 能更快把你带到鸿沟边上,但跨过去仍要花很多时间、精力和水平,这件事很吃 software engineering 的能力1。这是他对 Orca 案例的评论,不是对 NotebookLM 的评价。
他在另一期里说,自己每件事都让 GPT 5.1 Thinking Extended 和 Gemini 3 Pro Thinking 一起做,中文上约七八成用 Gemini、两三成用 ChatGPT,英文各有千秋2。这能说明他本人重度使用旗舰模型,但不能推出他认为专用工具该被替代。
对你的选择意味着什么
AI推演如果你的项目只是自己用、数据量小、出错能重来,直接用旗舰模型写数据库和应用,确实可能比学一个专用工具更快;这是 AI 根据上述工程鸿沟做的推演,不是资料里的结论。
如果这个库要给多人用、要长期跑、要能查回几天前的状态,那么值得先看专用工具替你承担了哪些“看不见的活”,再决定是否自己重写。一个可观察的检验:用模型做出第一版后,试着连续改三天、同时开多个任务,看是否还能说清每个任务跑到哪、哪些已完成1。如果这时开始混乱,说明你需要的可能不是更强的模型,而是状态和检索层。
提供的资料没有 NotebookLM 的使用评价,也没有你提到的几个模型名称,因此无法回答“网上有没有这类评价”。上述工程判断来自 Orca 的终端管理案例,不能直接等同于 NotebookLM 的优劣。
回到2份原文
梁津晶讲 agent 状态、更新丢失 session 等具体工程问题,立正据此谈原型到产品的鸿沟。
立正自述同时使用 GPT 和 Gemini 旗舰模型及使用比例,可核对他对通用模型的实际依赖。