ฉันใช้ Claude และ NotebookLM ร่วมกันในการทำวิจัย และตระหนักว่าพวกเขากำลังแก้ปัญหาที่แตกต่างกันโดยสิ้นเชิง

ความช่วยเหลือในการวิจัยเป็นหนึ่งในด้านที่ฉันพึ่งพาแพลตฟอร์ม AI ที่ใช้ LLM บ่อยขึ้น เมื่อเทียบกับการใช้งาน AI สร้างสรรค์อื่น ๆ การใช้แชทบอท AI เพื่อช่วยจัดโครงสร้างการวิจัยของคุณและระบุความเชื่อมโยงในบันทึกของคุณสร้างความตึงเครียดน้อยกว่า โดยเฉพาะในวงการวิชาการ อย่างไรก็ตาม ในปัจจุบัน ฉันไม่ได้ใช้เครื่องมือ AI หลากหลายชนิดในการวิจัยมากเท่าเดิม

แต่กระบวนงานส่วนใหญ่ขึ้นอยู่กับสองโซลูชัน: Claude และ NotebookLM

ผมจะตรงไปตรงมากับคุณ: ผมไม่ได้รู้จักการผสมผสานที่เหมาะสมนี้ตั้งแต่แรก จริงๆ แล้วผมใช้เวลาพอสมควรในการเข้าใจว่า Claude ดีกว่า ChatGPT มาก แม้เมื่อผมเริ่มใช้ทั้งคู่ การใช้เครื่องมือทั้งสองอย่างอย่างมีกลยุทธ์กลับเป็นความท้าทายที่ใหญ่กว่าและต้องลองผิดลองถูกมากกว่าที่คาดไว้ ในระหว่างกระบวนการนี้ ผมก็ยังตระหนักด้วยว่า Claude และ NotebookLM ถูกสร้างมาเพื่อแก้ปัญหาที่แตกต่างกันโดยวิธีที่แตกต่างกัน

ฉันคิดว่าโคล้ดทำทุกอย่างได้

ทำไมฉันถึงคาดหวังให้ AI ตัวเดียวจัดการทุกอย่าง

หลังจากที่ใช้ ChatGPT ชั่วครู่หนึ่ง ฉันพบ Claude และมันก็กลายเป็นเครื่องมือ AI ที่ฉันใช้บ่อยที่สุดสำหรับทุกเรื่องเกี่ยวกับการวิจัย เมื่อเปรียบเทียบกับ ChatGPT และอื่น ๆ Claude แสดงให้เห็นทักษะการเขียนและการให้เหตุผลที่แข็งแกร่งกว่า และไม่นานฉันก็เริ่มมองว่ามันเป็นพันธมิตรในการคิดสำหรับความต้องการการวิจัยทั้งหมดของฉัน เมื่อมองย้อนกลับไป ฉันชอบวิธีที่ Claude โต้ตอบกับข้อความของฉัน โดยเฉพาะอย่างยิ่งในวิธีที่มันอธิบายทุกอย่างและติดตามเธรดยาว ๆ

ต่อมา ฉันใช้ Claude สำหรับงานหลากหลายประเภท รวมถึงการทบทวนวรรณกรรม การเตรียมคอร์ส การพัฒนาเนื้อหาบรรยาย และการจัดโครงสร้าง/ร่างบทความที่เผยแพร่สู่สาธารณะ เนื่องจาก Claude มีการสนับสนุนเอกสารและร่างประเภทอื่น ๆ ที่ฉันสามารถวางลงไปได้ การทำงานของฉันก็ราบรื่นเช่นกัน อย่างไรก็ตาม ไม่ช้าไม่นาน ฉันก็สังเกตบางสิ่งเกี่ยวกับคำตอบ

ทุกอย่างเป็นไปได้ด้วยดีเมื่อฉันถามคำถามกับคลอด์เกี่ยวกับสิ่งที่มันรู้อยู่แล้ว อย่างไรก็ตาม เมื่อฉันให้แหล่งข้อมูลกับคลอด์ คำตอบที่ได้ไม่ใช่สิ่งที่แท้จริงเสมอไป นั่นคือ แม้ว่าฉันจะให้คลอด์สร้างคำตอบตามแหล่งข้อมูลที่ให้มา มันก็ยังมีบางองค์ประกอบจากภายนอกแหล่งข้อมูลอยู่ การผสมความรู้ทั่วไป — หรือความรู้ใด ๆ โดยไม่มีการอ้างอิง — เป็นสิ่งที่ฉันไม่สามารถทำได้เมื่อพูดถึงการวิจัย นี่คือจุดที่ตัวแข่งขันเข้ามา!

แล้วฉันก็นำ NotebookLM เข้ามาเป็นผู้คัดกรองเอกสารของฉัน

ทำไมฉันถึงเลิกไว้วางใจบันทึกของฉันกับ AI ตัวเดียว

โดยพื้นฐานแล้วฉันได้นำ NotebookLM เข้ามาในกระบวนการทำงานด้วยเหตุผลสำคัญเพียงประการเดียว: ความถูกต้องตามแหล่งข้อมูล นั่นคือ ฉันต้องการให้แน่ใจว่าคำตอบที่ฉันได้รับนั้นอิงจากแหล่งข้อมูลที่ฉันให้มาเท่านั้น คุณสามารถเข้าใจได้ว่ามันสำคัญเพียงใดในการวิจัย โดยเฉพาะอย่างยิ่งถ้าคุณทำเพื่อการสอนหรือด้านวิชาการ ตัวอย่างเช่น เมื่อฉันเตรียมสื่อการเรียนฉันไม่ต้องการให้ AI อ้างอิงเนื้อหาจากแหล่งนอกเหนือจากที่กำหนด

อย่างที่คุณสามารถคาดเดาได้ NotebookLM แก้ปัญหานี้ได้อย่างสง่างาม มันทำให้มั่นใจว่าคำตอบนั้นอิงตามแหล่งข้อมูลที่ฉันอัปโหลด — และเฉพาะแหล่งข้อมูลเหล่านั้น จำนวนแหล่งข้อมูลที่ฉันสามารถอัปโหลดไปยังสมุดบันทึก NotebookLM เดียวก็ทำให้ประทับใจเมื่อเทียบกับตัวเลือกที่จำกัดใน Claude ที่สำคัญยิ่งกว่านั้น NotebookLM ทำให้สามารถถามชุดคำถามที่แตกต่างกันได้ แทนที่จะถามว่า “คุณคิดอย่างไรเกี่ยวกับภาษามาตรฐาน?” ฉันสามารถถามว่า “แหล่งข้อมูลพูดอะไรเกี่ยวกับภาษามาตรฐาน?” ขั้นตอนนี้ถือว่าเป็นก้าวใหญ่ในตัวมันเอง

อย่างไรก็ตาม แม้ว่าคำตอบเหล่านี้จะมีพื้นฐานจากแหล่งข้อมูลและมีความเป็นของแท้ แต่ฉันก็เจออุปสรรคในไม่ช้า ฉันตระหนักว่า NotebookLM ไม่ใช่สิ่งที่คุณสามารถใช้เหมือนกับการใช้ Claude หรือ ChatGPT มันไม่ใช่นักสนทนาที่ดีนัก ดังนั้นการใช้มันในการให้เหตุผลและระดมความคิดจึงไม่ค่อยเหมาะเท่าที่ฉันคิด ปัญหาใหญ่ที่สุดที่ฉันเจอคือการวางคำตอบจาก NotebookLM ในบริบทที่กว้างขึ้น

ช่วงเวลา 'อ้า!' พวกเขาไม่ใช่ฝาแฝด

ทำไมสองเครื่องมือนี้ถึงไม่เคยทับซ้อนกันจริงๆ

มันใช้เวลาสักหน่อย แต่ฉันก็รู้ว่าคล๊อดและโน้ตบุ๊กแอลเอ็มไม่ได้ถูกสร้างมาเพื่อแทนที่กันและกัน ทั้งสองตัวนี้ไม่ได้เป็นตัวเลือกสำหรับงานเดียวกัน แต่ถูกสร้างขึ้นเพื่อทำงานที่แตกต่างกันโดยสิ้นเชิง

Claude ใกล้เคียงกับความยอดเยี่ยมในฐานะนักสนทนาที่เข้าใจได้ง่ายและเป็นเพื่อนร่วมวิจัยที่คุณสามารถไว้วางใจได้ มันทำงานได้ดีสำหรับฉันในฐานะเพื่อนร่วมเขียนด้วยเช่นกัน โดยเฉพาะเมื่อฉันให้โน้ตที่ยุ่งเหยิง ฉันใช้มันอย่างมั่นใจเพื่ออธิบายแนวคิดซับซ้อนและปรับข้อความใหม่เพื่อปรับปรุงน้ำเสียงและการอ่าน ความซื่อสัตย์ต่อแหล่งข้อมูลเป็นสิ่งที่ Claude มักจะมีปัญหา

ในทางกลับกัน NotebookLM ต้องถูกมองว่าเป็นเอนจินที่วิเคราะห์แหล่งข้อมูลของคุณอย่างลึกซึ้งและให้คำตอบที่แท้จริง มันรู้วิธีจำกัดคำตอบโดยอ้างอิงจากแหล่งข้อมูลเท่านั้น คุณยังสามารถได้รับประโยชน์จากการอ้างอิงที่ชัดเจนขึ้นและส่วนเฉพาะของแหล่งข้อมูลเป็นเกณฑ์อ้างอิงเมื่อใช้งานด้วย คุณมีโอกาสน้อยที่จะพบกับความเพ้อฝันของ LLM อย่างไรก็ตาม NotebookLM ไม่ได้เหมาะกับการเป็นคู่สนทนา

ความเข้าใจนี้ทำให้ฉันสร้างแนวทางการวิจัยที่ใช้ AI สองตัวแทนที่จะพึ่งพา AI ตัวเดียว

กระบวนการวิจัย AI สองตัวส่วนตัวของฉัน

วิธีที่ฉันแบ่งงานระหว่าง Claude และ NotebookLM

จากข้อมูลเชิงลึกจากการใช้ทั้ง NotebookLM และ Claude ฉันได้สร้างระบบสอง AI ที่ทำงานได้ดีสำหรับการวิจัย นี่คือวิธีการทำงาน:

1. ฉันเริ่มจากการอัปโหลดแหล่งข้อมูลที่เกี่ยวข้องทั้งหมดไปยัง NotebookLM ซึ่งจะประมวลผลทุกอย่าง หลังจากนั้นฉันถาม NotebookLM เกี่ยวกับประเด็นสำคัญ สรุป และคำถามเฉพาะที่เกี่ยวข้องกับโครงการ ตัวอย่างเช่น ฉันอาจถามว่า "ผู้เขียนกล่าวไว้ตรงไหน?" โปรดทราบว่าฉันไม่ได้ถาม NotebookLM ให้ตอบคำถามโดยตรงหรือจัดทำเอกสารอย่างเต็มรูปแบบ
2. ในขั้นตอนที่สอง ฉันไปที่ Claude และให้บริบทที่ฉันได้จาก NotebookLM ที่นี่ งานของ Claude คือการเปลี่ยนส่วนที่ค่อนข้างรกและไม่สมบูรณ์เหล่านี้ให้เป็นเนื้อหาที่สอดคล้องกันซึ่งฉันสามารถใช้เพื่อวัตถุประสงค์เฉพาะได้ ตัวอย่างเช่น ฉันอาจขอให้ Claude สร้างโน้ตการเรียนสำหรับนักเรียนหรือโครงร่างสำหรับงานวิจัยตามสิ่งที่ฉันให้ไป
3. ขั้นตอนที่สามนี้เป็นทางเลือก แต่แนะนำอย่างยิ่งหากคุณกังวลเกี่ยวกับความถูกต้อง เมื่อฉันเตรียมบางอย่างโดยใช้ Claude ฉันจะนำคำตอบนั้นกลับไปที่ NotebookLM ซึ่งฉันจะขอให้มันตรวจสอบคำกล่าวอ้างตามแหล่งที่มา นี่เป็นวิธีที่ยอดเยี่ยมในการหลีกเลี่ยงความฝันหรือคำกล่าวเกินจริงที่อาจเกิดขึ้น

ท่อขนส่งนี้เป็นวิธีที่มีประสิทธิภาพในการดึงสิ่งที่ดีที่สุดจากทั้ง Claude และ NotebookLM ในขณะเดียวกันก็หลีกเลี่ยงอุปสรรคที่อาจเกิดขึ้นเมื่อใช้เครื่องมือแต่ละตัวแยกกัน

เมื่อใช้เพียงอันเดียว มันจะกัดคุณ

คุณไม่จำเป็นต้องให้ฉันบอกคุณเลยว่า Claude และ NotebookLM เป็นเครื่องมือที่ยอดเยี่ยมในตัวเอง อย่างไรก็ตาม จากมุมมองการวิจัยเกี่ยวกับความแม่นยำและความแท้จริง การใช้เพียงเครื่องมือใดเครื่องมือหนึ่งอาจสร้างปัญหามากกว่าที่คุณคิด ตัวอย่างเช่น หากใช้ Claude เพียงอย่างเดียว คุณจะได้ร่างที่เขียนได้ดีและประสบการณ์การโต้ตอบที่ดี แต่คุณเสี่ยงต่อการลดความถูกต้องของแหล่งที่มา ในทำนองเดียวกัน NotebookLM ทำงานได้ดีในการยึดการตอบสนองไว้กับแหล่งข้อมูลของคุณ แต่ร่างที่มันสร้างขึ้นนั้นไม่ได้ดีนัก เมื่อคำนึงถึงประเด็นเหล่านี้ การใช้ท่อทำงานที่ใช้ทั้งสองเครื่องมือตัวอย่างนี้จึงสมเหตุสมผลมาก!