要在 NotebookLM 中生成「高資訊密度、專家導向」的簡報內容，你需要極端地設定「角色」與「受眾」，並明確禁止簡化。NotebookLM 預設傾向於將內容「科普化」，你必須反向操作。
以下是針對你需求的提示詞架構與範例：
核心策略：反向提示 (Inverse Prompting)
不要告訴它「要做什麼」，要強調「不准做什麼」（不准解釋術語、不准寫背景介紹、不准迎合大眾）。
推薦 Prompt 模板 (可直接複製微調)
請將以下這段文字貼入 NotebookLM 的對話框：
指令：生成一份針對「領域內資深專家/首席工程師」的技術簡報大綱。
1. 角色設定： 你是一位在這個領域鑽研 20 年的頂尖研究員，正在向同級別的專家進行閉門會議。
2. 嚴格規範（必須遵守）：
- 禁止科普： 預設聽眾已精通所有基礎知識與專有名詞，絕對不要解釋定義（Definitions）。
- 極高資訊密度： 刪除所有過場話、形容詞與情緒鋪陳。每一點都必須是具體的數據、獨到的洞察或反直覺的結論。
- 聚焦深層邏輯： 不要只講「是什麼」，要講「為什麼是這樣設計」、「取捨（Trade-off）是什麼」、「邊緣案例（Edge cases）有哪些」。
- 保留技術黑話： 直接使用原文或源文檔中最晦澀的專業術語，不要試圖轉譯成通俗語言。
- 風格： 冷靜、客觀、極度精簡。如果內容 90% 的人看懂了，那就是失敗的生成。
3. 輸出重點： 請根據來源文檔，挖掘出最核心、最違反直覺、或最具爭議性的技術細節。忽略所有通識性的概論。
為什麼這樣寫有效？
- 設定「閉門會議」場景： 讓 AI 認為這是內部高層對話，而非公開演講，它會自動切換成「行話模式」。
- 明確「預設聽眾已知」： 這是避免 AI 浪費篇幅解釋 “What is X” 的關鍵。
- 強調「Trade-off」與「Edge cases」： 這是區分「大眾科普」與「專業內容」的分水嶺。大眾看大方向，專家看邊界條件與代價。
- 負面約束 (Negative Constraint)： 明確指出「如果大眾看懂就是失敗」，這是強烈的訊號，迫使模型保留複雜度。
下一步
您可以提供您目前要分析的文件類型（例如：學術論文、財報、系統架構圖），我能為您客製化更精準的「關鍵字」來替換模板中的通用詞彙。