一句话看懂：一位付费 Gemini Pro 用户因自建机器人 Gemini Gems 频繁产生幻觉、擅自联网污染内容，转用原名 NotebookLM 的 Gemini Notebook 来做自动化任务，认为后者在遵循自有资料、减少幻觉上明显更可靠。
事件核心：发生了什么
Android Police 作者 Khumail Thakur 在 9 月 27 日的文章中讲述了自己的使用转变。他每月付费订阅 Gemini Pro，此前用 Gemini Gems 搭建社交媒体脚本生成器等自动化流程，但很快发现问题：Gems 会无视指令临时“变道”，擅自联网抓取信息，并用 Gemini 训练数据里的过时知识填补空缺，导致脚本混入错误内容。
他随后转向 Gemini Notebook（前身 NotebookLM）。其核心差异在于：Notebook 严格限定在用户提供的知识库范围内工作，不会主动用互联网信息“污染”工作区；需要联网调研时可手动触发。他把 Google Drive 接入 Notebook，用 Sheets 和 Docs 持续投喂实时数据，再让 AI 按需检索，这也是 Gems 难以做到的。目前他为每项自由职业工作各建一个 Notebook。
为什么重要
这折射出 AI 助手产品的一条分水岭：通用聊天机器人和有边界的工作空间，在可靠性上差距明显。Gems 本质是带自定义指令的轻量机器人，一旦超出知识库范围，就会靠模型参数里的旧知识“脑补”，幻觉几乎不可避免。Notebook 把检索范围限定在用户授权的资料内，等于用 RAG 思路给输出加了护栏。对 Google 而言，把 NotebookLM 更名为 Gemini Notebook 并整合进 Gemini 界面，也是在把“可控的资料型 AI”推向更主流的订阅层级。
对用户/开发者/创作者的影响
内容创作者和自由职业者可以从两点借鉴：一是按项目建立独立 Notebook，让资料、检索和产出互不串扰；二是放弃让通用机器人“什么都知道”的期待，改为先把数据结构化再提问。需要留意的是，Notebook 并非零门槛，作者也指出提示词要更精确，例如追踪社媒增长时需自行给数据打时间戳并引导 AI 定位。开发者若在做企业级 AI 应用，这个案例也说明：在数据准确性优先的场景，封闭知识库加受控联网，往往比一味扩大模型上下文更实用。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
一是 Gemini Notebook 与 Gems 的边界会如何演进，Google 是否会把更强的联网调研能力下放到 Notebook；二是这种“资料花园”模式是否会被更多订阅计划或企业版打包；三是竞品在自定义 AI 助手上的幻觉治理会不会跟进，尤其是对联网行为默认开关的设计。
