别再暴殄天物！我爆肝一周挖出 Notebook LM 5 个逆天黑产级玩法：10分钟打通自动化工作流，你的“印钞大脑”已上线！

1. 核心理念：Everything Notebook

很多人习惯按主题建笔记本（比如“学英语”、“学编程”），但谷歌官方博客（Steve Johnson）提出了一个更高级的理念：创建一个主笔记本 (Everything Notebook)。

• 这是什么： 把你所有的核心资料都塞进这一个笔记本里。
• 放什么资料：
  • 日常使用的常识资料、常用参考资料、书摘、知识笔记
  • 项目资料、工作/创业核心数据
  • 头脑风暴记录、灵感与创意想法
  • 过往的成功案例与失败复盘
  • 个人业务数据（如：邮件、自媒体后台数据、粉丝画像、评论等）
• 目的：

当资料足够全，AI 就了解了你的思维方式、优缺点和性格。它不再只是个工具，而是你的数字分身。以后做决策时，它是基于“了解你”的前提下，为你量身定制方案，而不是给通用的废话建议。

[!TIP] 建议
先建好这个“主笔记本”，把它作为你的决策大脑，然后再去建其他细分的知识笔记本。

谷歌官方博客：8 expert tips for getting started with NotebookLM

---

2. Gemini + NotebookLM 联动

Gemini 官网现在可以直接调用 NotebookLM 的笔记本了（目前灰度测试中，点击对话框“+”号）。这个联动解决了NotebookLM单独使用时的三个痛点：

功能痛点	NotebookLM 单独使用	Gemini + NotebookLM 联动
联网搜索	❌ 不能联网，只能基于投喂的资料回答。	✅ RAG + 联网：既参考你的资料，又去全网搜索最新信息，最后汇总回答。
跨本调用	❌ 只能在一个笔记本内问答。	✅ 跨笔记本：可以同时勾选“主笔记本”+“外部知识库”（如Dan Koe视频/纳瓦尔宝典），让顶级思维结合你的实际情况出方案。
多模态	❌ 无法画图，无法写代码运行。	✅ 全能输出：调用 Nano Banana 画图，调用 Canvas 写代码（做网站、做图表）。

---

3. 系统提示词 (System Prompt)

在笔记本设置里，可以自定义系统提示词（最近扩容到1万字符）。这是让AI变聪明的核心。

提示词撰写逻辑

一个好用的通用提示词应该考虑以下几个部分：

1. 定义角色：你是分析师、产品经理还是主持人？
2. 任务目标：整理论点？写决策书？
3. 资料规则：只用资料库，还是可以结合训练数据？
4. 思考路径：对比观点？先给结论再找依据？
5. 输出格式：Markdown？表格？中英文对照？
6. 语气风格：专业严谨？杜绝废话？
7. 负向约束：禁止做什么（如禁止讨好、禁止模糊指代）。

系统提示词范例模版：

## 1. 角色设定
你现在的身份是：[在此处填写角色]

示例 1 (内容创作)：一位拥有15年经验的资深科技博主，擅长把复杂的技术概念用大白话讲清楚，风格幽默且接地气。
示例 2 (商业分析)：一位理性犀利的投资分析师，只相信数据和财报，对管理层的画饼行为保持高度警惕。
示例 3 (学术辅助)：一位严谨的科研助教，专注于梳理逻辑漏洞，要求所有观点必须有明确的出处。

## 2. 核心任务
你的主要任务是：[在此处填写任务]

示例 1：根据上传的资料，整理出一份逻辑通顺的视频口播文案。
示例 2：分析上传的会议纪要，提取出待办事项、负责人以及潜在风险。
示例 3：作为我的“第二大脑”，根据资料库中的过往笔记，为我当下的问题提供决策建议。

## 3. 资料使用与幻觉控制
请严格遵守以下资料使用模式：[在此处填写资料使用模式]

示例 1 (严格依据源文件)：你的回答必须 100% 基于我上传的源文件。如果源文件中没有提到的信息，直接回答“源文件中未提及”，严禁动用你的训练数据进行猜测。每条关键结论后，必须标注引用来源，例如 [来源 1]。
示例 2 (混合增强模式)：以源文件的内容为核心骨架。但在必要时，允许你调用外部训练数据来解释源文件中晦涩的术语，或补充相关的行业背景案例，以丰富内容。

## 4. 思考与分析框架
在回答问题前，请遵循以下思维逻辑：[在此处填写思维逻辑]

示例 1 (视频脚本逻辑)：痛点切入 -> 价值主张 -> 实操步骤 -> 引导关注。
示例 2 (利弊评估逻辑)：核心优势 -> 致命缺陷 -> 适用人群 -> 最终建议(推荐/不推荐)。
示例 3 (费曼技巧)：先用小学生能听懂的话概括 -> 再深入技术细节 -> 最后用一个比喻来巩固理解。

## 5. 输出格式规范
请按照以下格式进行输出：[在此处填写输出格式]

示例 1 (自媒体文案风格)：标题使用吸引眼球的标题，适当使用 Emoji 表情。正文结构要多分段，每段不超过3行，多使用短句，模拟真人口语感。
示例 2 (专业研报风格)：层级结构必须使用 H2 和 H3 清晰划分章节。遇到对比类信息，强制使用 Markdown 表格进行展示。遇到专业名词时，请保留英文原文并附带中文解释。

## 6. 负向约束
在生成内容时，请遵守以下约束：[在此处填写负向约束]

示例 1：严禁使用“作为一个AI语言模型”、“希望能帮到你”等无意义的填充词。不需要寒暄，直接给出答案。
示例 2：不要说“很多公司”，要具体说“如亚马逊或微软”（如果源文件有提及）。严禁使用拟人、排比等花哨的修辞手法，保持客观冷静。

[!WARNING] 重要提醒
NotebookLM 不保存聊天历史！刷新页面对话就没了。
解决办法： 养成好习惯，觉得有用的回答，马上点击“储存至记事”。

---

4. 功能微调：六大功能模块自定义提示词

除了对话框，右侧工作区的6个功能模块（摘要、简报等）也可以独立设置提示词。

• 区别： 系统提示词管整个笔记本（AI对话），模块提示词只管当前这个功能。
• 通用底层逻辑：
  1. 目标与受众：给谁看？（给儿童看绘本，还是给投资人看财报？）
  2. 证据约束：必须严格基于资料，还是可以自行补全或使用训练数据（总结类任务一定要约束，防止幻觉）。

功能	解释	提示词撰写侧重点 (你需要控制的变量)	范例
语音摘要	控制两个AI对话的语气、受众和讨论重点，避免它们闲聊无关内容。	1. 指定受众身份：明确说明是讲给谁听（如初学者、CTO、投资人），决定内容的深浅。 2. 设定讨论基调：指定对话是激烈的辩论、客观的分析还是轻松的科普。 3. 圈定内容范围：明确指出需要忽略哪些细节（如代码实现），着重讨论哪些结论（如商业价值）。	受众是并没有技术背景的企业高管。请用商业分析的语气，重点讨论文档中提到的技术方案对降低成本的实际贡献。忽略所有具体的代码实现细节，最后总结出3个关键的决策建议。
影片摘要	决定生成的视频画面视觉风格，以及视频脚本的叙事节奏。	1. 描述视觉风格：详细描述想要的画面感觉（如极简线条、手绘风格、科技感），这是控制画面的关键。 2. 规划叙事结构：指定视频的开头、中间和结尾分别展示什么内容。 3. 设定应用场景：说明视频用于什么平台（如竖屏短视频、会议开场），这会影响画面的构图和节奏。	视觉风格采用深色背景的极简线条动画，强调科技感。叙事结构上，开篇直接展示旧方案的痛点，中间通过数据对比展示新方案的优势，结尾必须包含强有力的行动号召。适合在移动端竖屏播放。
学习卡	指定从文档中抽取哪些知识点，并规定卡片正面和背面分别写什么。	1. 限定考察范围：指定只从特定的章节或特定的主题（如某个理论）中提取内容。 2. 定义正反面逻辑：明确正面是问题、场景还是名词，背面是答案、解释还是对应术语。 3. 控制知识颗粒度：说明是考宏观概念的理解，还是考微观参数的记忆。	只针对素材中提到的 RAG技术架构 相关内容制作卡片。卡片正面描述一个具体的报错或应用场景，卡片背面给出对应的解决方案或技术术语。不要制作简单的名词解释卡片，要侧重实战应用。
测验	设定出题的场景背景、难度陷阱以及考察的具体能力。	1. 设定题目情境：将题目置入具体的工作场景中，而不是干巴巴的填空。 2. 调整干扰项难度：要求生成的错误选项具有迷惑性，考验真正的理解程度。 3. 明确考察目标：说明是为了复习概念定义，还是为了测试解决问题的能力。	生成一组基于真实工作场景的判断题。假设我是项目经理，根据文档内容，当我面临服务器负载过高时，哪种方案是当下的最优解？请提供带有强迷惑性干扰项的选择题，重点考察对性能优化的理解。
资讯图表	描述图表的视觉主题、配色方案以及需要强调的关键数据。	1. 指定视觉主题：明确配色方案（如深色模式、企业蓝）和整体氛围。 2. 筛选核心数据：强制要求图表只展示最重要的3-5个关键指标，避免信息过载。 3. 定义图表类型：说明是需要流程图、对比图还是时间轴，以及布局的方向（横向/纵向）。	制作一张横向的对比图表。左边列出 传统工作流，右边列出 AI自动化工作流。使用高亮颜色突出显示 节省时间 和 降低成本 这两个关键数据指标。整体配色使用深蓝色调，风格要简洁专业。
简报	规划PPT的大纲结构、每一页的重点内容以及演讲对象的层级。	1. 控制幻灯片页数：强制限定生成的页数，防止内容过于冗长。 2. 构建逻辑链条：设定每一页的主题流向（如：提出问题 -> 分析原因 -> 给出方案）。 3. 规范内容密度：要求每一页只展示一个核心观点，减少文字堆砌，适合演讲演示。	生成一份5页的融资演示文稿。第一页只讲用户痛点，第二页讲我们的解决方案，第三页展示商业模式。每页幻灯片字数严格控制在30字以内，主要使用列点形式，并在备注栏生成详细的演讲逐字稿。

---

5. 深度补全：Deep Research 的优化方式

NotebookLM 的 Deep Research 和 ChatGPT/Gemini 的 Deep Research 用途完全不同，提示词策略也要调整。

对比维度	NotebookLM Deep Research	通用 AI (GPT/Gemini) Deep Research
核心定位	补全资料库	直接出成品
使用场景	手头资料不够、太旧，需要找点东西补充进来，作为新的信源。	直接拿去汇报、演讲，或者发给老板。
提示词重点	侧重研究范围（时间/地域）、信源偏好（论文/论坛），目的是互补。	侧重输出结构、表达逻辑。

优化技巧：

• 优化Deep Research的提示词结构
• 用 GPT/Gemini 做深度搜索，生成报告后，导入到 NotebookLM 里作为信源使用。

提示词样例：

### 1. 角色设定
你是一个深度研究引擎，负责基于现有资料与网络信息进行系统性研究、分析与整合。
产出的内容将作为 NotebookLM 笔记本中的长期知识来源，而非一次性成稿。

示例：
- 行业研究分析员
- 技术趋势研究员
- 市场与竞争分析顾问
- 学术综述助理
- 政策与法规研究员

### 2. 研究目标
- 核心研究问题：<明确本次研究要解决什么问题>
- 最终用途：<知识库建设 / 决策支持 / 视频脚本素材 / 写作资料 / 趋势判断等>

示例：
- 核心研究问题：2024–2026 年个人 AI Agent 的主要技术路线与落地瓶颈
- 最终用途：为视频内容与长期知识库提供可靠资料来源

### 3. 研究范围与边界
- 时间范围：<例如 2020–2025 / 近三年 / 近一年>
- 地域范围：<全球 / 中国 / 北美 / 欧洲等>
- 内容侧重：<技术 / 产品 / 市场 / 学术 / 政策>
- 排除内容：营销软文、无明确来源的博客、纯主观观点、重复或低信息密度内容

### 4. 来源筛选与引用规则
在抓取信息时，请优先采纳以下类型的来源：
- 第一优先级：[在此处填写，如：官方文档、GitHub Readme、SEC财报]
- 第二优先级：[在此处填写，如：Arxiv论文、知名科技媒体深度报道]
- 第三优先级：[在此处填写，如：Reddit 高赞讨论贴、Hacker News 评论（用于获取真实反馈）]

所有关键结论必须附带可追溯的来源说明。
若资料中未明确提及相关信息，请直接标注“源资料中未提及”，不得自行推断或补充。

### 5. 分析与思考要求
针对每一个关键发现，必须包含以下内容：
- 事实本身：发生了什么，有哪些数据或证据
- 成因分析：为什么会出现这种情况
- 不同观点或分歧：是否存在不同解释或争议
- 趋势判断：未来可能的变化方向
- 实际意义：对决策、判断或知识库建设的价值

避免仅做摘要式罗列，必须体现分析过程。

### 6. 输出结构要求
以 Markdown 格式输出，并严格遵循以下结构：

	1. 执行摘要：概括本次研究的核心发现。
	2. 关键事实与数据：
	   - 按重要性列出5-10个核心事实。
	   - 每个事实必须包含具体数据（如增长率、版本号、具体参数）。
	   - 必须在每个事实后附带可追溯的来源链接。
	1. 观点对比：
	   - 官方/主流观点是什么？
	   - 社区/反对观点是什么？
	1. 趋势预判：基于收集到的信息，预测未来的短期趋势。
	2. 未解之谜：目前网络上仍缺乏确切信息的问题有哪些（防止幻觉）。

### 7. 表达规则
- 语言风格：专业、克制、技术向
- 明确区分事实、推论与不确定判断
- 禁止营销化、情绪化表达
- 禁止模糊指代，主体需明确
- 信息不足时直接说明“无确切信息”

### 8. 自检清单
在输出完成前，请自行检查：
- 所有关键结论是否都有来源支持
- 是否存在过度推断或跳步结论
- 是否严格遵循既定研究范围与结构
- 是否混入低质量或不可靠来源

---

6. 大容量音视频与批量导入

6.1 超大音视频处理（YouTube大法）

如果你有几个小时的会议录音、讲座视频，文件太大传不上去怎么办？

1. 把视频/音频上传到 YouTube。
2. 设置为 公开视频。
3. 复制链接，作为来源添加到 NotebookLM。

6.2 批量导入技巧

避免一个一个手动复制YouTube视频链接，使用浏览器插件：

• YouTube to NotebookLM：一键把博主的所有视频、播放列表导入笔记。
• NotebookLM 网页导入器：把网页图文一键存入（免费版有数量限制）。
• Save to Google Drive (谷歌官方)：把网页内容存到云盘（这是我最推荐的，官方插件，无限制。）。

---

7. 谷歌生态：Google Drive 的核心作用

Google Drive 是连接一切的中转站，利用好它能打通所有工具：

• Gemini 对话：在 AI Studio 聊天的记录，自动存云盘 -> 导入 NotebookLM。
• Gmail 附件：一键存云盘 -> 导入 NotebookLM。
• 本地文件：安装 Google Drive 桌面版，电脑文件扔进去 -> 自动同步 -> 导入 NotebookLM。
• Obsidian 笔记：用 Google Drive 同步 Obsidian 仓库，你的笔记就能直接被 NotebookLM 读取，完美弥补 Obsidian 没有强力 AI 的短板。

---

8. 特殊技巧：绕过人物照片审核

NotebookLM 禁止上传真人人脸照片，但有些场景下，你需要分析微表情（心理学）、模特穿搭（时尚电商）或者固定小说主角形象等场景，可以用这个“套娃”大法：

1. 在 Google Drive 里新建一个文档。
2. 把照片贴进文档里。
3. 随便写几个单词（比如 Photo 1）。
4. 把这个文档导入 NotebookLM。
5. 完成。AI 就能读取并分析图片内容了。

---

9. 突破文档数量上限：文档自动合并技巧

免费版限制 50 个文档。资料太多怎么办？合并它！ 并且要做到多文件类型自动化合并。

9.1 纯文本合并 (TXT/Markdown)

不用装环境，不用学复杂的编程，Windows/Mac 自带的命令行就能跑。

Shell 脚本代码：

注意：如果经常使用类似脚本，建议统一安装PowerShell 7，这样不管是windows还是mac行为都一致。

当然，如果什么都不安装，那么下面的代码依然有效：

• Windows版：

Get-ChildItem -File |
Where-Object { $_.Extension -in '.txt', '.md' } |
Sort-Object Name |
ForEach-Object {
    "`n`n# $($_.Name)`n" +
    (Get-Content $_.FullName -Raw -Encoding UTF8) +
    "`n`n---`n"
} |
Set-Content .\Combined_Knowledge.txt -Encoding UTF8

• MacBook版：

#!/bin/zsh

output="Combined_Knowledge.txt"
: > "$output"   # 清空 / 创建文件

for file in $(ls *.txt *.md 2>/dev/null | sort); do
  echo -e "\n\n# $file\n" >> "$output"
  cat "$file" >> "$output"
  echo -e "\n\n---\n" >> "$output"
done

尝试Vibe Coding:

使用下面的提示词，来生成shell脚本，一键自动化合并文本文件，适合没有编程背景的同学尝试：

## 任务目标
我想把【当前文件夹】里的多个文本文件合并成一个新的文本文件。我没有编程背景

## 具体需求
1. 当前文件夹中，包含若干 `.txt` 和 `.md` 文件
2. 我希望把它们合并成一个新的文件，例如：`Combined_Knowledge.txt`
3. 合并规则如下：
   - 按文件名顺序合并
   - 每个文件内容前，加上文件名作为标题
   - 文件之间用明显的分隔符隔开（例如 `---`）
4. 合并后的文件，生成在【同一个文件夹】中
5. 合并后 **不能出现中文乱码**

## 我的操作系统
- 操作系统是：（请选择并填写）
  - Windows 11
  - macOS
- 如果不同系统需要不同方法，请分别给出

## 输出要求（非常重要）
1. 请直接给我【完整、可运行的命令或脚本】
2. 不要只讲原理，不要让我自己补代码
3. 请明确告诉我：
   - 在哪里打开（例如：终端 / PowerShell）
   - 要复制哪一段
   - 粘贴后按什么键
4. 请确保脚本中 **显式处理文本编码（UTF-8）**
5. 如果有容易踩坑的地方，请提前提醒

## 请避免
- 不要使用抽象术语
- 不要假设我懂任何编程概念
- 不要省略关键步骤

9.2 二进制文件合并 (PDF/Word/图片/电子书)

如果文件类型很杂，数量又多，用 Python 最快。

安装环境：

使用场景 / 你想解决的问题	需要做什么	是否必须	说明
不管做什么，第一步	安装 Python 3.9 或以上	必须	这是运行整个自动化工具的基础环境，相当于“发动机”
你的文件里有 PDF 或 图片（jpg/png）	执行：pip install pypdf reportlab pillow	必须	这一条命令同时安装 3 个组件，用来合并 PDF、把图片变成 PDF，并生成最终汇总文件
你的文件里包含 Word（.docx）	执行：pip install python-docx	可选	只有在你要合并 Word 文件时才需要
Word 文件排版很复杂（表格多、格式多）	安装 LibreOffice	可选	提供更稳定的 Word → PDF 转换方式，适合正式文档
你的文件里包含 EPUB / MOBI 电子书	执行：pip install ebooklib	可选	用来读取电子书内容（基础方案）
你的电子书是整本书、页数很多	安装 Calibre（ebook-convert）	可选	更稳定地把电子书直接转换成 PDF
所有准备完成	运行 Python 脚本	必须	自动扫描文件夹 → 转 PDF → 合并 → 生成一个总 PDF
#### 代码执行

python merge-file.py

Python 合并二进制文件的代码：

import shutil
import subprocess
from pathlib import Path
from pypdf import PdfMerger
from reportlab.pdfgen import canvas
from PIL import Image

# =========================
# 用户只需要改这里
# =========================
INPUT_DIR = Path(r"./input_files")
OUTPUT_FILE = "FINAL_NOTEBOOKLM.pdf"

TEMP_DIR = Path("_temp_pdfs")
TITLED_DIR = Path("_titled_pdfs")

IMAGE_EXTS = {".jpg", ".jpeg", ".png", ".webp"}
OFFICE_EXTS = {".docx", ".doc", ".pptx", ".xlsx"}
EBOOK_EXTS = {".epub", ".mobi"}

HAS_SOFFICE = shutil.which("soffice") is not None
HAS_EBOOK_CONVERT = shutil.which("ebook-convert") is not None

def run(cmd):
    subprocess.run(cmd, check=True, stdout=subprocess.DEVNULL, stderr=subprocess.DEVNULL)

def prepare_dirs():
    TEMP_DIR.mkdir(exist_ok=True)
    TITLED_DIR.mkdir(exist_ok=True)

def clean_dirs():
    shutil.rmtree(TEMP_DIR, ignore_errors=True)
    shutil.rmtree(TITLED_DIR, ignore_errors=True)

def office_to_pdf(src: Path) -> Path:
    if not HAS_SOFFICE:
        raise RuntimeError("未检测到 LibreOffice（soffice）")
    run(["soffice", "--headless", "--convert-to", "pdf", str(src), "--outdir", str(TEMP_DIR)])
    return TEMP_DIR / f"{src.stem}.pdf"

def image_to_pdf(src: Path) -> Path:
    pdf_path = TEMP_DIR / f"{src.stem}.pdf"
    Image.open(src).convert("RGB").save(pdf_path)
    return pdf_path

def ebook_to_pdf(src: Path) -> Path:
    if not HAS_EBOOK_CONVERT:
        raise RuntimeError("未检测到 ebook-convert（Calibre）")
    pdf_path = TEMP_DIR / f"{src.stem}.pdf"
    run(["ebook-convert", str(src), str(pdf_path)])
    return pdf_path

def create_title_page(title: str, output: Path):
    c = canvas.Canvas(str(output))
    c.setFont("Helvetica-Bold", 24)
    c.drawString(72, 720, f"# {title}")
    c.save()

def prepend_title_page(pdf: Path) -> Path:
    title_pdf = pdf.with_suffix(".title.pdf")
    create_title_page(pdf.name, title_pdf)
    merger = PdfMerger()
    merger.append(str(title_pdf))
    merger.append(str(pdf))
    output = TITLED_DIR / pdf.name
    merger.write(str(output))
    title_pdf.unlink(missing_ok=True)
    return output

def main():
    if not INPUT_DIR.exists():
        print("❌ 输入目录不存在")
        return
    prepare_dirs()
    processed = []
    for file in sorted(INPUT_DIR.iterdir()):
        if not file.is_file():
            continue
        ext = file.suffix.lower()
        try:
            if ext == ".pdf":
                pdf = TEMP_DIR / file.name
                shutil.copy(file, pdf)
            elif ext in IMAGE_EXTS:
                pdf = image_to_pdf(file)
            elif ext in OFFICE_EXTS:
                pdf = office_to_pdf(file)
            elif ext in EBOOK_EXTS:
                pdf = ebook_to_pdf(file)
            else:
                continue
            processed.append(prepend_title_page(pdf))
        except Exception as e:
            print(f"[失败] {file.name}: {e}")
    if not processed:
        print("⚠ 没有成功处理任何文件")
        return
    merger = PdfMerger()
    for pdf in processed:
        merger.append(str(pdf))
    merger.write(OUTPUT_FILE)
    print(f"\n✅ 已生成：{OUTPUT_FILE}")

if __name__ == "__main__":
    clean_dirs()
    main()

尝试Vibe Coding

下面的提示词适合没有编程背景的同学来尝试vibe coding，纯大白话，写这样的提示词没有任何难度。

提示词：

我没有编程经验，帮我写一个可以直接用的 Python 脚本。

我的需求：

1. 我有一个文件夹，里面放着很多资料文件  
   可能包括：
   - PDF
   - Word 文档
   - PPT
   - Excel
   - 图片（jpg、png）
   （不一定每种都有）

2. 我希望用一个脚本，把这个文件夹里的所有文件：
   - 自动整理
   - 最终合并成一个 PDF 文件

3. 合并后的 PDF 要满足：
   - 每一个原始文件，在 PDF 里都有一个明显的标题
   - 标题内容就是原始文件名

4. 使用体验要求：
   - 我不懂代码，只能照着步骤操作
   - 需要手动配置的内容放到脚本开头（比如文件夹路径）
   - 不需要我自己研究技术细节

5. 关于环境和工具：
   - 我只知道需要安装 Python
   - 其他需要的东西，请你帮我考虑好
   - 如果我电脑上没有某些工具，也不要让程序直接报错崩掉
   - 能处理的文件就处理，不能处理的就跳过并告诉我
   - 输出详细的日志信息，以便于我遇到错误时发送给AI进行分析
	 

6. 输出要求：
   - 请直接给我一整段可以运行的 Python 代码
   - 再用非常简单的话，告诉我：
     - 第一步做什么
     - 第二步做什么
     - 每一步是为了什么
   - 不要假设我懂编程术语

完整的视频教程👇