2026年6月更新済み · Free・Plus・Ultraで検証済み

フラットリストは15ソースで限界を迎える。
ソースアーキテクチャの5レイヤーで50ソースまで拡張。

NotebookLMでナレッジシステムを構築するための方法論です。自動ラベル、セマンティッククラスタリング、成熟度モデル、ラベル連動出力を、インターフェースが変わっても通用するフレームワークとして整理しています。

論文1本を探す ─ フラット
約2分
47本をスクロール
論文1本を探す ─ ラベル化
約18秒
ラベルを選択してサブセットを走査
1クエリあたりの無関係引用数
21 → 3
フラット vs. ラベル連動
5
ソースでセマンティッククラスタリングが起動 ─ エンジンが全文を分析し、初期自動ラベルを生成
15
ソースが転換点 ─ 手動スクロールが限界に達し、ラベルが不可欠に
50
ソースが新たな上限 ─ ラベル化・ナビゲート可能・サブセットでクエリ可能
フレームワークを読む ↓
無料 · クレジットカード不要 · 5ソース以上のノートブックで動作

ソースアーキテクチャの5レイヤー

このページのすべての推奨事項は、この5つのレイヤーのいずれかに当てはまります。レイヤーをマスターすれば、機能が道具になります ─ その逆ではありません。

ソースアーキテクチャの5レイヤー 5段階のピラミッド:目的、ノートブック、ラベル、エビデンス、アウトプット。各レイヤーに名称・役割・ガイドとなる質問が記載。 LAYER 1 目的 「なぜこのノートブックは存在する?」 LAYER 2 ノートブック 「境界はどこか?」 LAYER 3 ラベル 「コーパスはどう構造化されているか?」 LAYER 4 エビデンス 「素材は何か?」 LAYER 5 アウトプット 「何が生み出されるか?」 狭い 広い
直接回答
NotebookLMでソースをどう整理すればいい?

NotebookLMのソース整理は、かつての15ソース上限を撤廃します。フォルダにグループ化し、自動ラベルを適用し、セマンティッククラスタリングを行います。プロアクティブな提案が孤立ソースを検出し、改善案を提示します。ラベル連動のStudio出力で、特定サブセットからオーディオやガイドやレポートを生成できるため、300〜600ソースの大規模ノートブックでもナビゲートしやすく、精度を維持できます。このページでは、ラベルを構造化するための方法論としてソースアーキテクチャの5レイヤーを解説します。

概要
ノートブックあたりの最大ソース数50(標準プラン);300〜600(プランにより異なる)
自動ラベル付けの開始条件5ソース
ラベル名の変更可能 ─ 三点メニューから操作
ラベルの統合可能 ─ 同じ名前にリネームするだけ
1ソースに複数ラベル可能 ─ 複合ドキュメントは複数クラスタに所属可能
リスト表示への切替可能 ─ ラベルはメタデータレイヤー。いつでも元に戻せます
ラベル連動Studio出力可能 ─ Audio Overview、スライド、クイズ、Deep Research
プロアクティブ提案あり ─ 孤立検出、マージ提案、ギャップ通知
推奨ラベル数4〜8個(ほとんどのワークフロー向け)
このページで解説するフレームワークソースアーキテクチャの5レイヤー

要約 ─ このページではソースアーキテクチャの5レイヤーを解説します。NotebookLMでナレッジシステムを構築するための方法論です。フレームワーク、成熟度モデル、監査プロンプト、ベンチマークデータ、30のPremiumプロンプトを含みます。最終検証:2026年6月25日。

NotebookLM Free・Plus・Ultraで検証済み。すべてのベンチマークは47本の論文による文献レビューノートブックで計測。既知の制限は下記に記載。複数AIリサーチワークフローを教える少人数チームによる運営 ─ アフィリエイト関係はありません。 このガイドについて → 変更履歴

フレームワークの詳細

ソース整理は機能です。ソースアーキテクチャは方法論です。ノートブックに問題を感じたら、上から順にたどってください。問題は見ているレイヤーの上にあることがほとんどです。

1
目的

なぜこのノートブックは存在する?

ソースを1つもアップロードする前に、研究課題やナレッジゴールを定義します。目的のないノートブックは、意味のないラベルを生み出します。

2
ノートブック

境界はどこか?

一貫した研究課題ごとに1つのノートブック。目的を一文で語れないなら、それは2つのノートブックにすべきです。

3
ラベル

コーパスはどう構造化されているか?

自動生成された4〜8のラベルを、あなたが洗練します。各ラベルは、信頼できる回答を生成するのに十分なソースを持つ、独立したテーマクラスタです。

4
エビデンス

素材は何か?

論文、トランスクリプト、書籍、ノート ─ これが原材料です。きれいな入力は精密なクラスタを生み、荒い入力は曖昧なラベルを生みます。可能ならPDFをテキストに変換してから投入しましょう。

5
アウトプット

何が生み出されるか?

ラベル連動チャット、Audio Overview、スライド、Deep Research計画 ─ コーパス全体ではなく、キュレーションされたサブセットに基づく方が、あらゆる出力の品質が向上します。

ソースアーキテクチャを今すぐ必要とする人

研究者

40本超の文献レビュー

方法論クラスタ、理論枠組みクラスタ、議論のある知見クラスタ。それぞれが、交差汚染なしの焦点を絞った統合のためのチャットアンカーになります。

コンサルタント

複数ストリームのクライアント案件

市場分析、競合インテリジェンス、社内ドキュメント、トランスクリプト。それぞれを最終プレゼンのセクションに対応するラベルとして設定。

教育者

学期全体のコースアーカイブ

週ごとのリーディング、補足資料、学生提出物。特定の週のラベルからクイズを生成し、アーカイブ全体ではなくピンポイントで出題。

ナレッジワーカー

増え続ける個人ナレッジベース

記事、議事録、書籍、音声メモ。ラベルが、6つ目のソース以来脳が拒んできた構造を可視化します。

ソース整理の実際の仕組み

ソース整理は、アップロードされた各ソースの全文に対してセマンティッククラスタリングエンジンを実行し、トピックモデリングを適用して自然言語ラベルを生成します。ラベルはファイル名やアップロード日ではなく、コンテンツそのものから生まれます。

1. 5ソースのしきい値は固定です。5未満ではリスト表示のまま。5を超えるとバックグラウンドでクラスタリングスキャンが始まります。

2. ラベルはメタデータレイヤーであり、ハードフィルターではありません。いつでも表示を切り替えられます。割り当ては破壊的ではありません。

3. 真の価値はコンテキストの絞り込みにあります。ナビゲーションではなく、「この特定の回答をこの特定のサブセットに限定してほしい」と指示できること。これが出力品質を大幅に向上させます。

4. システムはあなたの編集から学習します。ラベルをリネームしたりソースを再割り当てしたりすると、NotebookLMは将来の提案を調整します。

5. プロアクティブレイヤーがワークフローを能動的に変えます。孤立ソースやラベルドリフト、薄いクラスタを検出すると、コンテキスト内で提案が表示されます。

ソースアーキテクチャ成熟度モデル

あなたのノートブックはアーキテクチャスケールのどこにいますか?多くの人がレベル2で止まります。2から3への飛躍が、ラベルを「便利な機能」から「インフラ」に変えるポイントです。

Level 1

フラットノートブック

1〜10ソース

ラベルなし。フラットリストで十分。スクロールで探せます。高品質なソースのアップロードとノートブックの目的定義に集中しましょう。ほとんどのノートブックはここにあり、ここに留まるべきです。

Level 2

自動ラベル

10〜30ソース

ラベルが有効化されます。曖昧なものをリネームし、薄いものを統合。5分で完了。ラベルサブセットに基づくクエリが、明らかに精度の高い回答を返すようになります。多くの人はここで止まります。

Level 3

ソースアーキテクチャ

30〜50ソース

完全な監査を実行。マルチラベル割り当ては意図的。絵文字プレフィックスを設定。プロアクティブ提案をメンテナンスシステムとして活用。ラベル連動Studio出力が日常に。このレベルでノートブックが本格的な道具になります。

Level 4

ナレッジシステム

50〜200ソース、2〜5ノートブック

複数のノートブック、それぞれに明確なアーキテクチャ。NLM Toolsがノートブック横断の管理を担当。完了プロジェクトをアーカイブ。システムが、あなたが投入した以上のインサイトを生み出します。

Level 5

リサーチOS

200+ソース、複数ノートブック、複数AIツール

NotebookLMはマルチAIワークフローの1ノードになります。ClaudeDeep ResearchSemantic ScholarZoteroがアーキテクチャに出入り。アーキテクチャこそがシステムであり、ツールは置き換え可能です。

ソース整理マトリクス

コレクション種別推奨ラベル適切な規模
文献レビュー📊 方法論 · 📚 理論 · 🎯 知見 · ⚠ 限界30〜50本
ミーティングアーカイブ💼 クライアント · 👥 チーム · ✅ 意思決定 · 📝 アクションアイテム20〜60件
法務リサーチ⚖ 法令 · 📜 判例 · 📝 書面 · 📊 分析ノート40〜80ソース
コースアーカイブ📖 週別リーディング · 🎓 補足 · 📝 課題30〜70ソース
個人ナレッジベース🏠 プライベート · 💼 仕事 · 📚 学習 · 🧠 アイデア · 🌍 リファレンス20〜50ソース

ノートブックの品質を損なう7つのミス

1

ラベルが多すぎる

8個を超えるとコーパスが細分化され、信頼性の高い回答を生成できるクラスタがなくなります。

修正:4〜8個を目安に。3ソース未満のラベルは近隣に統合。
2

ファイル形式でラベル付け

「PDF」「トランスクリプト」「ノート」はタクソノミーではなく、ファイルマネージャーです。エンジンはファイル形式をすでに認識しています。ラベルは内容のテーマを反映すべきです。

修正:まず自動ラベルを実行させましょう。フォーマットの乱れたPDFを事前にテキスト化
3

日付やバッチでラベル付け

「1月のソース」「Q2アップロード」 ─ 「いつ」はわかりますが「何について」ではありません。

修正:時系列ではなく、概念でグループ化。
4

タクソノミーの重複

「ユーザー調査」と「カスタマーインサイト」が別ラベルだが、80%のソースが同じ。

修正:2つのラベルがソースの半分以上を共有するなら、統合。
5

孤立ソースを放置

孤立ソースは静かに蓄積します。ノイズを増やし、クラスタの信号品質を低下させます。

修正:プロアクティブレイヤーが検出した時点で即座に対応。
6

抽象度の混在

「ヘルスケア」(広い)と「ドラッグデリバリーナノ粒子」(狭い)が同列に並ぶ。

修正:すべてのラベルをほぼ同じ粒度に。
7

監査を実行しない

ラベルはソース追加に伴って劣化します。15ソース時にきれいだったタクソノミーが、35ソース時に乱れているかもしれません。

修正:10ソースごとにソースアーキテクチャ監査を実行。

変容の具体例:

変更前 ─ 感覚でラベル付け リサーチ
記事
その他
重要
未読
変更後 ─ アーキテクチャでラベル付け 📊 方法論
📚 理論的枠組み
🎯 中核知見
⚠ 限界とギャップ
🧠 今後の方向性

ソースアーキテクチャパイプライン

ソースが5レイヤーを経由して高品質なアウトプットに至る流れ。

ソースアーキテクチャパイプライン エビデンス 論文.pdf トランスクリプト.txt ノート.md + 44件 SCAN ラベル 📚 理論 (8) 📊 方法論 (6) 🎯 知見 (12) ⚠ 限界 (4) SELECT アウトプット チャット ─ 根拠あり オーディオ ─ フォーカス スライド ─ 範囲明確 リサーチ ─ 精確 成果物 目的 「このノートブックはどんな問いに答える?」 ノートブック 「1つのノートブック、1つの問い。」 BENCHMARK:47本の論文ノートブック フラット:1本を見つけるのに約2分 · ラベル化:約18秒
コーパス全体ではなく、キュレーションされたサブセットに基づく出力は、すべて向上します。

ソースアーキテクチャでしかできない3つのワークフロー

Workflow 01

ラベル連動Studio出力

用途:フォーカスしたポッドキャスト、単一テーマのスライド · 所要時間:5〜10分
1
右側パネルでラベルを選択。そのラベルのソースのみが選択されていることを確認。
2
Studio出力を生成。NotebookLMは選択したサブセットのみに基づいて出力します。
3
ラベル内で改訂。ラベル選択を維持したまま改訂すると、新しいドラフトもサブセットに束縛されたまま。
TIPラベル名を出力タイトルに含めて保存。未来の自分が感謝します。
📊 方法論ラベルのみに基づいてAudio Overviewを生成してください。 焦点:このクラスタの研究がどのように実験を設計し、何を測定し、方法論的選択がどこで異なるか。知見や限界のラベルからは引っ張らないでください。 長さ:12〜15分。トーン:厳密だが分かりやすく。
Workflow 02

クロスラベル緊張分析

用途:テーマ間の矛盾を発見 · 所要時間:10〜15分
1
交差すべき2つのラベルを特定 ─ 例:「ユーザー調査」と「技術的制約」。
2
両方のラベルを選択。NotebookLMは和集合を利用可能なコンテキストとして扱います。
3
緊張分析プロンプトを実行。
2つのラベルを選択しました:[ラベルA]と[ラベルB]。 これらのクラスタ間で最も重要な緊張ポイントを3つ特定。各ポイントについて: 1. 緊張を一文で表現 2. 両側の具体的なソースを(citation:3). この緊張がなぜ重要か ─ どんな意思決定、論点、研究課題を生むか 合意点は要約しないでください。摩擦が知りたいのです。
Workflow 03

ラベルごとのギャップ分析

用途:リサーチの完全性確認 · 所要時間:ラベルあたり10分
1
ラベルを1つずつ選択して、何が欠けているかを質問。
2
ギャップをタスクに変換。各ギャップが Deep Research OSSemantic Scholar へのクエリに。

Source Architecture OS ─ 30のPremiumプロンプト(15ソース以上の方向け)

上の監査プロンプトは入口です。Source Architecture OSは完全なシステムです。30のテスト済みプロンプトを6つの生産バケットに整理。フラットリストがすでに限界を迎えている15〜50ソースのノートブック向けに設計されています。

Bucket 01

監査とセットアップ

🔒 5プロンプト

アーキテクチャ監査、ラベルリネーム手順、マルチラベルフレームワーク、重複排除、週次メンテナンス。

Bucket 02

ラベル連動クエリ

🔒 5プロンプト

回答を1つのラベルに限定するフォーカスチャットパターン。引用規律とフォローアップ構造付き。

Bucket 03

Studio出力

🔒 5プロンプト

単一ラベルにスコープしたAudio Overview、スライド、インフォグラフィック、クイズ、ビデオ。

Bucket 04

クロスラベル統合

🔒 5プロンプト

緊張の可視化、合意抽出、進化の追跡、「自然な緊張」パターン。

Bucket 05

ギャップ分析と持続性

🔒 5プロンプト

ラベルごとのギャップ監査、ソースキュー生成、完全性スコア、「次に何を読むべきか」。

Bucket 06

マルチノートブックと上級ワークフロー

🔒 5プロンプト

一括操作、NLM Toolsダッシュボード戦術、クロスノートブックタグ付け、アーカイブ手順、Deep Research統合。

$19.99買い切り · 即時ダウンロード · 永久アクセス · 日英両対応
研究プロンプトパッケージを見る

フルケーススタディ:47本の論文から出版まで

ソースアーキテクチャの完全なライフサイクル。ローアップロードからラベル連動Deep Researchを経て完成したスライドまで。架空のシナリオではなく、このページのベンチマークデータを生み出した実際のノートブックです。

実践記録:リモートワーク生産性の文献レビュー、最初から最後まで
Step 1
47本の論文を5バッチでアップロード。5本目でクラスタリング起動。47本すべてで自動ラベル出現。アップロード所要:3セッションで20分。
Step 2
エンジンが生成した生の自動ラベル:
リモートワークの成果(19)· 在宅オフィスと人間工学(7)· 管理と監視(11)· メンタルヘルスと孤独(6)· 経済的影響(4)
Step 3
ソースアーキテクチャ監査を実行。エンジンの報告:孤立ソース2件(共有オフィスと都市計画)、薄いクラスタ1つ(経済的影響が4件─許容範囲)、マルチラベル衝突なし。カバレッジギャップ通知:「同一労働者のリモート移行前後を測定する縦断研究がない」。
Step 4
手動洗練(8分):
リモートワークの成果🎯 生産性の知見
経済的影響🎯 生産性の知見に統合(経済データは生産性に近接)
在宅オフィスと人間工学🏠 ワークスペース設計
管理と監視💼 マネジメント実践
メンタルヘルスと孤独🧠 ウェルビーイング
共有オフィスの孤立ソースを🏠 ワークスペース設計に割り当て。都市計画論文を削除(スコープ外)。
Step 5
初のラベル連動クエリ:🎯 生産性の知見(23ソース)を選択。質問:「これらの研究はどんな測定法を使っており、『生産性』の定義でどこが分かれているか?」結果:23中14本を引用した焦点の絞れた統合。交差汚染ゼロ。
Step 6
Studio出力:🎯 生産性の知見ベースでスライドを生成。12スライド、各々にソース引用。所要:4分。以前フラットな47ソースで同じスライドを試したが、出力は汎用的で論文6本しか引用されなかった。
Step 7
ギャップ分析がDeep Researchを駆動:監査で検出されたギャップ(「縦断研究なし」)が Deep Researchクエリ に。候補論文8本が返され、5本をアップロード。新ソースは自動で🎯 生産性の知見(3)と🧠 ウェルビーイング(2)に割り当て。
Step 8
Audio Overview:💼 マネジメント実践 + 🧠 ウェルビーイング(クロスラベル)で14分のポッドキャストを生成。ホストが監視と自律の緊張を議論し、9本の具体的な論文を引用。これが学会発表のベースに。
Step 9
成果物:スライド(Step 6)、Audio Overview(Step 8)、4,000字の統合レポート。「47本のフラットリスト」から「出版可能な成果物」までの総所要時間:3日間で6時間。ソースアーキテクチャなしの推定:12〜15時間。

クリーンなアーキテクチャと混沌を分ける4つの習慣

01

プロアクティブ提案をまず見る

エンジンが孤立ソース、マージ候補、薄いクラスタを自動検出。フル監査の前にまずこれを確認。

02

絵文字プレフィックスでスキャン高速化

📚 理論、📊 方法論、🎯 知見、⚠ 限界。追加に10秒。スキャン時間は数週間分節約。

03

プロンプトでラベル境界を明示

「[ラベル]ラベルのソースのみに基づいて...」 ─ 明示的な境界指示が回答品質を大幅に改善。

04

ラベルをクエリ手段として使う

サイドバーは最小の価値。真の価値はチャット・Studio出力・Deep Researchをサブセットにアンカーできること。

NotebookLM vs. 他のツール

研究者はNotebookLMをZoteroObsidianMendeley、Notionと組み合わせて使うことが多いです。ソース整理の比較です。

機能NotebookLMObsidianNotionGoogle Drive
分類方法全文分析に基づくAI自動ラベル手動タグ・フォルダ・リンク手動データベース・タグ手動フォルダ
コンテキスト絞り込みラベル連動チャット&Studio出力検索・グラフ表示フィルタ済みDBビューフォルダ別検索
AIネイティブ内蔵 ─ クエリ・ポッドキャスト・スライドがサブセット対応プラグイン依存汎用AI機能なし
参考文献管理ZoteroMendeleyからインポート、または直接アップロードプラグイン手動/統合なし

多くの研究者にとっての理想:Zoteroで引用管理、NotebookLMで根拠のある分析、Semantic Scholarで文献発見。ソースアーキテクチャはNotebookLMに置き、参考文献はすでに使っているツールから流入させます。

リサーチプロンプトをすべて一括で手に入れたい方へ
Sovereign OS · リサーチ + マルチAI + Studioプロンプトすべて · $49.99 買い切り · 永久アクセス
完全版プロンプトライブラリを見る

ネイティブのソース整理 vs. NLM Toolsダッシュボード

機能ネイティブのソース整理NLM Toolsダッシュボード
ロジックセマンティック・コンテンツベース・プロアクティブ提案付きストラクチャル・オペレーショナル・メタデータベース
分類単位内部ラベル(ノートブックごと)クロスノートブックタグ
プロアクティブ品質孤立検出・マージ提案・ギャップ通知手動タグ付け・アーカイブワークフロー
最適用途1つの研究課題に深く取り組む10+のアクティブノートブックをポートフォリオ管理

両方を使いましょう。ネイティブラベルでノートブック内のコンテキスト絞り込み。NLM Toolsでワークスペース全体のアーカイブ・検索・オペレーション管理。

ソース整理にまだできないこと

クラスタ品質はソース品質に依存します。タイトルなしPDF、話者マークなしトランスクリプト、スキャン品質の低い画像では、曖昧なラベルが生成されます。

初回スキャンに時間がかかります。20超の重いPDFがあるノートブックでは、初回パスに数分かかる場合があります。

空のラベルを手動で作成できません。ラベルはコンテンツから生まれます。まず代表的なソースをアップロードしてから、生成されたラベルをリネームします。

クロスノートブックラベルはネイティブでは未対応。NLM Toolsがクロスノートブックタグをワークアラウンドとして提供しています。

プロアクティブレイヤーはアドバイザリーであり、自律的ではありません。エンジンは提案しますが、承認なしに行動しません。

このガイドの構築と検証方法

テスト環境

NotebookLM Free・Plus・Ultra。すべてのベンチマークは47本の論文による文献レビューノートブックで計測。プロンプトは5〜50ソースの12ノートブックでテスト。

方法論

すべての推奨事項は実践で検証済み。ドキュメントからの推測ではありません。5レイヤーフレームワークは複数のリサーチプロジェクトで200超のソースを整理した後に開発。成熟度モデルは15の異なるフェーズのノートブックで検証済み。

最終検証日

2026年6月25日。ソース整理機能、ラベルの動作、プロアクティブ提案を現在のインターフェースに対して再検証。既知の制限は上記に記載。

プロンプトを自分で書きたくない方へ約30秒で使えるNotebookLMプロンプトを生成 ─ 無料。
プロンプトジェネレーターを開く →

FAQ

ソース整理は15ソースの上限を撤廃します。フォルダにグループ化し、自動ラベルを適用し、セマンティッククラスタリングを実行。プロアクティブ提案が孤立ソースを検出。ラベル連動Studio出力で、特定サブセットからオーディオ・ガイド・レポートを生成できます。
セマンティッククラスタリングエンジンは5回目のアップロード後に起動します。それまではリスト表示のままです。
8個を超えるとコーパスが細分化され、信頼性の高い回答を生成できるクラスタがなくなります。4〜8個を目安にし、3ソース未満のラベルは統合。ほとんどのノートブックでは5〜6個が最適です。
テーマ別がおすすめ。プロジェクトベースのラベルはプロジェクト終了後に空のラベルとして残ります。テーマベースのラベルはノートブックの成長に合わせて有効です。プロジェクト分離が必要なら、プロジェクトごとに新しいノートブックを作りましょう ─ それがアーキテクチャフレームワークのLayer 2です。
ラベルはフォルダではありません。フォルダは手動の入れ物、ラベルはコンテンツ分析に基づくAI生成のテーマクラスタです。NotebookLMでは、ラベルの方がはるかに強力なツールです。
4〜5つのラベルを使いましょう:方法論、理論的枠組み、研究成果、限界、そしてオプションで研究の空白/今後の方向性。10本ごとに監査を実行。ラベル連動の Deep Research でターゲットを絞った文献検索を。
よりきめ細かいラベルを使います:研究デザイン、データ抽出、主要アウトカム、バイアス評価、プロトコル&ガイドライン。10本ごとにギャップ分析を実行。クロスラベル緊張分析で、同じデザインなのに異なる結論に達した研究を特定。
いいえ。1ソースだけのラベルは無意味です ─ クラスタリングのメリットがなく、コーパスを細分化するだけ。各ラベルには最低3ソース。
50ソースに達したか、8個以上のラベルが必要になった時。そのノートブックは2つの問いに答えようとしています。分割しましょう。これが成熟度モデルのLevel 3から4への飛躍です。
はい。各ラベルの三点メニューからリネーム可能。同じ名前にすると自動統合。絵文字プレフィックスも追加できます。
はい。複数テーマにまたがる複合ドキュメントは、複数のラベルに割り当てられます。
はい。右側パネルでラベルを選択すると、チャット・Studio出力・Deep Researchのコンテキストフィルターとして機能します。
標準プランで最大50ソース。プラン別の詳細はシステム制限ページをご覧ください。
はい。メタデータレイヤーであり、ハードフィルターではありません。いつでもラベル表示とリスト表示を切り替えられます。
各ソースの全文を解析し、トピックモデリングで潜在的なテーマを特定。ラベルはキーワードタグではなく、自然言語のクラスタです。新しいソースが追加されると更新されます。

無料30プロンプトチートシートを入手

上記のワークフローを支えるプロンプト ─ 1つのPDFにまとめました。21,000人以上の研究者・学生・プロフェッショナルが利用中。

チートシートをダウンロード →
Next Stepsさらに深く知る

Continue Your AI Knowledge Journey

Start free, then move into the system that matches your work.