NotebookLM превращается в автономного агента: код, логика и автоматический поиск источников

NotebookLM превращается в автономного агента: код, логика и автоматический поиск источников

Исследовательская платформа Google NotebookLM претерпела самое масштабное обновление с момента своего запуска. Выпущенный 8 июня 2026 года пакет обновлений переводит инструмент из категории удобных интерактивных блокнотов для чтения загруженных документов в класс полноценных автономных аналитических агентов. Интеграция передовых моделей семейства Gemini 3.5 и технологии Google Antigravity наделила систему способностью выполнять сложные логические задачи, писать и исполнять программный код, а также самостоятельно собирать библиотеку знаний из открытых источников.

Эти изменения радикально меняют сценарии работы с информацией. Если раньше пользователь должен был самостоятельно собрать пачку файлов, загрузить их и лишь затем задавать вопросы, то теперь NotebookLM способен сопровождать исследователя с момента зарождения смутной идеи до формирования готового мультимедийного отчета.

Новая архитектура: Gemini 3.5 и цепочки рассуждений

Главным изменением под капотом стал переход на обновленную базовую модель Gemini 3.5, усиленную пакетом из более чем 100 встроенных программных навыков (software skills). Это позволило внедрить две ключевые архитектурные функции:

• Прозрачная цепочка рассуждений (Reasoning Steps): В процессе генерации ответов NotebookLM теперь показывает промежуточные шаги своей логики. Пользователь видит, какие именно фрагменты источников модель анализировала, какие логические связи выстраивала и к каким выводам приходила на каждом этапе. Это решает проблему «черного ящика», позволяя человеку верифицировать выводы ИИ, а не просто слепо доверять готовому тексту.
• Встроенный безопасный облачный компьютер (Secure Cloud Computer): Это ключевое технологическое новшество. NotebookLM получил собственную изолированную виртуальную среду для написания и исполнения кода на языке Python. Теперь при анализе таблиц, сложных графиков или объемных научных отчетов система не просто строит текстовые предположения, а пишет скрипты для точных математических расчетов, преобразуя сырые массивы данных в наглядные визуальные графики, схемы и интерактивные диаграммы.

Эффективность новой архитектуры подтверждается внутренними тестами Google. В ходе side-by-side оценок по пяти ключевым направлениям обновленный NotebookLM показал средний уровень превосходства (win rate) более 65% по сравнению с предыдущей версией системы. При этом в задачах анализа сверхкрупных документов показатель успешности составил 69.9%, а в сценариях глубокого веб-поиска и автоматического обнаружения источников достиг внушительных 78.2%.

Автономный поиск источников и интерактивная студия Studio

До обновления NotebookLM был «замкнут» внутри файлов, которые пользователь загрузил вручную. Версия от 8 июня ломает эту границу с помощью функции Google Search Source Discovery:

1. Пользователь может начать исследование с короткого вопроса или общей концепции в чате.
2. NotebookLM, используя поисковую систему Google, анализирует веб-пространство и предлагает список наиболее авторитетных, релевантных и свежих источников (статей, научных публикаций, официальных документов).
3. Пользователь изучает предложенные материалы и одобряет (или отклоняет) их добавление в библиотеку блокнота. Таким образом, формирование базы знаний автоматизируется, но остается под полным контролем человека.

Вся работа по генерации конечных результатов теперь сосредоточена в интерактивной панели NotebookLM Studio. Помимо классического текстового резюме и ответов на вопросы, Studio позволяет мгновенно экспортировать знания в различные форматы:

• Audio/Video Overview: Автоматическое создание сценариев и генерация интерактивных аудио- и видеообзоров, где виртуальные ведущие обсуждают материалы вашего блокнота.
• Инфографика и презентации (Infographic / Slide Deck): Преобразование данных в структурированные презентационные слайды или графические схемы.
• Интерактивные карточки (Flashcards): Инструмент для интервального повторения и обучения. Пользователь может сгенерировать колоду карточек в фоновом режиме, а затем открыть Studio, выбрать Flashcards, нажать на иконку карандаша (pencil icon) и настроить параметры: сложность вопросов, количество карточек и специальный промпт для генерации. В этом интерфейсе можно вручную редактировать вопросы и ответы, добавлять новые карточки и делиться готовой колодой с командой.

Доступность функций и тарифные планы

Важным нюансом релиза является поэтапный характер развертывания новых функций. Базовая версия NotebookLM остается бесплатной для всех пользователей, предоставляя доступ к классическому функционалу ведения заметок и работы с личной библиотекой.

Однако наиболее мощные агентные возможности — включая Gemini 3.5, встроенную облачную песочницу для выполнения кода, автоматический поиск источников через Google Search и скачивание отчетов в сложных форматах (pptx, xlsx, svg-графики) — с 8 июня становятся доступны в первую очередь подписчикам тарифных планов Google AI Ultra и корпоративным клиентам Workspace с пакетами AI Ultra Access или AI Expanded Access. Внедрение этих функций для остальных категорий пользователей планируется проводить постепенно. Читателям не следует ожидать мгновенного появления премиальных агентных кнопок в стандартных бесплатных аккаунтах.

Официальное руководство по использованию исследовательского агента

Ниже описана пошаговая процедура работы с новыми возможностями платформы на основе официальных руководств Google Help Center.

Этап 1: Создание проекта и интеллектуальный сбор базы

1. Перейдите на главную страницу notebooklm.google и создайте новый блокнот (notebook).
2. Загрузите базовые файлы (PDF, документы Google Drive, текстовые заметки) или воспользуйтесь поиском.
3. Введите в строке чата ваш исследовательский запрос и активируйте поиск источников. NotebookLM предложит список веб-страниц, найденных через Google Search. Ознакомьтесь с ними и нажмите кнопку подтверждения, чтобы импортировать выбранные материалы непосредственно в библиотеку блокнота в качестве новых источников.

Этап 2: Анализ данных и генерация визуализаций

1. Загрузите в блокнот таблицу с данными (например, в формате CSV) или финансовый отчет.
2. Введите запрос: "Проанализируй динамику показателей в этой таблице, напиши Python-скрипт для расчета ключевых изменений и построй график".
3. Действие по верификации: Убедитесь, что в ответе модель привела точные ссылки (citations) на строки и ячейки исходного документа. В блоке ответа должен появиться сгенерированный график (в формате PNG или SVG) и скрытая панель с кодом. Разверните панель кода и убедитесь, что скрипт написан без ошибок и точно отражает математическую логику расчетов.

Этап 3: Создание учебных материалов в Studio

1. Откройте вкладку Studio в правой части интерфейса.
2. Выберите пункт Flashcards для создания карточек для самопроверки.
3. Нажмите на иконку карандаша (pencil icon), чтобы настроить параметры генерации. Задайте уровень сложности, количество карточек в колоде и укажите направляющий промпт (например, "Сделай упор на архитектурные различия моделей").
4. Запустите процесс. Создание колоды произойдет в фоновом режиме.
5. Действие по верификации: После завершения генерации откройте полученную колоду. Пролистайте карточки, проверьте корректность вопросов и ответов. При необходимости нажмите кнопку редактирования на конкретной карточке, чтобы исправить неточности. Нажмите кнопку Share, чтобы отправить ссылку на колоду коллегам или учебной группе.

Ограничения и правила безопасности при работе с агентом

Несмотря на высокий уровень автоматизации, автономный поиск источников не отменяет необходимости критической оценки результатов. Алгоритм поиска через Google Search может предлагать популярные, но поверхностные или рекламные страницы. Всегда проверяйте авторитетность добавленных источников и не принимайте на веру сгенерированные выводы без сверки с первоисточниками по встроенным ссылкам-цитатам.

При работе с конфиденциальными корпоративными документами в рамках рабочих аккаунтов Workspace обязательно проверяйте политики конфиденциальности вашей организации: в коммерческих тарифах данные не используются для обучения глобальных моделей, однако при публикации блокнота (Shared Notebook) для совместной работы убедитесь, что вы не открываете случайный доступ к закрытым коммерческим данным сторонним лицам.