2026-10-14 · 13 min read

我如何用 ChatGPT + Notion,把视频和对话沉淀成可复用笔记

我最近试用了 ChatGPT 网页端的 Notion 连接器:先把 YouTube 逐字稿整理成文章,再把当前对话写入 Notion。它让我重新思考,AI 的成果应该怎样离开聊天窗口,进入自己的知识系统。

How I use the ChatGPT web app with its Notion connector to turn YouTube transcripts and AI conversations into reusable notes, and why this feels different from using Obsidian alone.

我最近试用了 ChatGPT 网页端的 Notion 连接器,发现它解决的不是“如何让 AI 写得更快”,而是一个更实际的问题:怎样把一段有价值的 AI 工作,保存成以后还能找到、还能继续使用的成果。

这次试用有两个入口。第一种是把外部材料交给 ChatGPT,让它整理成 Notion 文章;第二种是让 ChatGPT 把当前对话总结后写入 Notion。前者适合处理视频、网页和逐字稿,后者适合保存一次研究、一次方案讨论,或者一轮已经完成的工作。

我的感受是,Notion 的优势不只是它能保存页面,而是它已经和 ChatGPT 网页端的对话连接起来。AI 负责理解和整理,Notion 负责接住结果。两者之间少了一次复制、粘贴和重新排版,知识沉淀也更容易变成工作流的一部分。

一次真实试用:把 YouTube 逐字稿变成一篇文章

这次试用的材料来自 YouTube 视频《Jev 让你的 Claude Code 强 10 倍?》。视频讨论了 Jev 如何和 Claude Code 配合,内容包括模型选择、Skill 路由、数据分类,以及代码完成后的验证。视频页面右侧的工具可以显示逐字稿,我把它作为本次整理的原始材料。

YouTube 视频页面与右侧逐字稿面板,展示了原始视频和带时间戳的文本来源

图 1: 先保留视频和逐字稿,后面的笔记才有可回看的来源。

我在 ChatGPT 网页端提出的请求很直接:把这份逐字稿改写成一篇中文技术博客,并写入指定的 Notion 页面。提问里同时提供了 Notion 页面链接、YouTube 链接和逐字稿。这样做的重点,不是让 ChatGPT 自己猜视频内容,而是明确告诉它要处理什么材料、输出到哪里。

ChatGPT 网页端的请求,要求将 YouTube 逐字稿整理成文章并写入 Notion

图 2: 一个合格的请求至少要说清楚原始材料、输出形式和目标页面。

这个细节很重要。只说“帮我总结这个视频”,得到的通常是一份摘要;加上“整理成文章并写入某个页面”,任务就变成了一个有交付位置的内容工作流。

关键变化:AI 不只给答案,也可以把结果放回知识库

在等待整理完成后,ChatGPT 会给出执行结果和内容范围说明。它告诉我,逐字稿已经被整理成一篇文章,并写入原来的 Notion 页面,同时列出了文章覆盖的几个主题。

ChatGPT 网页端确认文章已经写入 Notion,并列出本次整理的内容范围

图 3: 这里的价值不在于“写入成功”这四个字,而在于对话给出了一个可检查的交付摘要。

真正的结果要回到 Notion 页面里看。页面保留了文章标题、核心观点、来源说明、阅读提示和完整的章节结构。原始逐字稿里的口语表达被重新组织,重复内容被合并,读者可以按照主题阅读,而不必重新听完一遍视频。

Notion 页面中的文章笔记,包含核心观点、来源说明和章节大纲

图 4: Notion 页面把一次临时对话变成了一个可以继续阅读、修改和链接的内容对象。

这一步也暴露了一个边界:整理得像文章,不等于文章里的每个结论都已经被我验证。视频中的案例、效率数字和社区测试结果仍然应该标记来源。AI 可以帮我完成结构化表达,却不能替我把经验性说法变成独立验证过的事实。

这条工作流的价值,在于它有一个明确的出口

以前我把 ChatGPT 当成一个很强的临时工作台。问题、资料、推理和结果都集中在一条对话里。对话结束以后,真正有价值的部分却常常留在滚动记录中,之后很难再找到。

ChatGPT 和 Notion 连接之后,工作流多了一个明确出口:先在对话中完成理解和加工,再把经过整理的成果保存到知识库。它不是把所有聊天自动存档,而是让“值得保存的结果”更容易离开聊天窗口。

图表加载后显示;未启用 JavaScript 时可阅读下方流程源码。

flowchart LR
    A["视频或逐字稿"] --> B["ChatGPT 理解"]
    B --> C["文章化整理"]
    C --> D["写入 Notion"]
    D --> E["检索、修改、复用"]

图注: 这条链路的重点不是“自动化”三个字,而是把一次性输入变成了可持续使用的页面。

同样的机制也适用于当前对话。比如,我和 ChatGPT 讨论完一个项目方案,可以要求它提炼出背景、决策、待办、风险和下一步,并写入 Notion 的项目页面。这样保存的不是整段聊天,而是这段聊天最终产生的工作成果。

图表加载后显示;未启用 JavaScript 时可阅读下方流程源码。

flowchart TD
    A["当前 AI 对话"] --> B{"值得长期保存吗?"}
    B -->|"不值得"| C["保留在聊天记录"]
    B -->|"值得"| D["提炼结论和证据"]
    D --> E["写入 Notion 页面"]
    E --> F["补充状态和下一步"]

图注: 保存的判断应该发生在对话结束时;知识库需要成果,不需要无差别收集所有过程噪音。

一个好 Prompt,不需要很长,但必须有交付标准

这次请求可以抽象成一个可复用的模板:

text
请把下面的材料整理成一篇中文文章,并写入指定的 Notion 页面。
 
原始材料:视频链接、逐字稿或当前对话
文章用途:个人技术笔记,方便以后检索和复用
输出要求:
- 先给出文章标题和摘要
- 合并重复观点,按读者理解顺序重排内容
- 区分来源中的事实、作者观点和仍待验证的说法
- 保留原始视频或网页链接
- 在结尾列出可以继续行动的事项
目标位置:指定的 Notion 页面

这里有三个容易被忽略的约束。

第一,要告诉 AI 这不是一份即时摘要,而是一篇以后还要读的笔记。第二,要要求保留来源和验证边界,否则文章越流畅,读者越容易忘记哪些内容只是视频作者的经验。第三,要指定写入位置,否则“完成”可能只意味着在聊天里输出了一段文字。

Notion 和 Obsidian 的差别,不是二选一

我仍然喜欢 Obsidian 的本地文件、Markdown 和可控性。它适合长期维护个人知识库,也适合把内容放进 Git,和代码、脚本及其他文本工具一起管理。它的优势是数据掌握在自己手里,结构可以由自己决定。

Notion 的优势则出现在另一端:它更像一个可视化的内容工作台,而且现在能和 ChatGPT 网页端直接衔接。对我来说,这意味着外部资料和 AI 对话有了一个更顺手的落点。尤其是研究、会议、项目讨论和网页阅读,整理完就能进入页面,而不是停留在一段聊天记录里。

场景更适合的工具原因
AI 整理网页、视频和对话Notion连接器让“理解—写入”更连贯
长期维护纯文本知识库Obsidian本地 Markdown,结构和数据更可控
项目协作、数据库和状态管理Notion页面、数据库和协作界面更集中
和代码仓库一起版本管理Obsidian文件可以直接进入 Git 工作流

所以,我不会把 Notion 看成 Obsidian 的替代品。更实际的做法是按成果类型分工:需要快速整理、协作和状态管理的内容先进入 Notion;需要长期维护、版本追踪和深度链接的内容,再沉淀到 Obsidian 或项目文件中。

让 AI 写入 Notion 之后,还要保留人的判断

这条工作流最容易制造一种错觉:页面已经生成,事情就已经完成。实际上,写入只是保存动作,不是验收动作。

我会在每篇由 AI 整理的笔记里保留三类信息:来源链接、整理日期和待验证内容。来源链接让未来的自己可以回到原文;整理日期帮助判断页面是否已经过时;待验证内容则提醒我,不要把视频中的实验结果直接当成普遍规律。

如果这篇笔记以后要变成博客、课程材料或工作规范,还需要再经过一次人工编辑。AI 适合完成转写、归纳、重排和初步结构化;作者仍然要决定标题是否准确、观点是否成立,以及哪些内容值得进入自己的长期知识体系。

结语:AI 的成果,应该有一个能被再次找到的地方

这次 ChatGPT + Notion 的试用让我看到,一个好用的连接器并不只是少做几次复制、粘贴。它改变的是成果的去向:AI 不再只负责生成一段当下有用的答案,也可以帮助我把答案放进一个以后能够检索、编辑和继续工作的地方。

对我来说,最值得保留的不是某一篇由逐字稿生成的文章,而是这条简单的判断:当一段对话产生了可复用的结论,就应该让它离开聊天窗口,进入一个明确的知识位置。

Notion 目前提供了一个很顺手的入口。Obsidian 仍然保留着本地化和可控性的优势。真正重要的不是选择哪一个工具,而是不要让 AI 的成果只存在于“当时聊过”的记忆里。

搜索全站

输入关键词,查找项目与实践记录。