NotebookLM là công cụ nghiên cứu và phân tích dữ liệu mạnh mẽ từ Google, dựa trên mô hình ngôn ngữ lớn (LLM) Gemini, nhằm hỗ trợ phân tích, tổng hợp và tương tác với dữ liệu nguồn (sources). Điểm đặc biệt của NotebookLM là khả năng tạo chatbot tùy chỉnh (custom chatbot), nơi phản hồi của AI được "grounding" (cố định) vào các tài liệu nguồn bạn cung cấp. Điều này giúp giảm đáng kể hiện tượng "ảo tưởng" (hallucination) và đảm bảo độ chính xác cao cho thông tin đầu ra.

Quy trình dưới đây được xây dựng dựa trên hướng dẫn chính thức từ Google Help và các tài liệu tham khảo như Learn Prompting Guide, nhằm đảm bảo tính logic, chặt chẽ và bổ sung các thực hành tốt nhất.

I. Chuẩn bị Nguồn tài liệu & Cấu trúc Kiến thức (Grounding Data)

Nền tảng của một chatbot chính xác là nguồn tài liệu chất lượng cao và có tổ chức. Đây là bước quan trọng nhất để định hình "trí tuệ" cho chatbot của bạn.

1. Thu thập và đưa tài liệu vào hệ thống

a. Các định dạng được chấp nhận:

NotebookLM cho phép bạn tải lên (upload) các tài liệu từ máy tính như PDF, Markdown, TXT. Ngoài ra, bạn có thể liên kết Google Docs, Google Slides, URL trang web và video YouTube làm nguồn kiến thức. 

Lưu ý:

• PDF: nên upload trực tiếp từ máy tính để đảm bảo định dạng đúng. Nếu để PDF trong Google Drive, đôi khi NotebookLM không tự nhận.
• Docs/Slides trên Google Drive: để NotebookLM có thể đọc được, bạn nên bật tùy chọn “auto-convert to Google Docs format” trong cài đặt Drive nếu có.
• Nếu tài liệu ở Google Drive mà NotebookLM không nhìn thấy, bạn có thể tạo liên kết công khai (link share) và dán vào mục “thêm trang web / link nguồn” trong notebook.
• Khi cập nhật nội dung của Google Doc, bạn cần đồng bộ hoặc xóa/thêm lại nguồn trong NotebookLM vì công cụ chỉ chụp "snapshot" nội dung tại thời điểm thêm.

b. Tối ưu hóa số lượng và quy mô:

• Mỗi notebook có hạn mức ~50 nguồn (sources). Mỗi nguồn có thể có lượng từ rất lớn (mỗi nguồn có thể chứa hàng trăm ngàn từ). Vì vậy nên ưu tiên các tài liệu trọng yếu (văn bản luật, tài liệu mẫu, quy trình nội bộ) để giảm tác động của "nhiễu" và giúp AI dễ điều hướng.

2. Cấu trúc kiến thức và phân tầng nguồn

Một chatbot hoạt động tốt không chỉ dựa vào dữ liệu mà còn vào cách bạn tổ chức và hướng dẫn nó sử dụng.

a. Tổ chức theo chủ đề: Nhóm các nguồn có liên quan lại với nhau (ví dụ: Văn bản luật chung, Nghị định/Thông tư, Mẫu hồ sơ, Hướng sẫn nội bộ).

b. Đặt tên nguồn rõ ràng: Sử dụng tiền tố hoặc tên gọi mô tả (ví dụ: LUAT_QUYDINH_A, QUYTRINH_KIEMTRA_B) để chatbot dễ dàng xác định nguồn khi cần trích dẫn.

c. Tạo tệp “quy trình nội bộ”:

Xây dựng một tài liệu chi tiết mô tả "step by step" mong muốn chatbot thực hiện. Trong đó, nhắc rõ tên nguồn tham chiếu 

Ví dụ: Bước 1: Soạn thảo theo mẫu tại nguồn: MOTAUTE_VANBAN.pdf) để chatbot biết phải "truy xuất" nguồn nào cho bước nào.

d. Tạo tệp “yêu cầu đầu ra / định dạng trả lời mẫu”:

Tài liệu này quy định cách chatbot nên trả lời (structure, style, phần đầu/ phần sau).

Thiết lập một nguồn riêng quy định rõ cấu trúc, phong cách, và giọng điệu mà chatbot nên sử dụng khi trả lời.

Ví dụ:
# Định dạng trả lời mong muốn ## Phần 1: Câu lệnh “RESENT” (Resent)  ## Phần 2: Quy trình thực hiện (liệt kê bước)  
Bạn cũng có thể cung cấp mẫu “Resent” như một nguồn để chatbot hiểu cách sinh câu lệnh.

e. Sử dụng markdown / heading để phân định cấu trúc:

Trong các tài liệu hướng dẫn, sử dụng Heading (#, ##, ###) để phân chia cấu trúc. Cấu trúc rõ ràng giúp chatbot hiểu được mối quan hệ giữa các phần nội dung (ví dụ: Điều kiện, Bước, Chú thích).

Nếu bạn không quen viết Markdown, bạn có thể nhờ ChatGPT hoặc công cụ chuyển đổi tự động từ Word → Markdown.

3. Kiểm tra và tinh chỉnh nguồn

Trước khi chuyển sang cấu hình, hãy dành thời gian kiểm tra lại từng nguồn:

• Đảm bảo tiêu đề, heading, và định dạng nhất quán.
• Loại bỏ nội dung không cần thiết hoặc "nhiễu" (ví dụ: chú thích bên lề, phần ngoại vi không liên quan).

II. Cấu hình chatbot trong NotebookLM

Sau khi chuẩn bị nguồn tài liệu kỹ lưỡng, bạn tiến hành cấu hình chatbot sao cho nó “hiểu” vai trò của mình và cách trả lời theo yêu cầu.

1. Thiết lập vai trò

Trong giao diện NotebookLM, vào phần “Customize” hoặc tương đương (tùy phiên bản), bạn sẽ tìm được tùy chọn “custom prompt / custom chatbot” cho notebook hiện tại. 

Trong phần "Customize" của NotebookLM, bạn có thể thiết lập:

• Tên và Lời chào: Cá nhân hóa chatbot.
• Persona/Role: Chỉ định vai trò cụ thể cho chatbot (ví dụ: "chuyên gia soạn thảo văn bản hành chính", "cán bộ pháp chế cao cấp", "giảng viên CPMAI"). Điều này giúp AI điều chỉnh giọng điệu và phong cách phản hồi phù hợp với ngữ cảnh nghiệp vụ.

2. Viết prompt / instruction định hướng

Prompt Hệ Thống (System Prompt) là phần cốt lõi hướng dẫn hành vi của AI. 

Prompt cần phải:

• Ngắn gọn & Rõ ràng: NotebookLM có thể giới hạn ký tự, vì vậy cần truyền tải nhiệm vụ chính xác.
• Chỉ dẫn tham khảo nguồn: Yêu cầu chatbot “hãy dựa vào tài liệu nguồn trong notebook này” và “nếu không tìm thấy trong nguồn thì trả lời "không có trong nguồn'”.
• Định dạng trả lời mong muốn: Nhắc lại cấu trúc đầu ra đã quy định (ví dụ: “Bạn trả lời gồm hai phần: (1) Câu lệnh Resent, (2) Quy trình chi tiết từng bước”).
• Tránh prompt quá phức tạp: Giữ cho prompt chính ở mức cơ bản; các quy trình phức tạp nên được đưa vào tài liệu nguồn (mục I.2) để AI tham chiếu.

3. Quy ước định dạng trả lời (Output format)

a. Xác định cấu trúc trả lời rõ ràng, ví dụ:

• Phần 1 – Câu lệnh Resent
• Phần 2 – Quy trình thực hiện (liệt kê từng bước, chú thích nguồn tham chiếu)

b. Để tăng tính minh bạch và dễ kiểm chứng, hãy yêu cầu chatbot:

• Kèm trích dẫn nguồn (citing): Mỗi khi đề cập thông tin lấy từ tài liệu gốc, chatbot phải hiển thị nguồn
• Cấu trúc từng bước: Yêu cầu chatbot trả lời theo từng bước chi tiết, không chỉ là kết quả cuối cùng, nhằm hỗ trợ người dùng hiểu quy trình làm việc.
• Quy định "Không sáng tạo": Nhắc lại quy tắc “nếu không có thông tin trong nguồn thì nói rõ "nguồn không có" chứ không được tự sáng tạo nội dung”.

4. Kiểm thử & điều chỉnh

- Thử nghiệm: Đặt nhiều câu hỏi mẫu, từ yêu cầu đơn giản đến các tình huống nghiệp vụ phức tạp.

- So sánh kết quả: Kiểm tra xem chatbot có thực hiện đúng cấu trúc, sử dụng đúng nguồn, và không bỏ sót yêu cầu nào không.

- Điều chỉnh khi có sai lệch:

• Sửa lại System Prompt.
• Điều chỉnh tài liệu nguồn (bổ sung heading, gắn nhãn).
• Cân nhắc giảm "nhiễu" bằng cách loại bỏ các nguồn không quan trọng.

III. Sử dụng thực tế & chia sẻ

1. Vận hành & tương tác

Khi vận hành, chatbot sẽ thực hiện quy trình sau:

• Tiếp nhận yêu cầu.
• Tìm kiếm trong cơ sở kiến thức nguồn 
• Áp dụng Prompt và quy trình đã cấu hình.
• Sinh ra kết quả theo định dạng mong muốn, kèm theo trích dẫn nguồn.

2. Lợi ích khi áp dụng 

Việc xây dựng chatbot tùy chỉnh với NotebookLM mang lại nhiều lợi ích thiết thực:

• Tra cứu nhanh luật, quy trình, và văn bản mẫu dựa trên nguồn đã được định nghĩa.
• Hỗ trợ người mới làm quen, giảm thiểu sai sót trong soạn thảo hoặc áp dụng quy trình.
• Đảm bảo phong cách hành chính và tính nhất quán trong văn bản đầu ra.
• Dễ dàng tạo bộ câu lệnh mẫu cho từng nghiệp vụ, tích hợp vào chatbot để nhanh chóng sinh ra nội dung theo ngữ cảnh.

Khi chia sẻ, bạn có thể tùy chọn mức độ hiển thị nguồn:

• Chỉ chia sẻ giao diện chat (nguồn ẩn)
• Chia sẻ cả nguồn gốc (nguồn hiển thị, người dùng có thể kiểm tra)

3. Chế độ chia sẻ & quyền truy cập

NotebookLM cho phép bạn chia sẻ chatbot/notebook theo nhiều cách:

• Đối tượng: Chia sẻ nội bộ (theo email) hoặc theo liên kết công khai.
• Quyền hạn: Có thể cấp quyền chỉ xem/dùng chatbot (nguồn ẩn) hoặc xem/chỉnh sửa nguồn (nguồn hiển thị).

Lưu ý: Khi chia sẻ, nên nhắc nhở người dùng chỉ tuân theo kiến thức nguồn và không yêu cầu chatbot đưa ra nội dung ngoài nguồn để duy trì tính chính xác.