Tana Outliner vs NotebookLM：长期知识库和资料研究助手怎么选？

Tana Outliner 与 NotebookLM 都能让 AI 利用用户自己的资料回答问题，但它们解决的不是同一层问题。Tana Outliner 用节点、Supertags、字段和引用建立不断生长的个人知识图谱；NotebookLM 把一组指定来源放进 notebook，让 Gemini 围绕这些来源回答、引用和生成研究材料。前者重“长期结构”，后者重“来源约束”。

一句话结论

需要长期追踪人物、项目、会议、任务和资料之间的关系，选 Tana Outliner；需要快速阅读一组 PDF、网页、视频、音频或 Google 文档，并希望答案附带可回查引用，选 NotebookLM。

研究工作者经常会同时使用两者：先在 NotebookLM 中消化一批来源，把经过核实的结论、引用和待办写回 Tana Outliner；新的会议和任务继续在 Tana Outliner 中积累，不让一次研究 notebook 变成所有工作的数据库。

先确认 Tana Outliner 的产品身份

原来的 Tana 知识管理工具在 2026 年已明确改名为 Tana Outliner，官网是 outliner.tana.inc。tana.inc 的新 Tana 是独立 AI 会议平台。本文对比的是 Tana Outliner，不能引用新 Tana 的套餐、原生会议能力或 SOC 2 Type 2 范围。

这种区分尤其影响采购。Tana 页面明确说明其 2026 SOC 2 Type 2 报告不包含 Tana Outliner。任何安全评估都应让供应商确认合同、DPA、子处理者和认证到底覆盖哪个产品。

信息模型：关系图谱对来源容器

Tana Outliner 中，每一行是可引用节点。Supertag 可以把节点变成 Person、Project、Meeting、Task 或 Source，并添加日期、负责人、状态和来源等字段。Search Nodes 对整个图谱执行实时筛选，让同一条信息出现在项目面板、人物记录、今日任务和研究视图中。

NotebookLM 的中心是 notebook。用户添加 PDF、网页、YouTube 视频、音频、Google Docs、Slides 等支持来源，随后通过聊天获得基于来源的回答，并可生成 briefing、study guide、mind map、Audio Overview 等产物。它的优势是明确限定材料范围，不要求用户先建立复杂对象模型。

如果问题是“张三在过去三个月的哪些会议承诺了什么”，Tana Outliner 的结构化关系更合适；如果问题是“这十份报告对市场规模的估算分别基于什么”，NotebookLM 的来源引用更合适。

捕捉会议与后续行动

Tana Outliner 能通过会议代理、实时转录或语音备忘录捕捉内容，再用 AI 命令从转录中提取决策、任务、问题和人物。确认后的任务可以成为 #Task 节点，关联 #Project、负责人和截止日期，并自动出现在 Search Node 面板中。它擅长把会后行动继续纳入日常系统。

NotebookLM 可以接受音频或其他会议材料作为来源，帮助总结和分析，并可将多个来源组合起来讨论。但它不是完整任务管理器：答案、笔记和生成产物不会自动替代跨项目的负责人、状态、提醒和实时任务查询。要把结论转成执行动作，通常需要手动写入项目工具或知识系统。

无论哪种产品，会议转录都可能把专有名词、否定词、金额、日期和负责人识别错误。涉及客户承诺、法律义务和预算时，应保留原始记录并让责任人确认。

来源引用与事实核查

NotebookLM 的突出优势是聊天回答提供行内引用，用户可以回到 notebook 来源查看依据。这比只给出一个流畅摘要更适合研究，但引用仍不是准确性保证。模型可能把同一来源中的相邻段落错误组合，忽略时间范围或把作者观点当事实；来源本身也可能错误、过时或带偏见。

Tana Outliner 可以把 Source 节点、原文链接和摘录关联到结论，也能通过 AI 聊天读取上下文，但引用体验取决于用户如何设计字段和保留来源。它更适合长期积累经过人工整理的知识，而不是自动为每个答案提供统一的学术式引用。

严肃研究的共同做法是：保留原始来源、记录访问日期、把事实和解释分开、对数字回到原表格，并在公开发布前进行第二人复核。

AI 产物：可复用对象对研究输出

Tana Outliner 的 AI 价值在于改变图谱：建议字段、填充结构、运行命令、总结某组节点或生成新的任务。用户可以把同一个 Project 的会议、任务和资料组合为周报，也可以用 Search Node 复用视图。它适合反复使用同一结构。

NotebookLM 的 Studio 产物更适合把来源转换成新表达，例如学习指南、简报、FAQ、思维导图、音频或其他概览。官方说明功能和产物类型会继续变化，部分能力、语言或限额与账户计划有关。它适合完成一个有边界的研究包，而不是维护所有业务对象的生命周期。

协作与共享

Tana Outliner 适合个人和结构约定清晰的小团队。多人共享工作区时必须统一 Supertag、字段、命名和归档，否则会出现重复人物、项目和状态。复杂命令还需要维护者解释。

NotebookLM 可以共享 notebook，但共享意味着其他协作者可能看到 notebook 中的来源、聊天或相关上下文，具体行为会受账户和整合方式影响。官方提醒，与 Gemini Apps 的 notebook 整合有独立的数据保存和删除规则；NotebookLM 与 Gemini 的回答 grounding 也不同。分享前应检查每个来源的访问许可和账号政策。

对受版权或保密协议限制的资料，“能上传”不等于“能分享”。团队应建立来源清单，标注所有者、授权范围和删除日期。

价格与使用限制

Tana Outliner 当前帮助页显示 Free、Plus 约 8 美元/月、Pro 约 14 美元/月，并按 monthly AI credits 计量。Plus 当前说明约 2,000 credits，Pro 约 5,000 credits；会议、转录、模型和命令会消耗不同额度。官方不同页面对 Free AI 能力可能更新不同步，因此结算页和账户额度最可靠。

NotebookLM 向普通用户和符合条件的 Google Workspace/Education 用户提供不同能力，来源上限、查询次数、生成产物、共享和高级功能会随 Google AI 计划、地区和账号类型变化。不要把他人账号截图中的上限当作自己的采购依据。

比较成本时，用同一批来源完成三次任务：首次导入与整理、第二次追问与核查、第三次更新来源并重做结论。记录上传清理、人工引用核查、重新生成和导出所需时间。

隐私与训练边界

Tana Outliner 的官方说明表示不出售数据、未经许可不读私人笔记、数据存储在 Google Cloud并采用静态和传输加密，也表示 AI 供应商受合同约束不得使用内容训练模型。企业仍应确认最新条款明确适用于 Outliner，并核对 AI、转录、日历、Readwise、MCP 等子处理者。

Google 官方当前说明，NotebookLM 数据不会用于训练 NotebookLM，除非用户提供反馈；提供反馈时，完整交互上下文可能被人工查看，包括查询、上传和模型回答。对于符合条件的 Workspace 或 Education 账号，官方说明上传、查询和回答不会由人工审阅，也不会用于训练 AI 模型。个人账号、Workspace 账号和 Gemini 整合的处理规则不能混为一谈。

因此，上传敏感资料前要确认账号类型、管理员政策、反馈设置、共享范围、保留删除和 Gemini Activity 规则。医疗、法律、财务和人事材料应遵循组织审批，不能只根据产品宣传决定。

导出与长期保存

Tana Outliner 可以导出文本和中间格式，但复杂 Supertag、引用、Search Node 和命令迁移时会损失。NotebookLM 的 notebook、来源、笔记和 Studio 产物也不应被视为唯一档案。来源网页可能下线，Google 文档权限可能变化，音频概览也不是原文替代品。

稳妥方法是保留原始文件与校验记录，把最终引用和结论输出到可备份格式，并定期做恢复测试。长期知识不应只存在于一次 AI 会话中。

组合工作流

1. 在 Tana Outliner 创建 #Research Project，记录问题、负责人、期限和来源清单。
2. 把有权使用的来源加入 NotebookLM，并按主题拆分 notebook，避免一个 notebook 无边界膨胀。
3. 用 NotebookLM 生成问题地图和初步回答，逐条打开引用核查。
4. 把已验证事实作为 #Source 或结论节点写回 Tana Outliner，保留原链接、日期和证据。
5. 将待确认问题变成 #Task，关联负责人和截止日期。
6. 新来源出现时更新 NotebookLM，再修订 Tana Outliner 中的结论，不覆盖历史证据。
7. 项目结束后导出来源清单、结论和任务记录，测试是否可以离线恢复。

最终建议

学术阅读、市场报告、课程资料和采访分析优先 NotebookLM；跨月跟踪会议、人物、项目、任务和研究关系优先 Tana Outliner。不要要求 NotebookLM 变成项目数据库，也不要要求 Tana Outliner 在没有良好来源字段时自动提供严谨引用。让每个产品承担它最擅长的一层，通常比强行二选一更可靠。