obsidian+notebooklm的方案，是最好的选择吗？我的场景是这样：需要将大量文档和对话之间的关系长期保留，在某个主题上进行几个月的长时间深入讨论，编程需求不大，主要是商业思考和哲学讨论，还有一些法律和财务的谈论。
和GPT 5.5讨论了一下，还是有点拿不准，在这里问问各位佬。
目前的想法有这些：
1.Obsidian的双向链接，能帮我把文档和文档间的关联建立起来。比如对某个项目的时间线，我和AI做了哪些对话，我上传了哪个文档，后来又产生了哪个，然后又做了什么修改。
2.Notebooklm我主要是看中的是它的KV Cache，模型在阅读完文档后，注意力机制产生的中间状态——一种比向量检索更完整、更保留内部逻辑关系的表达。
还有就是Google 的 Context Caching 基础设施：
文档 → TPU 处理 → 生成 KV Cache → 存储在 Google 服务器
后续每次提问时：
跳过文档处理阶段 → 直接加载缓存的 KV Cache → 推理
目前最大的困扰是：
1.双向同步的问题，obsidian里面我产生了新的笔记或者新的文件，要手动传到notebooklm，这个太麻烦了。倒过来，notebooklm里面的对话，我又要下载到obsidian。
我琢磨过用google drive做“代理服务器”，变相的实现同步，好像也不好弄。
2.一个notebooklm的笔记只能对应50个来源文件，时间长了超过了就好麻烦。
3.我的pro账号如果到期，要换账号，notebooklm就只能重新去传，无法继承。
佬，有什么更好的解决方案吗？我考虑过anythingllm,但是实在舍不得KV Cache的能力啊，目前好像只有google具备这个闭环：
自研 TPU → 自有数据中心 → 自研网络拓扑 → Gemini 专属优化
→ KV Cache 存储成本极低 → 可以给用户免费提供 NotebookLM
Claude Project和GPT方案我也琢磨了一下，他们俩受上下文窗口所限， 在文档超过限制时，会退化成 RAG 切块方案，这样信息损失非常大。
这个优势在文档体量小的时候几乎感知不到：
- 文档总量 小于50万字 → Claude 和 GPT 的体验差异不明显
- 文档总量 超过50万字 → NotebookLM 的结构性优势开始显现
诚恳请教各位佬，这个事情困扰我好久了！感谢！
1 个帖子 - 1 位参与者