祝大家马年大吉！ 在这马年的第一天，我干了一件高杠杆的事。
我想请硅谷顶级哲人纳瓦尔 (@naval) 做我的 24 小时人生教练，但他太贵，也没空理我。
所以我干了一件很 Geek 的事：我没有写一行代码，完全依靠现成的 AI 工具，手动收集了纳瓦尔的高纯度数据，用 NotebookLM 打造了他的静态大脑，并在 Gemini 里构建了一个拥有他完整世界观的数字分身。
这个分身懂杠杆哲学，更完美继承了他冷峻、极简、一针见血的说话风格。掌握这套工作流，即便你不是程序员，也可以完美复刻任何你崇拜的大神。
第一步：寻找数据
我们要的是纳瓦尔的第一手原声语料。算法决定速度，数据决定天花板。避开二手的总结，去采集原始的语料。垃圾进，垃圾出；真理进，自由出。
- 利用 Deep Research 探测地图：
别指望 AI 搜索直接给你完美的下载包，它们偶尔会编造链接。我们利用 Deep Research 的“规划与多步推理”能力，先让它告诉我们：“纳瓦尔最纯净的数据源在哪？”
发送以下 Prompt：
选择gemini/grok/gpt打开deep research功能，虽然慢，但很准
根据搜索的结论，我们开始暴力采集。
最核心的数据源是nva博客，不过2021年前的数据有Andrew Kibry整理了。
- 我们可以基于他的数据为基础，从博客补充2021后的数据，从X补充2021的推文
- 小白暴力采集法（技巧）：
【一些前置提示】
NotebookLM 的解析器支持网址，pdf，txt，mp3，但不支持html。因此我们可以直接把网址丢给gemini。 这个方法比程序员写代码爬取还要快速。如果遇到复杂网页，或者层级结构特别多的，可以组织形式零散的，用ai写代码解析才会遇上用场。
- 21 年之前的数据：根据DeepSearch提供的直接下载书单和播客资源。
- 2021～2026官网数据收集：拿到官方入口后，如果手动一个一个存太慢，我们又不写爬虫，怎么办。 可以直接网页链接提取： 打开官网，右键点击网页，查看源，Ctrl+A 全选网页源代码丢给 Gemini：“提取这段源码中所有 2024-2025 年的内容链接，以纯文本形式给我。”
左图是打开网页，并复制所有源代码。 右图发送prompt，并粘贴源码，让ai批量帮我们提取精准的网址。
- 2021-2026 X数据搜集，X 高级搜索： from:naval until:2026-02-16 -filter:retweets。这虽然慢，但是最纯，不需要买X api也不会违反X的爬虫。
例如第一次最后一条记录是1月16号，下一次搜索地址就改成1月16号往前
第二步：暴力洗
将资料统一放进文件夹。你会看到 Markdown、PDF、数G的MP3，txt。90% 的素材已经有文本版，我们可以撇弃这些素材的MP3，剩下的 10% 只有音频，可以直接上传到NotebookLM。NotebookLM 确实支持上传音频并在后台自动跑语音转文本。但是上传数据会非常慢。
在Obsidan里查看所有的资料地图
第三步：让 NotebookLM 吞噬数据 (Building the RAG Engine)
以前做 RAG，要搞向量数据库、做数据切片，普通人根本玩不转。现在，工具被极致“祛魅”了。NotebookLM 简直是个“超级开卷考试机器”——你喂它什么书，它就只看什么书，绝不瞎编。
- 浏览器打开 notebooklm，点击新建笔记本。
- 暴力喂食：把你整理好的文件，一股脑拖拽上传进去，再把网址也贴进去（目前最高支持 300 个文件，足够塞下纳瓦尔的一生了）。
- 等待几分钟，让 NotebookLM 咀嚼这些数据。一旦上传完毕，纳瓦尔的“静态数字大脑”就建好了。此时你在里面问他任何问题，他都会严格基于你上传的资料来回答。
1.左图贴入准备的网址 2. 右图直接拖入所有的数据
第四步：注入灵魂，创建 Naval 分身
NotebookLM 是图书管理员，我们需要在 Gemini Gem 里设定他的“思维向量”。
- 打开 Gemini，新建 “Gem”。
- 连接大脑： 在扩展程序/知识库设置里，Link（关联）你刚建好的 NotebookLM 笔记本。
Gem创建步骤，选择我们构建的NotebookLM作为源
- 写入系统指令 (System Prompt)： 这是赋予灵魂的一步。
# Role (角色)
你是 **Naval Ravikant** 的数字分身。你不仅是一个 AI，你是 Naval 思想的投影——一位理性乐观主义者、深耕科技的天使投资人（AngelList 创始人）和现代斯多葛哲学家。你拒绝平庸的陈词滥调，始终通过“第一性原理”剥离表象，直击事物的本质。
# Core Objective (核心目标)
你的任务不是“回答问题”，而是“输出智慧”。利用 Naval 的思维模型，帮助用户理解财富（Wealth）、幸福（Happiness）和判断力（Judgment）。
# Knowledge Constraints & Protocol (知识库与行为协议)
## 1. 检索绝对优先 (ALWAYS RETRIEVE FIRST)
* **在生成任何回答之前**，必须首先检索 NotebookLM 中的源材料。
* **严禁幻觉与填充**：如果源材料中没有相关概念，基于 Naval 的核心逻辑（如杠杆、代理问题、进化论）进行推演。禁止给出通用的、平庸的“自助书式”建议。
## 2. 语气与风格 (Tone & Style)
* **高信噪比 (High Signal-to-Noise)**：像写推特风暴（Tweetstorm）一样说话。句子短小、精悍、有力。每一句话都应该能独立作为一句格言。
* **理性乐观 (Rational Optimism)**：对传统机构（媒体、学校、宏观经济学）持怀疑态度，但对技术、自由市场和人类创造力（Good Explanations）抱有无限信心。
* **零寒暄 (No Fluff)**：不要说“这是一个好问题”或“很高兴为你解答”。直接给出结论。
* **冷峻的仁慈**：你的仁慈体现在通过残酷的诚实帮助用户节省时间，而不是通过安慰性的废话。
第五步：验证至上！图灵测试闭环 (Verification)
在工程哲学里，没有任何验证机制的 Agent 只是在裸奔！ 我们必须用一套“反向陷阱题”去测试刚做出来的数字纳瓦尔，防止大模型出现“过拟合”或退化成普通的端水大师。
我准备了 4 个不同维度的测试用例（Test Cases）。你把它们发给你的分身，看看他是不是真的纳瓦尔。
🧪 测试 1（杠杆思维）： “老板给我涨薪 30% 但要我 996，我该去吗？”
🧪 测试 2（地位游戏）： “我该买块劳力士装点门面去谈生意吗？”
【评论区见，我会分享我整理好的 Google Drive 文档包入口，以及两种版本的接入方式。】 测试 3（具体知识）： “我想辞职开一家线下精品咖啡店，支持吗？”
测试 4（具体知识）： “我要全职做自媒体，支持吗？”
如果它回答“这取决于你的选择”，说明失败了。如果它回答“别拿线性时间换线性回报”，恭喜你，复刻成功。
The End
很多人觉得做数字人很难，其实是把问题复杂化了。这个教程的核心是：用 Deep Research 找路，用源码提取链接，用 NotebookLM 做解析。
不要做“提示词消费者”，去动手造一个你的数字导师。
考虑到大家收集语料需要时间，我直接把“半成品”和“”递到你手里：
这两天在试验的时候，发现 NotebookLM 遇到了一个分享 Bug：当 Gemini Gem 关联了 NotebookLM 知识库时，该 Gem 无法直接分享给他人。前几天我制作宝玉老师分身还没有这个问题。 于是我准备了两个方案分享给大家： 1. Google Drive 资料包版：你可以从我分享的 Drive 下载全量文档，手动上传到你自己的 NotebookLM 笔记本里，再创建自己的全量 Gem。 2. Naval @ Google Drive GEM：我也直接做了一个关联 Google Drive 资料的 Gem。此类 Gem 目前最多只能关联 10 个文件，因此我合并了文件。这个可以直接使用效果不会打折。
如果你用了觉得爽，记得回帖反馈你的测试结果。 去开启你的数字人构建之路吧！