Tạo mini app miễn phí chỉ với vài cú click cùng Google AI Studio

Google không chỉ thêm một mô hình mới vào Flow. Tại Google I/O 2026, công ty đang biến Flow thành một studio sáng tạo AI có tác nhân, công cụ tùy biến, chỉnh sửa video hội thoại và cả ứng dụng di động. Với người làm video, đây là tín hiệu rất rõ rằng cuộc đua không còn nằm ở việc tạo clip đẹp trong một lần prompt, mà nằm ở khả năng sửa, lặp lại và hoàn thiện ý tưởng như một quy trình sản xuất thật. Gemini Omni biến Flow thành studio dựng video hội thoại Theo công bố của Google ngày 19 tháng 5 năm 2026, Flow được nâng cấp với Gemini Omni, trong đó Omni Flash là mô hình đầu tiên được đưa vào trải nghiệm này. Google mô tả Omni Flash như một mô hình có thể tạo nội dung từ nhiều loại đầu vào, bắt đầu với video, đồng thời kết hợp trí thông minh của Gemini với các mô hình media tạo sinh của Google. Điểm dễ hiểu nhất là bạn có thể xem Omni Flash như Nano Banana dành cho video. Nếu Nano Banana giúp chỉnh sửa ảnh trở nên tự nhiên hơn, Omni Flash đưa cách làm đó sang video, nơi người dùng có thể dùng cảm hứng ngoài đời, nội dung có sẵn và lời nhắc hội thoại để tiếp tục tinh chỉnh. Điều quan trọng là Google nói Omni Flash cải thiện sự nhất quán của nhân vật, nghĩa là nhận dạng và giọng nói có thể được giữ xuyên suốt nhiều cảnh. Flow Agent và Tools đưa AI vào cả quy trình sáng tạo Nâng cấp đáng chú ý thứ hai là Google Flow Agent. Thay vì chỉ nhận prompt rồi trả về kết quả, agent này được thiết kế như một cộng sự sáng tạo có thể lên kế hoạch, suy luận qua nhiệm vụ phức tạp và hỗ trợ người dùng ở nhiều giai đoạn khác nhau. Google đưa ví dụ agent có thể góp ý thoại cho một cảnh cụ thể hoặc đề xuất hướng phát triển cốt truyện. Khi dự án đi sâu hơn, Flow Agent có thể tạo nhiều biến thể cùng lúc để người dùng có thêm lựa chọn, đồng thời hỗ trợ batch edit để các thay đổi được áp dụng trên nhiều asset. Sau khi có đủ tư liệu, agent còn có thể sắp xếp chúng thành collection và đổi tên asset theo cách dễ hiểu hơn. Tính năng này hiện khả dụng cho toàn bộ người dùng Flow trên toàn cầu. Phần thú vị hơn nằm ở Google Flow Tools, nơi người dùng có thể tạo công cụ và workflow riêng bằng ngôn ngữ tự nhiên. Nếu bạn muốn một bộ chỉnh ảnh riêng, một công cụ resize video hoặc shader tùy biến, Flow Tools cho phép mô tả nhu cầu thay vì phải tự viết code. Nói cách khác, khái niệm vibe coding đang đi vào môi trường sáng tạo nội dung, không chỉ nằm trong IDE của lập trình viên. Mọi người dùng Flow trên toàn cầu có thể dùng Tools có sẵn Người dùng Google AI có thể tạo và remix Tools Công cụ tự tạo có thể được chia sẻ để người khác remix lại Flow Music cũng được nâng cấp cho người làm nhạc Google Flow Music cũng nhận loạt tính năng mới, trong đó quan trọng nhất là khả năng chỉnh sửa bài hát theo từng đoạn. Người dùng có thể chọn một phần cụ thể trong bài để viết lại lời, dịch lời, thay đổi beat drop hoặc lấy mẫu một đoạn nhạc rồi phát triển nó theo hướng khác mà không làm ảnh hưởng toàn bộ track. Tính năng covers cho phép biến đổi phong cách của cả bài hát nhưng vẫn giữ giai điệu và cấu trúc gốc. Ví dụ, một bản nhạc có thể được chuyển sang phong cách lo fi study để dùng cho playlist học tập hoặc nội dung nền. Với người mới làm nhạc bằng AI, cách tiếp cận này dễ hiểu hơn nhiều so với việc phải tạo lại từ đầu sau mỗi lần muốn đổi màu sắc âm nhạc. Gemini Omni cũng xuất hiện trong Flow Music để hỗ trợ tạo music video. Người dùng có thể làm việc theo dạng hội thoại với agent, chỉ dẫn phong cách, chủ thể và cảnh quay sao cho khớp với câu chuyện và nhịp của bài nhạc. Tính năng này dành cho người dùng Google AI, và nó cho thấy Google muốn nối liền ba lớp sáng tạo: âm thanh, hình ảnh và dựng chuyện. Ứng dụng di động giúp Flow đi ra khỏi bàn làm việc Google cũng công bố app di động cho cả Flow và Flow Music. Phiên bản web vẫn là nơi có đầy đủ năng lực nhất, nhưng app di động giúp người dùng ghi lại ý tưởng, tạo thử hoặc chỉnh sửa nhanh khi không ngồi trước máy tính. Kết luận Điểm lớn nhất của lần nâng cấp này không nằm ở một tính năng đơn lẻ. Google đang ghép Gemini Omni, Flow Agent, Tools và Flow Music thành một chuỗi làm việc hoàn chỉnh hơn, từ lên ý tưởng, tạo asset, chỉnh sửa hàng loạt, tổ chức tài nguyên cho tới xuất bản nội dung âm nhạc và video. Nếu bạn đang làm video, âm nhạc hoặc nội dung ngắn, cách thử hợp lý nhất là bắt đầu từ một asset thật của mình rồi xem Omni Flash giữ được nhân vật, giọng nói và mạch chỉnh sửa qua nhiều lượt tốt đến đâu. Nếu nó làm được điều đó ổn định, Flow sẽ không còn là công cụ tạo video AI đơn thuần mà trở thành một môi trường sản xuất nội dung rất đáng theo dõi trong năm 2026.

Receiving a task and then staring at the screen for an hour not knowing where to start is something that happens to Antigravity users no less than regular workers. The problem isn't that you're incompetent or lazy, but that your brain doesn't fear difficult tasks; it fears unclear ones. And when you give AI a vague request, the results Antigravity produces will be equally vague. Why does delegating tasks to Antigravity still yield poor results? Antigravity is a true agent because it can plan, write code, execute commands, and self-verify results. But this is precisely why many people are disappointed on their first use: they immediately assign Antigravity a huge and vague task, and the agent runs for 30 minutes in the wrong direction, exhausting the quota with unusable results. Cognitive scientists call the state of freezing before a large task "cognitive overload." The brain doesn't know where to start processing, so it chooses the safest option: doing nothing, and the familiar loop looks like this: Brain fears making mistakes → freezes Cannot start → deadline approaches Becomes more fearful → freezes again With Antigravity, user cognitive overload directly leads to poor prompts, and poor prompts cause the agent to run in the wrong direction. This loop, of course, consumes more tokens and time than any technical error. There are three approaches to break that loop, depending on how well you understand the requirements and how much you've established the process. Three Effective Approaches to Working with Antigravity Method 1: Download Source Code from Experienced Users This is the fastest way to get started without spending time setting up from scratch, especially suitable when you don't yet know what your process should look like. Antigravity works best when it has sufficient project context, meaning it can see the rules, workflows, skills, and memory directories that record old knowledge. Instead of building everything yourself, you copy the source code from someone who has fully set it up, download it, and let the agent read the entire existing configuration, provided, of course, that person has agreed or made it public. Note: Many people have exploited this to spread malware, so only install source code officially from Anthropic, Google, xAI, OpenAI,... or reputable individuals. When you copy the code repository from someone who has fully set it up, download it, and let the agent read the entire existing configuration, you gain two benefits simultaneously: The agent immediately understands the writing style for skills, workflows, technical foundations, and project rules from day one without you needing to re-explain. You learn how experienced individuals set up processes — from organizing memory directories to writing rules for the agent — without having to figure it out from scratch. However, if you don't understand the author's intentions, you won't be able to fully utilize the functions of this source code, much like wearing an oversized shirt. Method 2: Solve Small Steps Yourself Before Delegating Large Tasks This is the most quota-saving method and also a lesson I learned after many instances of waste due to delegating overly large tasks from the start. The 4C framework — Clarify, Chunk, Consult, Commit — originally used for human task management, is extremely effective when applied to Antigravity for a simple reason: the clearer you are before delegating, the less the agent has to guess. Clarify Step: Before typing anything into Antigravity, answer these 4 questions yourself: What does the final result look like? Who will use this? What is the actual deadline? What constitutes successful completion of this task? Five minutes spent answering will completely change the quality of your command. Instead of "build me a login system," you'll be able to write "build a login system using Google OAuth for a Next.js application, save the session to Firestore, redirect to the main page after successful login, run it locally, and take a screenshot for me to review." Chunk Step: Based on the Zeigarnik effect, once you start even a small step, your brain automatically wants to complete the subsequent steps. Ask the agent "break the task into the smallest steps to begin?" and go through each step. Allocate a specific amount of time to understand the structure and check if the agent correctly understands the requirements before letting it run a large task. But remember to only allocate a specific amount of time, because many problems only truly emerge during execution, and that's when we find solutions. In this step, we can immediately use Fast Mode for the agent to execute without needing to create a framework or deep thinking, or even if there's nothing special, Gemini Flash can perfectly handle this part, saving significant tokens for Gemini Pro and Claude Opus. Consult Step: Don't make it hard on yourself when others have gone before you. Similar to Method 1 of downloading others' source code, this step involves actively finding and reading how they approach problems, how they break down tasks, how they write commands, and how they set up processes, then distilling suitable methods to apply to your own work. You don't need to copy verbatim; just learn from their thought structure. This is especially valuable for tasks you've never delegated to an agent before, as those who have done it often discover common pitfalls you might not be aware of. Commit Step: Instead of trying to plan the entire task perfectly before starting, commit just the first 10 to 15 minutes to understanding it. Ask the agent a small question, see how it responds, and always add the prompt: “If the problem is unclear, you can always ask again; do not make arbitrary decisions.” There will certainly be shortcomings, but we will feel that we have come a long way with Antigravity and the task, instead of spending hours writing perfect prompts without accomplishing anything, which would surely be very boring. Method 3: Delegate Large Tasks Immediately When a Process is Already Established This method only works when you have gone through the previous two methods — having clear processes, contextual memory skills, and the agent being familiar with the rules and workflows. This can be considered the Commit step in the 4C framework: instead of worrying about the entire task, you need to guide the agent towards a specific outcome and let the agent handle the rest. At this point, Plan Mode is a better choice than Fast Mode because the agent must create a detailed execution plan before performing the task, allowing you to review that plan and leave notes for adjustments before letting the agent run. This method combines the agent's speed with your strategic vision because the process is already in place, so the clarification step should be integrated into the rules, workflows, and skills, eliminating the need for you to re-explain the context each time. This is especially a favorite method for Pros who use Claude for excellent planning and then feed it to GLM for task execution to save tokens. Which Method Should We Choose for Our Work? These three methods used with Antigravity are not mutually exclusive but are ordered from less to more context: Vague tasks, don't know where to start: Copy others' source code or use the 4C framework to clarify first. Understood but large and complex tasks: Go through small steps, use Flash for simple steps, and reserve Pro for steps requiring deep thought. Tasks with clear processes: Delegate directly with Plan Mode, letting the agent handle it while you work on other things. The common thread among all three methods is that you must do one thing before opening Antigravity: think. Not long thinking — just 5 to 10 minutes to clarify the requirements before delegating to the agent. That amount of time saves more quota than any other prompt optimization technique.

Bạn gõ một câu lệnh, AI tự lên kế hoạch, mở terminal, viết code, mở trình duyệt web kiểm tra rồi báo lại kết quả, Antigravity làm tất cả trong khi bạn đang uống cà phê. Đó không phải viễn cảnh tương lai, đó là cách Google Antigravity hoạt động và nó vừa thay đổi hoàn toàn cách mình tiếp cận việc xây dựng sản phẩm và quy trình tự động. Google Antigravity là gì? Antigravity là IDE thế hệ mới do Google ra mắt cuối tháng 11 năm 2025 cùng lúc với Gemini 3, được xây dựng trên nền VS Code nhưng với kiến trúc hoàn toàn khác: thay vì AI ngồi ở sidebar gợi ý từng dòng code, AI trong Antigravity làm việc như một agent thực sự một khi đã được cấp quyền thì chúng ta có thể giao task và Antigravity tự hoàn thành task đó để cho ra kết quả rất giống với Manus và Flowith nhưng ở đây Antigravity thiên về màn hình làm việc với code hơn. Điểm khác biệt lớn nhất so với Cursor hay GitHub Copilot là Antigravity không hỏi bạn từng bước mà hoạt động bất đồng bộ đó là khi bạn giao task, agent chạy ngầm trong nền trong khi bạn làm việc khác rồi quay lại xem kết quả. Antigravity hoàn thành một feature Next.js + Supabase điển hình trong 42 giây so với 68 giây của Cursor, và độ chính xác khi refactor đạt 94% so với 78% của Cursor. Antigravity đã có phần mềm hỗ trợ macOS, Windows và Linux nên mọi người không lo về vấn dề phần mềm mà chỉ nên lo về chi phí gọi API. Ngoài sử dụng Gemini 3 và Gemini 3 pro mặc định, Antigravity còn hỗ trợ Claude Sonnet, Claude Opus và GPT-OSS thật tốt khi không bị khoá vào nền tảng của Google khi mà Claude Sonnet, Claude Opus đang dẫn đầu thị trường. Các tính năng tiêu biểu của Antigravity IDE Chỉnh sửa trực tiếp với sự hỗ trợ của AIVới giao diện quen thuộc như VS Code, nơi các lập trình viên có thể chỉnh sửa code tay hoặc nhờ AI hỗ trợ từng đoạn cụ thể. Phù hợp khi bạn muốn kiểm soát từng bước hoặc xử lý những đoạn code cần sự chú ý cao. Điều phối agent chạy song song Đây là điểm khác biệt thực sự của Antigravity thực sự với "mission control" bạn không cần viết code ở đây mà điều phối nhiều agent chạy song song. Ví dụ một agent đang refactor module A, agent khác đang viết test cho module B, agent thứ ba đang debug lỗi UI trên trình duyệt web. Bạn theo dõi tiến độ, để lại comment như trên Google Docs và agent tự điều chỉnh mà không cần dừng lại chờ. Truy cập và điều khiển trình duyệt web Đây là tính năng mình thấy ấn tượng nhất khi mới dùng khi mà Antigravity có thể mở trình duyệt web như Chrome, Firefox,... khi được cấp quyền từ đó nó có thể điều hướng trang web, điền form và kiểm tra giao diện hoàn toàn tự động. Tuy nhiên cần lưu ý rằng Antigravity hoạt động giống hệt như Puppeteer nên chỉ tương tác được với các tác vụ trên trình duyệt và khi cần có thể xử lý ảnh và chụp ảnh màn hình và tất nhiên chưa hoạt động được với những trang web đã cài đặt chặn bot truy cập. Logic của Antigravity rất rõ ràng Đây là tính năng mình thích nhất khi làm việc với Antigravity đó là thay vì đổ raw code ra màn hình, agent tạo ra các deliverable có thể đọc được như task list, implementation plan, screenshot màn hình app đang chạy để bạn kiểm tra logic của agent cả trước và sau khi hoàn thành task, điều này giúp bạn luôn nắm được agent đang làm gì để đánh giá. Antigravity đang được dùng để làm những gì trong thực tế? Nhiều người nghe đến Antigravity và nghĩ ngay đây là công cụ dành riêng cho lập trình viên chuyên nghiệp. Thực tế thì không phải vậy vì phạm vi ứng dụng rộng hơn nhiều so với vẻ ngoài kỹ thuật của nó. Xây dựng và triển khai website Đây là use case phổ biến nhất. Bạn mô tả trang web muốn xây — stack kỹ thuật, tính năng, phong cách thiết kế — agent tự viết code, tự kiểm tra trên browser và tự sửa lỗi. Kết hợp với Google Stitch qua MCP, bạn có thể đi từ thiết kế UI đến sản phẩm chạy thực sự mà không cần chuyển qua lại giữa nhiều công cụ. Ví dụ prompt dùng trong Antigravity: "Xây cho mình một landing page bằng Next.js và Tailwind CSS cho sản phẩm SaaS quản lý công việc nhóm. Có section hero, bảng giá 3 gói và form đăng ký email. Deploy lên localhost và chụp screenshot kết quả." Tự động hóa quy trình lặp lại Một trong những điểm mạnh thực tế nhất. Bạn có thể nhờ Antigravity tự động crawl dữ liệu từ nhiều nguồn, tổng hợp và gửi báo cáo theo lịch, hoặc tự động điền form và thực hiện các thao tác lặp đi lặp lại trên trình duyệt — những việc trước đây cần viết script riêng hoặc dùng công cụ automation phức tạp. Ví dụ prompt: "Mỗi sáng 8 giờ, vào trang thống kê của website mình tại [URL], lấy số liệu pageview và top 5 bài viết và xem thông tin 5 bài viết của trang fanpage Facebook của mình ở trang [URL], tổng hợp thành file markdown và lưu vào thư mục /reports/daily." Lưu ý: Facebook hoàn toàn không thích bot truy cập vào trang của họ cho nên hãy làm sao để bot thao tác gần như con người trên trình duyệt để không bị dính lỗi checkpoint của Facebook có thể dẫn đến khóa tài khoản. Xây dựng hệ thống AI agent Đây là use case mà Antigravity thực sự vượt trội so với các công cụ khác. Thay vì chỉ viết một đoạn code đơn lẻ, bạn có thể mô tả cả một pipeline — ví dụ "tạo hệ thống phân tích review sản phẩm từ nhiều nguồn, phân loại sentiment và tự động tag vào database" — rồi để Antigravity thiết kế kiến trúc agent, phân chia nhiệm vụ và triển khai từng bước. Ví dụ prompt: "Tạo một hệ thống gồm 3 agent: agent 1 crawl review sản phẩm từ Shopee và Lazada mỗi ngày, agent 2 phân tích sentiment và phân loại theo chủ đề, agent 3 tổng hợp thành báo cáo tuần và lưu vào Google Sheets." Refactor và cải thiện codebase có sẵn Nếu bạn có một dự án cũ cần nâng cấp, Antigravity đặc biệt hữu ích khi cần refactor quy mô lớn có thể thay đổi toàn bộ cấu trúc file, cập nhật dependencies, viết test coverage cho code chưa có test. Agent đọc toàn bộ codebase, hiểu ngữ cảnh và thực hiện thay đổi nhất quán trên nhiều file cùng lúc thay vì sửa từng chỗ một. Ví dụ prompt: "Đọc toàn bộ codebase trong thư mục /src, đóng vai chuyên gia bảo mật xem có dính lỗi SQL injection, các lỗ hổng owasp không đề xuất chỉnh sửa sao cho vẫn giữ nguyên logic và đảm bảo không có lỗi sau khi refactor." Nghiên cứu và tổng hợp thông tin từ web Vì Antigravity có thể điều khiển trình duyệt, bạn có thể dùng nó để tự động truy cập nhiều trang web, trích xuất thông tin theo cấu trúc bạn định sẵn và tổng hợp lại thành báo cáo hoặc database — phù hợp với các tác vụ research cần thu thập dữ liệu từ nhiều nguồn mà làm thủ công sẽ rất tốn thời gian. Ví dụ prompt: "Vào 10 trang web tin tức AI này [danh sách URL] và các trang fanpage [danh sách URL] tìm các bài đăng trong 7 ngày qua, trích xuất tiêu đề, tóm tắt 2 câu và link gốc, lưu vào file CSV theo thứ tự mới nhất trước." Các câu hỏi thường gặp khi sử dụng Antigravity Antigravity có miễn phí không? Có cả gói miễn phí và trả phí. Gói miễn phí có quota reset theo tuần với rate limit hạn chế, đủ để thử nghiệm và làm project nhỏ. Gói Pro/Ultra có quota reset mỗi 5 giờ và được ưu tiên cao nhất rất phù hợp nếu bạn dùng Antigravity hàng ngày cho công việc thực tế. Antigravity có làm được việc với file Word, Excel, PDF không? Antigravity cài Puppeteer nên hoạt động chủ yếu qua trình duyệt web và chưa thể tác động trực tiếp vào các loại file như Word, Excel hay PDF. Nếu cần xử lý những file này, bạn phải thêm vào workflow và mention trong phần cấu hình để agent biết cách tiếp cận đúng. AI không phản hồi hoặc bị treo phải làm gì?Đây là lỗi khá phổ biến, đặc biệt vào giờ cao điểm khi nhiều người dùng đồng thời. Trong hầu hết trường hợp, chỉ cần restart lại Antigravity là được hoàn toàn không cần lo mất dữ liệu hay phải thiết lập lại từ đầu. Ngoài ra, nên dùng git và commit thường xuyên trước khi giao task lớn để tránh mất code nếu agent bỏ dở giữa chừng. Antigravity thực sự là công cụ quá mạnh mẽ vì sao chúng ta không thử ngay. Người dùng có thể tải về tại antigravity.google/download và bắt đầu với một project nhỏ — không phải để thử tính năng mà để hiểu tư duy làm việc mới này trước khi đưa vào dự án thực tế.

Bạn đã dùng NotebookLM để lưu tài liệu, nghiên cứu và ghi chú tuy nhiên mỗi lần cần AI xử lý thêm thì lại phải mở Gemini, copy-paste thủ công rồi hy vọng AI không bịa số liệu không chính xác. Giờ đây sau khi khám phá ra thì mình có thể xóa bỏ hoàn toàn bước thừa đó khi mà NotebookLM giờ có thể kết nối trực tiếp vào Gemini, biến toàn bộ tài liệu thành bộ não cho AI xử lý tức thì. NotebookLM và Gemini đã từng như hai ốc đảo NotebookLM rất giỏi một việc bám chặt vào tài liệu bạn cung cấp và trả lời chính xác dựa trên đó. Ví dụ như bạn có thể upload báo cáo tài chính 200 trang có thể hỏi bất kỳ con số nào, NotebookLM trích dẫn đúng trang đúng đoạn. Tuy nhiên nó bị cô lập trong từng note riêng biệt và không thể tìm kiếm thông tin mới ngoài internet. Gemini thì ngược lại có tư duy linh hoạt, kết nối web thời gian thực, có sự sáng tạo nhưng lại cực kì dễ ảo giác khi làm việc với dữ liệu chuyên sâu mà không có nguồn rõ ràng. Kết quả là nếu người dùng biết đến 2 công cụ này đều phải dùng song song, chuyển dữ liệu qua lại thủ công vừa mất thời gian vừa dễ mắc lỗi. Tích hợp này giải quyết đúng vấn đề đó bằng cách đưa NotebookLM vào thẳng giao diện Gemini, để hai công cụ bổ trợ cho nhau thay vì hoạt động độc lập. Một vài điều cần biết trước khi kết nối Gemini và NotebookLM Vì cùng hệ sinh thái Google cho nên tích hợp Gemini và NotebookLM hoạt động rất mượt mà, nhưng có một vài điểm cần lưu ý để tránh kỳ vọng sai. Gemini ưu tiên dữ liệu từ notebook trước, nhưng khi notebook không đủ thông tin, nó sẽ tự động tìm kiếm web mà không cần bạn ra lệnh thêm. Điều này tiện lợi, nhưng cũng có nghĩa là bạn cần kiểm tra nguồn trích dẫn để biết câu trả lời đến từ tài liệu của bạn hay từ tìm kiếm web. Khả năng phân tích chéo nhiều notebook cùng lúc là điểm mạnh lớn mà NotebookLM đơn thuần chưa làm được. Với càng nhiều notebook được kết nối, Gemini càng có thể xử lý được sự khác nhau và nhiều góc của vấn đề hơn nhưng vẫn bám sát được toàn bộ ngữ cảnh. Ngoài ra mọi câu trả lời từ dữ liệu notebook đều có trích dẫn nguồn cụ thể, đây là điểm khác biệt quan trọng so với Gemini thông thường và giúp bạn kiểm chứng nhanh khi cần. Kết nối NotebookLM vào Gemini trong 4 bước Tính năng hiện đã có thể dùng được cho cả tài khoản miễn phí lẫn Google AI Pro, không cần cài thêm gì. Bạn thực hiện theo thứ tự sau. Đầu tiên, mở Gemini trên web hoặc ứng dụng di động và vào khung nhập liệu như bình thường. Tiếp theo, nhấp vào biểu tượng dấu "+" ở góc khung chat và chọn NotebookLM từ danh sách nguồn. Sau đó chọn một hoặc nhiều notebook bạn đã tạo sẵn để làm ngữ cảnh cho cuộc hội thoại. Cuối cùng, nhập prompt của bạn như bình thường, lưu ý rằng Gemini sẽ ưu tiên dữ liệu từ notebook trước, và chỉ tìm kiếm thêm trên web khi thông tin trong notebook chưa đủ. Toàn bộ quá trình thiết lập mất chưa đến 60 giây, và bạn có thể chuyển đổi giữa các notebook khác nhau ngay trong cùng một cuộc hội thoại. Notebook + Gemini có thể làm được những gì mà trước đây không làm được? Điểm thay đổi lớn nhất không phải là tốc độ mà là độ tin cậy của đầu ra. Khi Gemini có nguồn dữ liệu cụ thể từ notebook, mọi câu trả lời đều được gắn nhãn trích dẫn rõ ràng giúp bạn biết chính xác thông tin đó đến từ trang nào, tài liệu nào, thay vì phải tự đi kiểm chứng lại. Về mặt ứng dụng thực tế có 4 trường hợp mà sự kết hợp này tạo ra khác biệt rõ nhất. Nghiên cứu và tổng hợp tài liệuThay vì đọc hết một cuốn sách giáo khoa 500 trang, bạn upload vào NotebookLM rồi yêu cầu Gemini tóm tắt thành bộ sách hoặc cũng có thể là infographic hoặc bộ slide thuyết trình qua chế độ Canvas. Và đây là kết quả của mình với prompt thông thường tạo thành cuốn sách từ tất cả các notebook được chọn. Bạn có thể tham khảo ở link Gemini sau đây Viết content không lo ảo giác Đây là use case hữu ích nhất với người làm nội dung. NotebookLM đảm nhiệm phần "đúng" đó là giữ chặt số liệu, tên người, sự kiện từ tài liệu gốc. Gemini đảm nhiệm phần "hay" đó là viết văn, tạo hook, chọn góc độ hấp dẫn. Tuy nhiên kết quả vẫn chưa so được với Claude nhưng cũng là một tham khảo để đưa sang Claude viết lại thì bạn sẽ nhận được kết quả thật sự rất tốt. Gems tự cập nhật kiến thức Gems là các trợ lý AI tùy chỉnh trong Gemini. Khi bạn gắn notebook vào một Gem, điểm đặc biệt là notebook đồng bộ tự động khi bạn thêm tài liệu mới vào NotebookLM, Gem cập nhật ngay mà không cần thiết lập lại từ đầu. Ví dụ bạn có một Gem chuyên hỗ trợ khách hàng, mỗi khi chính sách công ty thay đổi bạn chỉ cần cập nhật notebook, Gem tự hiểu luôn. Audio Overview kết hợp tìm kiếm web NotebookLM đã có tính năng chuyển tài liệu thành podcast đối thoại khá hay. Khi kết hợp với Gemini, bạn có thể yêu cầu AI bổ sung thêm thông tin mới nhất từ web vào bản tóm tắt âm thanh đó, phù hợp để nghe khi di chuyển mà vẫn có đủ những tin tức cập nhật mới nhất. Bắt đầu từ đâu nếu bạn chưa quen dùng NotebookLM và Gemini? Nếu bạn chưa từng dùng NotebookLM, hãy bắt đầu bằng cách upload một tài liệu bạn hay phải tra cứu có thể là quy trình nội bộ công ty, giáo trình học, hoặc báo cáo ngành bạn đang theo dõi. Tạo notebook từ tài liệu đó, rồi mở Gemini và kết nối notebook đó vào. Thử đặt một vài câu hỏi mà trước đây bạn phải đọc cả tài liệu mới trả lời được. Khi AI trả lời đúng và trích dẫn rõ nguồn, bạn sẽ hiểu ngay tại sao sự kết hợp này đáng để dùng thường xuyên. Không phải vì nó "cách mạng" hay "đột phá" mà vì nó giải quyết đúng một việc phiền phức cụ thể mà bạn vẫn phải làm thủ công mỗi ngày.