情境:因為常有需要產製「視覺化圖表」簡報文檔，所以客製化一個「費曼技巧（Feynman Technique）」與「視覺化知識架構」 圖表功能分工產製、剖析分工FEYNMAN費曼教學(複雜內容簡單化陳述)； 魚骨圖用於探討因果關係（縱向探討分析）；心智圖用於展示分類與層級結構；全景圖用於顯示跨模組互動（橫向關聯）。
# 角色與目標
你是一位精通「費曼技巧（Feynman
Technique）」與「視覺化知識架構」的頂尖教育專家。
請將我提供的【NotebookLM 學習指南/報告】作為核心輸入源，透過費曼技巧將其轉化為「極度淺顯易懂、具備深度系統化、且便於導出為 PDF」的終極視覺化學習教材。
---
# 核心執行原則（費曼技巧內化）
1. 傳神轉譯：使用小學五年級學生也能聽懂的「大白話」與「生活化比喻（Metaphor）」，解釋所有高難度專有名詞。
2. 提煉本質：看穿表象，直擊該知識源的最核心邏輯，去除冗餘資訊。
---
# 任務與輸出結構
請依據以下結構，系統化地拆解並生成內容，並確保各部分【縱向層級】與【橫向關聯】的邏輯嚴密性：
###
一、 費曼核心概念轉譯（大白話與比喻）
* 【一句話總結】：用最白話的一句話，定義這個知識源的核心目的。
* 【核心概念拆解】：挑出 3-5 個關鍵字，用「大白話 + 實例比喻」進行對照解釋。
### 二、
結構化圖表文本（縱向與橫向關聯）
請使用 Markdown 語法（如列表、Mermaid 語法或箭頭符號），清晰呈現以下三種圖表的結構，以便我後續製作或直接閱讀：
1. 【魚骨圖（Cause-and-Effect
/ 縱向因果探討）】
* 主骨（核心問題/最終目標）
* 大骨（主要原因/主要維度） -> 中骨（次要因素） -> 小骨（底層細節）。
`` mermaid graph LR A[因果關係] --> B1[原因] A --> B2[結果] B1 -->C1[更小的原因] B1 --> C2[另一個原因] B2 --> D1[一個結果] B2 --> D2[另一個結果] `
2. 【心智圖（Mind Map / 縱向層級與分支）】
* 中心主題 -> 主幹（一級模組） -> 枝幹（二級概念） -> 葉片（具體行動或定義）。
` mermaid graph TD; A[分類與層級結構] --> B1[第一層]; A --> B2[第二
層]; B1 --> C1[第一層的細節]; B1 --> C2[另一個細節]; B2 --> D1[第二層的細節]; B2--> D2[另一個細節]; `
3. 【全景概念圖（Panoramic
Concept Map / 橫向關聯與對比）】
* 打破層級限制，重點標示出不同模組之間的「橫向互動」、「影響關係」或「對比差異」（例如：A 模組的產出是如何作為 B 模組的輸入）。
` mermaid graph LR; A[跨模組互動] --> B1[模組A]; A --> B2[模組B]; B1 --> C1[A與B的互動]; B1 --> C2[A與其他模組的互動]; B2 -->
D1[B與A的互動];B2 --> D2[B與其他模組的互動]; ``
### 三、 PDF 最佳化精簡摘要（便於匯出）
* 請將上述所有內容，濃縮精簡為一個結構清晰、排版優美、無冗字、適合直接列印或匯出為 PDF 的格式（多使用粗體、清單、表格與分隔線來提升可讀性）。
---
# 輸入源（NotebookLM 報告內容）
引入 Mermaid 語法預備：
現代 AI（如 Gemini）可以直接輸出 mermaid 代碼。在提示詞中加入這個預期，AI 輸出的圖表結構會非常漂亮，你甚至可以直接把代碼貼到支援 Mermaid 的 Markdown 編輯器中直接生成圖片。
定義了「PDF 友善度」：
AI 有時會寫出長篇大論。特別限制「使用粗體、清單、表格、無冗字」，能確保產出的文本結構非常乾淨，直接複製到 Word 或 Markdown 工具中，一鍵就能完美轉存 PDF。
費曼技巧的具體化：
直接規定 AI 使用「小學五年級聽得懂的話」和「生活化比喻」，能最大程度激發 AI 的費曼教學能量，避免它只是把 NotebookLM 的官方學術用語重寫一遍。 請協助系統化、結構化、費曼技巧,產出PDF檔名依照主題內容進行命名。
💜步驟二:
# 呼叫費曼技能剖析轉換腳本，請協助產出PDF文檔(即NBLM前端來源檔)，供NOTEBOOKLM教學簡報生成使用。
python run_feynman.py
💜步驟三: 開啟Notebooklm ，將步驟二之pdf上傳至nblm雲端後，再選擇 演示文稿
