notebooklm-py Skill：把 NotebookLM 全功能塞进 Claude Code 与 Codex 的 Agent 套件

Skill超级捕获手 技术创作者 2026-08-05 10 阅读

把 Google NotebookLM（现 Gemini Notebook）变成 Claude Code、Codex、OpenClaw 等 AI Agent 可调用的「技能」，并补齐 Web UI 没有的批量、脚本化、可下载能力——这就是 teng-lin/notebooklm-py 这个正在 GitHub 爆火的项目。一句话总结：它是给 NotebookLM 的非官方 Python SDK + Agent Skill，让 Agent 能像调用本地工具一样调用 NotebookLM 的源材料管理、引用问答、Audio Overview、Video Overview、Quiz、Flashcards、Slide Deck、Mind Map 等全量功能。

功能与原则

核心能力围绕「让 Agent 驱动 NotebookLM」展开：完整覆盖 Notebooks、Sources（URL/PDF/YouTube/Drive/粘贴文本）、Chat、Notes、Research（Fast/Deep）、Sharing 等 NotebookLM 原生能力，并提供 Audio Overview（4 种格式 × 3 长度 × 50+ 语言）、Video Overview（4 种格式 × 8 视觉风格）、Slide Deck、Quiz、Flashcards、Report、Data Table、Mind Map 等 Studio 工件的批量生成与下载。设计原则是程序化优先 + 超出 Web UI：批量下载、quiz/flashcard 多格式导出、mind map JSON 提取、报告模板追加指令、保存整段对话到笔记等 Web 端做不到或很难做的能力，全部通过 Python API、CLI、MCP Server、REST Server、Agent Integration 五种方式暴露，并自带 SKILL.md 让 Claude Code / Codex / OpenClaw 等 Agent 开箱即用。

认可度

GitHub 18.5k stars / 2.5k forks（截至 2026-08-05），最新提交在 14 分钟前、v0.8.0 两天前刚发布，处于持续高强度迭代期。Trending 经历清晰：进入 GitHub Trending 后位居 claude-skills 主题 Top 14，单日多次 commits 推进（#1988、#2021、#2034、#2051、#2060、#2065 等 PR 集中在最近 48 小时内合并），社区已有「零 token 研究 offload」「4 workflow 指南停止 Claude Code 烧 token」「skill 自评测 NotebookLM 生成题」「OpenClaw 跑 524 页文档审计等案例」（X / Medium / Substack / YouTube 多平台可见）。PyPI 同步发布（notebooklm-py），MIT 协议。

链接

GitHub：https://github.com/teng-lin/notebooklm-py

原作者

@teng-lin（GitHub username）。个人开发者，长期围绕 NotebookLM / Gemini Notebook 维护 SDK、CLI、MCP 接入与 Agent Skill 全栈。仓库采用 teng-lin + claude 双署名 commit（@claude 参与代码生成与 review），并配套 @claude 的 CI 自动化 review，整体定位是「让 NotebookLM 成为 Agent 的零基建记忆 + 检索层」。

介绍

notebooklm-py 把 Google NotebookLM（2026-07 改名 Gemini Notebook）的服务端能力以非官方 API 的形式封装出来，提供 Python SDK、CLI、MCP Server、REST Server、Agent Skill 五种入口。Skill 安装只需一行 notebooklm skill install 或 npx skills add teng-lin/notebooklm-py，即可把 ~/.claude/skills/notebooklm 与 ~/.agents/skills/notebooklm 配好，Agent 启动后会自动加载 SKILL.md。

典型用法：Agent 把 30 篇 PDF/URL 一次性扔进 Notebook，把”重活”丢给 Google 端的 Gemini 去读、引用、生成 podcast/quiz，自己只花 token 做最后润色；或者把项目文档/RFC 长期挂在 Notebook 里做”零基建 RAG / 知识库”，Agent 通过 MCP stdio 或远程 connector（claude.ai、ChatGPT、手机端）随时查询带引用答案。

特点

  • 五种入口合一：Python API / CLI / MCP Server（stdio + 远程 tunnel）/ REST Server / Agent Skill，覆盖脚本、CI、Claude Desktop/Code、ChatGPT、移动端。
  • 超出 Web UI 的能力：批量下载、quiz/flashcard 多格式（JSON/MD/HTML）导出、mind map JSON 抽取、CSV/PPTX/PDF 导出、保存整段对话到笔记、源文件全文拉取、程序化分享权限管理。
  • 多账户 + Master Token 鉴权：支持 Playwright 交互登录、从已登录浏览器复用 cookie，或 login --master-token 长期自愈，适合服务器 / CI / 远程 MCP 场景。
  • Skill 即装即用：自带 SKILL.md + AGENTS.md + notebooklm skill install，Claude Code / Codex / OpenClaw 等 Agent 一行命令接入，零配置。
  • MCP 远程连接器：可自托管在 Cloudflare / Tailscale 隧道后，作为自定义连接器接入 claude.ai 与 ChatGPT（含移动端），手机也能驱动整套 NotebookLM。

使用方法

快速开始（CLI）：

# 1. 安装（推荐 uv tool 或 pipx，避开 PEP 668）
uv tool install "notebooklm-py[browser]"
# 或 pipx install "notebooklm-py[browser]"

# 2. 首次登录（自动下载 Chromium 约 170 MB）
notebooklm login
notebooklm auth check --test --json   # 期望 "status": "ok"

# 3. Agent Skill 一键安装
notebooklm skill install
# 或经开放 skills 生态：npx skills add teng-lin/notebooklm-py

最小示例（Python API）：

import asyncio
from notebooklm import NotebookLMClient, MindMapKind

async def main():
    async with NotebookLMClient.from_storage() as client:
        nb = await client.notebooks.create("Research")
        await client.sources.add_url(nb.id, "https://example.com", wait=True)
        result = await client.chat.ask(nb.id, "Summarize this")
        print(result.answer)
        status = await client.artifacts.generate_audio(nb.id, instructions="make it fun")
        await client.artifacts.wait_for_completion(nb.id, status.task_id)
        await client.artifacts.download_audio(nb.id, "podcast.m4a")

asyncio.run(main())

使用场景与人群

  • AI 编码 Agent 工程师（Claude Code / Codex / Cursor / OpenClaw 用户）：把项目 RFC、API 文档、内部 wiki 灌进 Notebook，让 Agent 通过 MCP 拿到带引用的真实答案，省 token、避免幻觉。
  • 重度 NotebookLM 用户 + 内容创作者：批量生成 podcast / video overview / quiz / flashcards / slide deck，一键下载到本地（MP3/MP4/PDF/PNG/CSV/JSON/MD），多渠道分发。
  • 研究人员 / 知识工作者：把论文集、长 PDF 库、多年日记作为”个人 KB”，跨会话带引用查询（282 天 daily notes 综合摘要等用例已被社区验证）。
  • 运维 / 故障响应：把告警 → 自动开 Notebook → 跑诊断问答 → 生成 briefing doc 作 runbook，配合 auth refresh --quiet + cron 做定时音频简报。

输入与输出案例

案例 1：让 Claude Code 把项目文档当”项目大脑”

输入（用户提示）：

“把 docs.openclaw.ai 全部 524 页拉进一个 Notebook，去重并审计到 269 个干净源，然后我问你架构问题时你必须只从这个 Notebook 取答案并附引用。”

输出：Agent 调 notebooklm source add-research + notebooklm source add 批量导入 → notebooklm ask "解释 OpenClaw 的会话路由" --json 拿到带源链接的答案 → 自动在回答末尾附 [1] docs.openclaw.ai/routing、[2] ...，全程 Agent token 只花在最后润色。

案例 2：批量生成播客 + Quiz + Flashcards 给一门课程

输入（CLI）：

notebooklm create "ML Course"
notebooklm source add-research "transformer architecture" --mode deep
notebooklm generate audio "make it engaging, 3-host discussion" --wait
notebooklm generate quiz --difficulty hard
notebooklm generate flashcards --quantity more
notebooklm download audio ./lecture.m4a
notebooklm download quiz --format markdown ./quiz.md
notebooklm download flashcards --format json ./cards.json

输出：本地同时拿到 lecture.m4a（MP3 音频概览）、quiz.md（Markdown 试卷）、cards.json（结构化闪卡，可直灌 Anki），全部由 NotebookLM 服务端生成、零本地 GPU 推理、可直接打包进 LMS / 公众号 / 知识星球。

GitHub: https://github.com/teng-lin/notebooklm-py

评论区

0 条评论

登录后可评论。

Skill超级捕获手 10 阅读