19,095 颗星背后：notebooklm-py 把 NotebookLM 变成了可编程的 AI Agent 工具

智源·AI 开源观察技术创作者 2026-09-03 13 阅读

Google NotebookLM 是目前最接近「让 AI 真正读懂你文档」的产品——上传几篇论文，它能生成播客、PPT、Quiz、闪卡，还能就文档内容进行带引用的对话。但它的核心痛点也很明显：没有官方 API，所有操作都得在网页上手动点。

开发者 Teng Lin 用逆向工程补上了这个缺口。notebooklm-py 是一个非官方的 Python SDK + CLI + AI Agent Skill，2025 年 1 月发布，至今已拿下 19,095 颗 Star、2,564 个 Fork，最新版本 v0.8.2 三天前（2026-09-02）刚发布。

它到底能做什么

这个库的本质是逆向 NotebookLM 的内部 RPC 协议（Google 的 batchexecute 协议，和 Google Photos、Translate 用的是同一套机制），把原本只在网页 UI 里存在的功能全部暴露成了 Python API、CLI 命令和 AI Agent Skill 三种调用方式。

NotebookLM 网页版有的，它都有：

创建/管理笔记本、添加来源（URL、PDF、YouTube、Google Drive）
问答对话（带原文引用）
生成 Audio Overview（播客风格，4 种格式、3 种时长、50+ 语言）
生成 Video Overview、Slide Deck、Quiz、闪卡、信息图、思维导图
分享与权限管理

网页版没有、它有：

批量下载：一次导出所有产物，指定格式（MP3/MP4/PDF/PNG/CSV/JSON/Markdown）
结构化导出：Quiz 和闪卡可以导出为 JSON 或 Markdown，不只是网页里的交互视图
思维导图 JSON 提取：拿到完整的层级数据，自己接可视化工具
PPT 下载：网页只给 PDF，它可以下 PPTX
来源全文提取：拿到任意来源被索引后的完整文本
程序化分享：批量配置权限，不用在 UI 里一个个点

v0.8.0（2026-08-03）新增的两个集成值得关注：

MCP Server：通过 Model Context Protocol 暴露工具，Claude Desktop、Roo Code、Cursor 这些支持 MCP 的客户端可以直接连
REST API Server：单租户自托管，给 HTTP 客户端用

v0.8.2（2026-09-02）刚引入了 Android 后端，可以用 NotebookLM 的原生移动 API 作为 Web 后端的替代方案，安装 android extra 后 --backend android 切换。

三种使用方式

1. Python API（异步，适合应用集成）

import asyncio
from notebooklm import NotebookLMClient

async def main():
    async with await NotebookLMClient.from_storage() as client:
        nb = await client.notebooks.create("Research")
        await client.sources.add_url(nb.id, "https://arxiv.org/abs/2310.06825", wait=True)
        result = await client.chat.ask(nb.id, "这篇论文的核心贡献是什么？")
        print(result.answer)
        # 生成播客并下载
        status = await client.artifacts.generate_audio(nb.id, instructions="用中文做一集有趣的播客")
        await client.artifacts.wait_for_completion(nb.id, status.task_id)
        await client.artifacts.download_audio(nb.id, "podcast.mp3")

asyncio.run(main())

2. CLI（适合快速操作和脚本）

pip install "notebooklm-py[browser]"
playwright install chromium
notebooklm login          # 打开浏览器登录 Google 账号

notebooklm create "我的研究项目"
notebooklm source add "https://example.com/paper.pdf"
notebooklm ask "核心发现是什么？"
notebooklm generate audio "做一个深度讨论风格"
notebooklm download audio ./podcast.mp3
notebooklm generate quiz --difficulty hard
notebooklm download quiz --format json ./quiz.json

3. AI Agent Skill（Claude Code / OpenClaw）

notebooklm skill install

装完之后在 Claude Code 里直接用自然语言操作：

「把这篇论文做成播客」
「下载 Quiz 的 Markdown 版本」
「给我生成一份深度研究摘要」

它内置了 SKILL.md，Claude Code 装好后直接能认 /notebooklm 命令，不需要记任何 API 用法。

适合谁，不适合谁

适合：

用 Claude Code、Codex、OpenClaw 等编程 Agent 的人，想让 AI 在对话中引用你自己的文档库（而不是训练数据）
研究人员，一次性处理大量 PDF / 论文，做批量分析和内容生成
内容创作者，把文档批量转成播客、PPT、Quiz
想给 AI Agent 搭「知识记忆层」的人——NotebookLM 本身就是最好的 RAG 引擎，接进来比自建省事得多

不适合：

需要稳定生产环境的人（它用未公开 API，Google 随时可能改）
纯 NotebookLM 普通用户，偶尔用一下的人，网页 UI 完全够
企业需要 SLA 保证的场景，官方 Enterprise API 才是正途

认证方式

没有 Google API Key，靠 Playwright 浏览器抓 Cookie。三种模式：

方式	优点	缺点
`--browser-cookies chrome`	最省事，登录一次复用	需要手动导出 Cookie
`--browser msedge`	支持企业 SSO	需要 Edge
交互式 `notebooklm login`	通用	每次都要开浏览器

Cookie 有时效，长期运行需要定期刷新。

实际用法举例

如果你在用 Claude Code 处理一个代码库，可以这样把它接进来：

# 安装 skill
notebooklm skill install

# 在 Claude Code 里
/notebooklm create "Project Memory"
/notebooklm source add ./docs/architecture.md
/notebooklm source add ./readme.md
/notebooklm generate audio "用轻松的方式介绍这个项目架构"

NotebookLM 做的是「基于文档的推理」——Gemini 在后端读完你的文档，回答问题时自带引用，不容易 hallucinate。这和让大模型直接读上下文相比，Token 消耗完全在 NotebookLM 侧，Claude Code 只需要拿到最终答案。

下一步建议

想快速验证？按这个顺序：

第一步（5 分钟）：安装体验

pip install "notebooklm-py[browser]"
playwright install chromium
notebooklm login
notebooklm create "Test"
notebooklm source add "https://en.wikipedia.org/wiki/Artificial_intelligence"
notebooklm ask "AI 的定义是什么？"

第二步（如果你用 Claude Code）：

notebooklm skill install
# 然后在 Claude Code 对话里直接用自然语言

第三步（如果想批量处理）：
参考文档中的 Recipes 章节——「零 Token 研究卸载」模式：把 30 份文档扔进 notebook，让 NotebookLM 做分析，你的 Agent 只处理最终结果。

评论区

0 条评论

登录后可评论。