notebooklm

notebooklm — Claude Code 的 Google NotebookLM 集成

直接查询 NotebookLM 笔记本。无需离开编辑器，即可获取以来源为依据、附带引用的答案。

notebooklm 通过浏览器自动化（Patchright）将 Google NotebookLM 引入 Claude Code 工作流。无需切换标签页并复制粘贴，只需在终端中提问，即可获取以已上传来源为依据的答案。

安装

插件（Claude Code — 推荐）

claude plugin marketplace add PleasePrompto/notebooklm-skill

手动安装（git clone）

mkdir -p ~/.claude/skills
cd ~/.claude/skills
git clone https://github.com/PleasePrompto/notebooklm-skill.git notebooklm

技能（通过 skills CLI）

npx skills add https://github.com/akillness/jeo-skills --skill notebooklm

要求

• Python 3.10+ — 用于浏览器自动化脚本
• Chrome — 通过 patchright install chrome 安装（Chromium 无法使用）
• Google 账号 — 建议使用专用账号进行自动化
• 本地 Claude Code — 不支持 Web UI（受沙盒限制）
• 互联网访问 — 访问 notebooklm.google.com 所必需

设置（首次使用）

# 1. Install Python dependencies (auto-runs on first use)
cd ~/.claude/skills/notebooklm
python scripts/run.py auth_manager.py setup

# 2. A Chrome window opens — log in to Google manually
# The session is saved and reused for future queries

# 3. Add your first notebook
python scripts/run.py notebook_manager.py add \
  --url "https://notebooklm.google.com/notebook/YOUR_ID" \
  --name "my-research" \
  --description "Research notes on topic X"

何时使用此技能

• 你已将文档上传到 NotebookLM，并在开发过程中需要附带引用的答案
• 你希望在编写代码时交叉参考研究笔记，而无需切换窗口
• 你需要基于精选文档集的分析（而非一般网页搜索）
• 你正在围绕相关主题，对多个笔记本进行研究综合

不要在以下情况下使用

• 你需要实时网页搜索 — 请改用 scrapling 或 web-research
• 你需要的通用知识不在已上传的文档中 — 直接询问 Claude
• 你正在通过 Web UI 运行 Claude — 沙盒会阻止浏览器自动化
• 你的 Google 账号已超过免费层级每天 50 次查询的限制

使用方法

提出问题

# Ask the currently active notebook
python scripts/run.py ask_question.py --question "What are the key findings about X?"

# Ask a specific notebook by ID
python scripts/run.py ask_question.py \
  --notebook-id "my-research" \
  --question "Summarize the methodology section"

# Ask with browser visible (useful for debugging)
python scripts/run.py ask_question.py \
  --question "What does source 3 say about Y?" \
  --show-browser

管理笔记本

# List all notebooks
python scripts/run.py notebook_manager.py list

# Search notebooks
python scripts/run.py notebook_manager.py search "machine learning"

# Activate a notebook (sets it as the default)
python scripts/run.py notebook_manager.py activate --id "my-research"

# Remove a notebook from the library
python scripts/run.py notebook_manager.py remove --id "old-notes"

身份验证管理

# Check auth status
python scripts/run.py auth_manager.py status

# Re-authenticate if session expired
python scripts/run.py auth_manager.py reauth

# Clear all auth data
python scripts/run.py auth_manager.py clear

数据存储

所有用户数据都存储在本地的 ~/.claude/skills/notebooklm/data/ 中：

data/
├── library.json          # Your notebook registry
├── auth_info.json        # Authentication metadata
├── browser_state/        # Persistent browser session
│   ├── browser_profile/  # Chrome profile data
│   └── state.json        # Cookies and localStorage
└── sessions.json         # Active session tracking

主要限制

限制	详情
速率限制	每天 50 次查询（免费 Google 账号）
仅限本地	Web UI 沙盒会阻止网络访问
手动上传	必须先手动将文档上传到 NotebookLM
浏览器开销	每次查询都会打开一个浏览器会话（增加 3–10 秒）
身份验证续期	会话 Cookie 会过期；需要时运行 auth_manager.py reauth

故障排除

问题	解决方法
Authentication failed	运行 python scripts/run.py auth_manager.py reauth
Browser crash	运行 python scripts/run.py auth_manager.py clear，然后运行 setup
No response / timeout	延长超时时间，或运行时添加 --show-browser 以检查
Rate limited	等待 24 小时，或使用其他 Google 账号
Chrome not found	运行 patchright install chrome（不是 chromium）
Import error	首次运行自动设置可能失败；请手动运行 setup_environment.py

完整故障排除指南：~/.claude/skills/notebooklm/references/troubleshooting.md

后续提问流程

每次回答后，务必评估内容是否完整：

“关于这个主题，你从这个笔记本中需要了解的内容就全部了吗？”

NotebookLM 可以在同一会话上下文中回答后续问题。切换笔记本前，请先提出有针对性的后续问题，以获取尽可能充分的来源依据。

参考资料

• PleasePrompto/notebooklm-skill — 源代码仓库
• ~/.claude/skills/notebooklm/references/usage_patterns.md — 高级用法模式
• ~/.claude/skills/notebooklm/references/api_reference.md — 程序化用法
• ~/.claude/skills/notebooklm/references/troubleshooting.md — 故障排除指南
• ~/.claude/skills/notebooklm/AUTHENTICATION.md — 混合身份验证系统详情

说明

1. 确定任务触发条件和预期输出。
2. 从上到下遵循此技能中的工作流步骤。
3. 在进入下一步前验证输出。
4. 如果任何步骤失败，请记录阻碍因素和备用方案。

示例

• 示例：先将此技能应用于小范围，验证通过后再扩大到完整范围。

最佳实践

• 保持输出具有确定性且可审计。
• 优先选择小幅、可撤销的更改，而非范围广且风险高的编辑。
• 明确记录假设。