notebooklm

NotebookLM — 浏览器自动化

**要求：**需要浏览器自动化环境（带 computer-use 的 Claude Code CLI、Claude Chrome Extension 或同等环境）。在非自动化环境中，此技能会优雅地失败，并显示清晰的“不支持”消息。

**重要：**此技能是 v2 集合中唯一的浏览器自动化技能。它不遵循 research-pack Agent Integrity Rules 约定。此处适用不同的限制（UI 动态变化、异步生成、登录墙）。

第 0 步：浏览器上下文设置（必需）

在执行任何其他操作之前，确认浏览器自动化可用：

1. 检查运行环境中是否已加载浏览器控制工具（screenshot、click、find-element、navigate）
2. 如果不可用 → 停止并显示清晰的消息：“此技能需要浏览器自动化。当前环境为 {context}。无法继续。请使用带 computer-use 的 Claude Code CLI、Claude Chrome Extension 或同等环境。”
3. 如果可用 → 截取初始屏幕截图，并导航至 https://notebooklm.google.com
4. **通过屏幕截图检测登录墙。**如果检测到登录页面，则停止并显示：“请先在浏览器中登录 NotebookLM，然后重新调用此技能。”切勿尝试自动处理登录。

阶段 0：引导式问询（操作路由）

最多提出 4 个强制性问题，每次一个，并按依赖关系排序。大多数调用会在 Q3 结束。

Q1（根问题）— 操作

你想让我做什么？请选择一项：

1. 阅读 / 提取 — 向现有笔记本提问
2. 添加来源 — 将内容（URL、文本、文件、Google Doc 或综合生成的内容）添加到笔记本
3. 生成 Studio 输出 — 音频 / 视频概览、思维导图、报告（简报文档、学习指南、常见问题、时间线）、抽认卡、测验、信息图或幻灯片 — 具体选项以 Studio 面板当前显示为准
4. 创建新笔记本 — 创建笔记本并设置标题 + 初始来源

*为什么要问：*每项操作在 UI 中的流程都不同，需要的参数也不同。提前确定操作可以避免不必要的屏幕截图，并让我只询问相关的后续问题。

**必须选择。**如果用户只说“打开 NotebookLM”，但没有指定操作，则拒绝开始并重新询问 Q1。

Q2（取决于 Q1）— 笔记本身份

要使用哪个笔记本？（适用于操作 1、2、3；“创建新笔记本”除外）

*为什么要问：*如果你提供名称，我会在主页上搜索；如果你提供 URL，我会直接导航过去。对于有歧义的名称，我会通过屏幕截图提示你进行消歧。

对于操作 4（创建新笔记本）：将问题替换为“新笔记本的标题是什么？”

Q3（取决于 Q1）— 操作专属参数

操作 1（阅读 / 提取）：

“你想向笔记本提什么问题？请用自然的措辞——笔记本的聊天功能最擅长处理这类问题。”

操作 2（添加来源）：

“来源类型是什么？请选择一项：

1. URL / 网站 / YouTube 链接
2. 复制的文本（粘贴到这里，或指明内容位置）
3. 上传文件（提供绝对路径）
4. Google Doc（链接）
5. 综合生成的内容（我会预处理内容，并以‘复制的文本’形式添加）

*为什么要问：*每种来源类型在“添加来源”对话框中都有不同的子流程。提前选择可以省去一个步骤。”

操作 3（Studio 输出）：

“你想要哪种 Studio 输出？截至 2026-06，Studio 面板提供音频概览、视频概览、思维导图、报告（简报文档 / 学习指南 / 常见问题 / 时间线 / 自定义）、抽认卡、测验、信息图和幻灯片——我会先截取实时面板的屏幕截图，确认你的账号实际显示哪些选项，然后再点击。另外：是否有自定义提示词方向？**默认提示词生成的结果质量一般——我总会打开自定义菜单并编写详细的提示词。**请告诉我想要的角度或受众。

*为什么要问：*输出类型决定需要查找哪个 UI 按钮。自定义提示词是确保质量的必要条件。”

操作 4（创建新笔记本）：

“初始来源是什么？请提供 URL、文件路径，或回复‘稍后添加’。”

Q4（依赖于 Q1 = 操作 3）— Studio 自定义提示词详情

请告诉我 Studio 输出的角度、受众和长度。示例：

• Audio Overview：“面向非技术背景高管的双主持人对话，时长 8–10 分钟，重点关注业务影响，不深入探讨技术细节”
• Infographic：“决策树风格，以行动为导向，最多 6 个面板，单色海军蓝”
• Study Guide：“本科生水平，每个概念提供定义 + 3 道练习题”

询问原因： 这些内容会成为自定义提示词。Studio 默认提示词生成的效果平平无奇，明确具体的指示才能带来出色效果。

仅在生成 Studio 输出时询问（Q1=3）。其他情况跳过。

**停止条件：**完成 Q4 后（或因依赖关系跳过 Q4 后），提交并开始执行操作序列。

规范请参阅 references/studio_output_custom_prompts.md。

Notebook 发现

对于操作 1–3（需要已有 notebook）：

1. 前往主页 → 截图
2. 如果用户提供了 URL → 直接前往
3. 如果用户提供了名称：
   • 使用语义 find()，根据可见标题文本查找 notebook 卡片
   • 如果有多个匹配项 → 截取主页，列出选项并请用户指定
   • 如果没有匹配项 → 请用户提供 URL 或确认拼写

对于操作 4（新建）：

1. 在主页找到“New notebook”按钮
2. 点击 → 根据 Q2 设置标题
3. 根据 Q3 添加初始来源

操作 1：阅读 / 提取

1. 打开 notebook（见上文的 notebook 发现）
2. 定位聊天输入框（使用语义 find 或截图坐标）
3. 输入问题（使用 Q3 中用户自然表达的措辞）
4. 提交（按 Enter 或点击发送按钮）
5. 等待 3–5 秒
6. 截取回复区域
7. 以清晰易读的格式提取并呈现（不要直接复制原始聊天记录）

操作 2：添加来源

不同来源类型的子流程：

类型	UI 流程
URL / 网站 / YouTube	Add Source → Link → 粘贴 URL
复制的文本	Add Source → Copied text → 粘贴内容
文件上传	使用文件上传工具，并提供绝对路径 + 输入引用（绝不点击原生文件选择器）
Google Doc	Add Source → Google Docs → 云端硬盘选择器
综合整理的内容	在其他位置预处理内容，然后以 Copied text 形式添加

**每次添加后：**等待摄取加载指示器结束，并截图确认成功。

**综合整理内容的模式（效果显著）：**不要让 NotebookLM 直接摄取可能包含大量噪声内容的原始 URL，而应先预处理内容（提取正文，移除导航栏、广告和评论），然后以“复制的文本”形式添加。这样生成的摘要质量会大幅提升。

操作 3：Studio 输出

**先查看，不要想当然。**NotebookLM 的 Studio 清单会随着版本推出和账号级别变化而改变。截至上次验证（2026-06），面板提供：Audio Overview、Video Overview、Mind Map、Reports（Briefing Doc、Study Guide、FAQ、Timeline、自定义报告格式）、Flashcards、Quiz、Infographic、Slides。请将此列表视为参考，而非最终依据——实时 Studio 面板的截图才是权威信息。NotebookLM 的 UI 更新很快；请以当前产品为准进行核实，并在此部分内容有变化时更新（Studio 清单上次核实于 2026-06）。

必须遵循的工作流：

1. 找到 Studio 面板（位于右侧；可能需要切换显示），并截屏——你看到的磁贴才是此账号实际可用的输出类型
2. 找到请求类型对应的输出按钮（如果不可见，请先检查“Discover more”或溢出菜单，再判断该输出不可用）
3. 打开自定义菜单（按钮旁的箭头）——不要点击主按钮
4. 编写详细的自定义提示词（根据 Q4）
5. 确认并提交
6. 不要等待生成完成——确认生成已开始，通知用户，然后返回

自定义提示词示例（4 种输出类型）

音频概览：

"由一位研究人员和一位经验丰富的从业者进行双人对话。受众：正在做预算决策的非技术高管。时长：8-10 分钟。重点关注业务影响，而非技术细节。每个主要观点都配一个具体示例。简要回应反方观点。"

信息图：

"采用决策树风格。以行动为导向（每个面板结尾都要给出决策或行动）。最多 6 个面板。单色海军蓝 + 琥珀色强调。每个面板包含：标题（4-6 个词）、1-2 句正文、决策/行动行。不要添加填充面板。"

学习指南：

"本科生水平（定义每个技术术语）。结构：6 个概念 × 每个概念 4 个要素（定义 / 重要性 / 一个完整示例 / 3 道练习题）。练习题应属于布鲁姆分类法中的高阶认知题（应用/分析），而非记忆题。"

幻灯片（幻灯片组）：

"最多 12 张幻灯片。每张幻灯片的正文为 1-2 句。每张幻灯片都附上演讲者备注，包含：一个具体示例 + 一个可能的听众异议 + 如何回应。幻灯片正文中不要使用项目符号——只写散文。最后以一张号召行动的幻灯片收尾。"

更多内容请参阅 references/studio_output_custom_prompts.md。

操作 4：创建新笔记本

1. 前往首页
2. 点击 "New notebook"
3. 使用 Q2 设置标题
4. 添加 Q3 中的初始来源（针对每种来源类型使用操作 2 的子流程）
5. 等待自动摘要生成（这一步确实是同步的——通常会在 30 秒内完成）
6. 截取最终状态的屏幕截图

关键异步行为

异步输出规则： 对于 Studio 生成内容（尤其是音频概览——需要 5-10 分钟），请勿等待完成。用户的会话会超时。

工作流：点击 Generate → 通过屏幕截图确认生成已开始 → 告诉用户“正在生成——NotebookLM 准备就绪后会通知你” → 结束任务。

这就是触发并通知模式。它不同于添加来源和自动摘要（这些操作足够快，可以等待）。

使用 scripts/async_action_classifier.py 判断每项操作应等待还是通知：

操作	等待？
添加来源（URL/文本/文件）	是——等待导入进度指示器（约 5-30 秒）
阅读/提取（聊天）	是——等待 3-5 秒以获取回复
Studio：音频概览	否——触发并通知（5-10 分钟）
Studio：视频概览	否——触发并通知（5-15 分钟）
Studio：信息图 / 幻灯片 / 思维导图	否——触发并通知（2-5 分钟）
Studio：学习指南 / 简报文档 / 常见问题 / 闪卡 / 测验	是——等待约 30-60 秒
创建新笔记本	是——等待自动摘要（<30 秒）

# Verdict + paste-ready notify message for any action
python3 scripts/async_action_classifier.py --action "video overview"
# -> Verdict: FIRE_AND_NOTIFY, estimated 5-15 minutes, with the exact
#    "NOT waiting in this session" message to relay to the user

规范请参阅 references/async_action_discipline.md。

截图优先规范

NotebookLM 是一个动态 SPA，界面会因以下情况而异：

• 账号套餐（免费版、Plus 版或 Enterprise 版）
• 功能发布进度（部分 Studio 类型尚未向所有用户开放）
• 最近的界面变更（Google 经常迭代产品）

**每次 UI 操作前都必须先截图。**原因：

1. 操作前确认 UI 符合预期
2. 尽早发现登录墙
3. 检测意外的布局变化
4. 为调试保留审计记录

每次进行有意义的 UI 交互前，都要使用 screenshot()（或浏览器自动化工具中的等效功能）。

规范请参阅 references/browser_automation_canon.md。

点击前先 find()

只要可行，优先使用语义元素查找器，而非像素坐标：

• ✅ find(text="Audio Overview") → 无论元素位置如何都能返回该元素
• ❌ click(x=420, y=380) → UI 重新排列时就会失效

语义查找器能够适应轻微的 UI 变化，像素坐标则不行。

仅在以下情况下才使用坐标：

• 语义 find() 未返回任何结果
• 元素没有稳定的文本/aria-label/data-attribute
• 视觉位置是唯一可靠的信号

将输出保存到工作区

对于能产生有用信息的读取/提取操作：

1. 清理提取的聊天回复（去除 UI 界面元素）
2. 整理格式，便于阅读（酌情使用段落、列表、代码块）
3. 如果用户提出了请求 → 保存到文件（${WORKSPACE}/notebooklm/<notebook-slug>-<action>-<date>.md）
4. 否则 → 在聊天中以最终摘要的形式返回

对于 Studio 输出：

1. NotebookLM 会托管输出（Audio Overview 在应用内查看，信息图可下载，等等）
2. 告知用户输出的位置（URL 或应用内导航路径）
3. 不要尝试将 Studio 输出下载/保存到本地工作区——这由 NotebookLM 负责

报告格式

完成任何操作后：

1. 如果在视觉上有相关性，截取最终屏幕截图
2. 提供简洁的摘要（而非原始聊天内容）：
   • 使用的笔记本（名称）
   • 执行的操作（具体内容）
   • 结果（1-2 句话）
   • 对于生成的输出：创建了什么 + 所在位置 + 何时就绪
3. 对于触发后通知的操作：明确说明“NotebookLM 会在就绪时通知你”

错误处理

失败情况	行为
浏览器自动化不可用	立即失败，并显示“此技能需要浏览器自动化”消息（在步骤 0 停止）
检测到登录墙	停止。告知用户登录。不要尝试自动登录。
有多个笔记本与名称匹配	截取首页屏幕截图，列出选项，并请用户指定
来源导入的加载动画卡住超过 60 秒	说明超时，并询问用户是否要重试
面板中找不到 Studio 按钮	向下滚动或查找“Discover more”；如果仍未找到，说明该功能可能尚未对这个账户启用
10 秒内未显示聊天回复	截取屏幕截图，检查是否处于错误状态，然后重试一次
页面布局意外改变	截取屏幕截图，描述当前可见内容，并请用户提供指示

工具

脚本	作用
scripts/action_router.py	将 Q1-Q4 的回答转换为操作计划 + UI 流程 + 所需参数
scripts/custom_prompt_template_generator.py	将 Studio 输出类型 + 受众 + 长度转换为自定义提示词初稿
scripts/async_action_classifier.py	将操作名称转换为等待或通知模式（对于耗时生成，采用触发后通知）

参考资料

• references/browser_automation_canon.md — 截图优先 + 点击前查找 + 工具无关模式（7+ 个来源）
• references/studio_output_custom_prompts.md — 默认设置为何效果平平 + 按输出类型分类的模板（7+ 个来源）
• references/async_action_discipline.md — 面向耗时 UI 操作的触发后通知模式（7+ 个来源）

应拒绝的反模式

• 使用缺乏抽象的特定工具名称（例如，硬编码“Claude Chrome Extension”）
• 同步等待 Studio 生成内容（尤其是 Audio Overview）
• 在各项操作之间跳过屏幕截图
• 有语义化 find() 可用时仍使用像素坐标
• 尝试自动处理登录流程
• 未打开自定义菜单就生成 Studio 输出
• 使用默认 Studio 提示词（始终编写自定义提示词）

---

版本： 1.0.0 来源规范： megaprompts/03-notebooklm-megaprompt.md（维护者本地草稿规范——已被 gitignore 忽略，不存在于公开仓库中） 构建模式： 路径 B（直接转换）。浏览器自动化形式——有别于 research-pack 约定。