notebooklm-research

NotebookLM 研究

使用已安装的命令或 13 个 MCP 工具，将用户提供的来源转化为有依据的回答和 NotebookLM 成品。命令会将 JSON 输出到 stdout，并将进度或诊断信息输出到 stderr；如果其他工具要使用 stdout，请保留其内容。

此集成通过 notebooklm-py 使用 NotebookLM 的浏览器会话和非官方 Web API。请勿承诺 Google 端的可用性、配额或生成时间稳定。

身份验证

优先使用支持配置文件的辅助工具：

notebooklm-auth setup
notebooklm-auth verify

如果用户明确要求使用本机安装的 Google Chrome，而不是随附的 Chromium，请使用 notebooklm-auth setup --browser chrome --fresh。

无需安装即可登录：

uvx --from notebooklm-py notebooklm login

可通过在子命令前添加 --profile NAME 或使用 NOTEBOOKLM_PROFILE 来指定配置文件。当前会话通常存储在 ~/.notebooklm/profiles/<profile>/storage_state.json；切勿读取、打印、复制或提交该文件。如果身份验证过期，请重新运行 setup。

核心 CLI

根据混合来源创建笔记本：

notebooklm-skill create \
  --title "AI safety evidence" \
  --sources https://example.com/article https://youtu.be/example \
  --files ./paper.pdf \
  --text-sources "A user-supplied observation" \
  --strict

检查并提问：

notebooklm-skill list
notebooklm-skill list-sources --notebook "AI safety evidence"
notebooklm-skill summarize --notebook "AI safety evidence"
notebooklm-skill ask --notebook "AI safety evidence" --query "What findings conflict?"

仅添加一个来源：

notebooklm-skill add-source --notebook "AI safety evidence" --url https://example.com/new
notebooklm-skill add-source --notebook "AI safety evidence" --file ./appendix.docx
notebooklm-skill add-source --notebook "AI safety evidence" \
  --text "Raw notes" --text-title "Interview notes"

运行 NotebookLM 网络研究并导入结果：

notebooklm-skill research \
  --notebook "AI safety evidence" \
  --query "Recent empirical evaluations" \
  --mode deep --max-sources 10

使用 --no-wait 获取任务 ID，而不等待任务完成。如果研究结果不应成为笔记本来源，请使用 --no-import-results。

只有在笔记本标题能唯一匹配时，才能使用标题。自动化时优先使用 ID。

成品生成

支持的规范类型：

audio、video、cinematic、slides、report、study-guide、quiz、 flashcards、mind-map、infographic、data-table。

在一次操作中生成并可选下载：

notebooklm-skill generate \
  --notebook "AI safety evidence" \
  --type slides --lang zh-TW \
  --slide-format presenter-slides \
  --output ./output/deck.pptx --output-format pptx

较长的媒体任务可以分离运行，之后再通过精确 ID 下载：

notebooklm-skill generate --notebook NOTEBOOK_ID --type audio --no-wait
notebooklm-skill list-artifacts --notebook NOTEBOOK_ID --type audio
notebooklm-skill download --notebook NOTEBOOK_ID --type audio \
  --artifact-id ARTIFACT_ID --output ./output/podcast.m4a

便捷命令：

notebooklm-skill podcast --notebook NOTEBOOK_ID --output podcast.m4a
notebooklm-skill qa --notebook NOTEBOOK_ID --difficulty hard --output quiz.json

生成支持按类型设置选项，包括使用 --video-format short 生成竖屏短视频（样式固定，因此不支持 --video-style 或 --style-prompt），以及使用 --quantity more 生成更多测验题和闪卡。编写不熟悉的调用前，请先检查当前契约：

notebooklm-skill generate --help

如果输出文件或符号链接已存在，操作将被拒绝。仅当用户明确要求覆盖时才使用 --force。测验和闪卡支持下载为 JSON、Markdown 或 HTML；幻灯片支持下载为 PDF 或 PPTX。

高级工作流

notebooklm-pipeline research-to-article \
  --sources https://example.com/a https://example.com/b \
  --title "Evidence review" --language zh-TW --audience "engineers"

notebooklm-pipeline research-to-social \
  --sources https://example.com/a --platform threads --variants 3

notebooklm-pipeline batch-digest \
  --rss https://example.com/feed.xml --max-entries 20 --qa-count 5

notebooklm-pipeline generate-all \
  --files ./paper.pdf --types audio slides report mind-map \
  --output-dir ./output --artifact-concurrency 2

trend-to-content 需要单独安装 trend-pulse 命令。可通过 TREND_PULSE_CMD 安全地指定其他可执行文件；此集成不会调用 shell。

工作流会创建草稿和本地成品。它们不会发布到社交网络、CMS 产品或其他远程目标。

MCP 服务

为 MCP 客户端启动 stdio 模式：

notebooklm-mcp

配置示例：

{
  "mcpServers": {
    "notebooklm": {
      "command": "uvx",
      "args": ["--from", "notebooklm-skill", "notebooklm-mcp"]
    }
  }
}

可用工具：

• nlm_create_notebook、nlm_list、nlm_delete
• nlm_add_source、nlm_list_sources
• nlm_ask、nlm_summarize
• nlm_generate、nlm_download、nlm_list_artifacts
• nlm_research、nlm_research_pipeline、nlm_trend_research

删除笔记本需要 confirm=true。HTTP 模式仅绑定到回环地址：

notebooklm-mcp --http --host 127.0.0.1 --port 8765

请勿将 HTTP 模式直接暴露到网络。如果无法避免远程访问，请将其置于经过身份验证的 TLS 代理之后，并实施主机级访问控制。

操作规则

1. 在长工作流开始前验证身份验证状态。
2. 确认来源已导入；如有 partial 或失败的来源条目，请如实说明。
3. 提出有针对性的问题，并保留返回的引用元数据。
4. 在重复自动化中使用精确的笔记本和成品 ID。
5. 限制来源和成品的并发量；生成会消耗配额。
6. 未经用户明确同意，不要删除笔记本或覆盖输出。
7. 不要声称草稿已发布；此处没有发布集成。
8. 返回 JSON 结果或忠实的摘要，包括部分失败情况。

退出代码与恢复

• 0：操作成功完成。
• 2：参数无效或存在歧义。
• 4：需要进行身份验证。
• 1：上游、网络、生成或其他运行故障。
• 130：用户中断。

常见恢复：

notebooklm-auth verify
notebooklm-auth setup                 # missing or expired session
notebooklm-skill list-artifacts --notebook NOTEBOOK_ID  # inspect a timed-out job

使用 notebooklm-skill --help、notebooklm-pipeline --help 和相关子命令的 --help，以本地命令说明为准。