/ 目录 / 演练场 / notebooklm-skill
← 全部服务器 ↗ GitHub
● 社区 claude-world ⚡ 即开即用

notebooklm-skill

作者 claude-world · claude-world/notebooklm-skill

NotebookLM 提供带引用的研究，Claude 负责内容创作——一个 Collect → Research → Generate → Publish 四阶段工作流。

NotebookLM Skill 连接 Google NotebookLM 研究环境和 Claude 内容生成。你把 URLs/PDFs/YouTube 视频喂给笔记本，NotebookLM 提取有引用的洞察，Claude 起草文章、社交帖子、新闻通讯或自定义格式。既可以作为 Claude Code skill，也可以独立部署为 MCP server。使用浏览器授权登录 Google —— 无需 API 密钥。

▶ 观看演示 📦 安装 💡 使用场景

为什么要用

核心特性

实时演示

实际使用效果

notebooklm-skill.replay ▶ 就绪
0/0

安装

作者仓库 · Claude Skills 官方文档

使用场景

实战用法： notebooklm-skill

如何把一堆资料转化为经过研究、带引用的文章

👤 发布经过研究的长篇内容的内容营销人员和技术写手 ⏱ ~45 min intermediate

何时使用： 你有 5-20 个 URLs 和 PDFs 关于某个主题，需要在一小时内完成一篇带引用的精美文章。

前置条件
  • Python 3.10+ — pyenv install 3.10 或使用系统 python3
  • 有 NotebookLM 访问权的 Google 账号 — 在 notebooklm.google.com 登录一次，浏览器会话会被复用
  • notebooklm-py 库 — pip install notebooklm-py
步骤
  1. 把资料收集到笔记本中
    创建一个标题为 'CRDT-landscape-2026' 的笔记本，并添加这 8 个 URLs 和这个 PDF。✓ 已复制
    → 返回笔记本 ID；源数量已确认
  2. 运行研究查询
    向笔记本提问：'CRDT 主要类型有哪些，各自的权衡是什么？给每个观点标注引用。'✓ 已复制
    → 结构化答案，带有具体来源的内联引用
  3. 生成一篇文章
    基于这些发现，为后端开发者草稿一篇 1500 字的文章。将引用保留为脚注。✓ 已复制
    → 草稿中包含 [n] 引用标记，对应源 URLs
  4. 发布
    保存到 drafts/crdt-landscape.md，带 frontmatter（标题、日期、标签）。✓ 已复制
    → 磁盘上的 Markdown 文件

结果： 一个有引用、可发布的草稿，建立在具体源基础上——而不是幻觉出来的。

注意事项
  • 浏览器授权无声地过期 — 重新打开 notebooklm.google.com 并刷新；skill 会重用 cookie jar
  • Claude 改述一个声明而没有标注引用 — 显式指示：'每个事实陈述必须以其 [n] 引用结尾。'
搭配使用： smart-illustrator-skill

将研究资料转化为播客风格的音频总结

👤 想要从阅读材料生成音频总结的播客主和教育工作者 ⏱ ~15 min beginner

何时使用： 你想从 agent 触发 NotebookLM 的 Audio Overview 功能，而不是在网页 UI 中。

步骤
  1. 添加资料并请求音频
    从这 6 篇论文创建笔记本，然后触发音频总结。✓ 已复制
    → 音频生成已启动；返回状态
  2. 轮询并下载
    等待音频生成，然后保存为 overview.mp3 到我的下载文件夹。✓ 已复制
    → 本地 MP3 文件

结果： 无需打开 NotebookLM 网页 UI，直接下载的音频总结。

注意事项
  • 音频生成需要 2-5 分钟 — 使用轮询流程；不要期望同步完成

将一个笔记本转化为一周的社交帖子

👤 希望在多个渠道传播一项研究的创始人和独立营销人员 ⏱ ~30 min beginner

何时使用： 你刚完成一个深度研究笔记本，想从中生成 7 个 LinkedIn 帖子 + 5 条推文。

步骤
  1. 提取亮点
    从笔记本 'CRDT-landscape-2026' 中，列出 12 个最值得分享的具体事实及其源引用。✓ 已复制
    → 有引用的亮点要点列表
  2. 起草帖子
    将每个亮点转化为一个 LinkedIn 帖子（200-280 字）和一条推文（280 字以内）。将引用保留为链接。✓ 已复制
    → 每个亮点对应的帖子-推文对

结果： 一周的有引用的社交内容计划。

注意事项
  • 社交草稿听起来很通用 — 在起草前给 Claude 提供你过去的 3 个帖子，让它学会你的风格
搭配使用： ai-marketing-claude-code-skill

组合

与其他 MCP 搭配，撬动十倍杠杆

notebooklm-skill + smart-illustrator-skill

NotebookLM 研究 → Claude 起草 → Smart Illustrator 添加图表

用 notebooklm 研究 'vector DB 现状'，起草 2000 字的文章，用 smart-illustrator 配图。✓ 已复制
notebooklm-skill + ai-marketing-claude-code-skill

将研究的内容转化为有真实引用的营销活动

从笔记本 XYZ 取出发现，运行 go-to-market skill 生成带有引用声明的发布计划。✓ 已复制
notebooklm-skill + claude-skills-journalism-skill

需要源验证的新闻工作流

在发布前，用 notebooklm 针对上传的原始资料验证草稿中的每个观点。✓ 已复制

工具

此 MCP 暴露的能力

工具输入参数何时调用成本
create_notebook title: str, sources: list[url|pdf|youtube] 任何研究任务的第一步 NotebookLM free quota
add_sources notebook_id, sources 扩展现有笔记本 free
ask notebook_id, question 主要的研究交互 NotebookLM free quota
generate_audio_overview notebook_id, style? 当你想要播客风格的总结时 free, async
export_artifacts notebook_id, type: 'slides'|'report'|'quiz'|'flashcards' 将研究转化为其他格式 free

成本与限制

运行它的成本

API 配额
NotebookLM 免费额度很慷慨但未公开。重度使用可能触发速率限制。
每次调用 Token 数
研究答案使用 Google 的额度；Claude token 使用量取决于起草的长度
费用
拥有 Google 账号即可免费使用
提示
在一个笔记本会话中批量提问——避免在不同笔记本之间重复上传资料。

安全

权限、密钥、影响范围

凭据存储： Google 的浏览器 cookie 会话。无 API 密钥。会话存储在 notebooklm-py 的本地缓存中。
数据出站： 所有源内容都上传到 NotebookLM（Google）。不要输入机密材料。

故障排查

常见错误与修复

Auth 失败 / 'please sign in'

在默认浏览器中打开 notebooklm.google.com，登录，然后重试。Skill 会重用浏览器 cookie jar。

验证： python -c 'import notebooklm_py; print(notebooklm_py.whoami())'
资料被拒绝为不支持的格式

NotebookLM 接受特定格式。如需要，将 PDFs 转换为文本或托管为公开 URL。

音频总结卡在 'pending'

这是正常的——需要 2-5 分钟。通过导出状态轮询。

替代方案

notebooklm-skill 对比其他方案

替代方案何时用它替代权衡
手动网络搜索 + 总结你没有 Google 账号或需要 air-gapped 工作流没有引用支撑；更高的幻觉风险
Perplexity API你想要付费 API 和 SLA 保障需要付费，但比浏览器自动化更可靠

更多

资源

📖 阅读 GitHub 上的官方 README

🐙 查看未解决的 issue

🔍 浏览全部 400+ MCP 服务器和 Skills