/ 目錄 / 演練場 / NotebookLM-py
● 社群 teng-lin ⚡ 即開即用

NotebookLM-py

作者 teng-lin · teng-lin/notebooklm-py

從 Claude 驅動 Google NotebookLM——建立筆記本、匯入來源、生成音頻概覽,包括網頁介面隱藏的功能。

notebooklm-py 是 NotebookLM 的非官方 Python API + Claude 技能。它公開了筆記本 CRUD、來源匯入(PDF、URL、YouTube)以及音頻概覽/心智圖/FAQ 功能。包含 CLI 和代理技能,讓你可以說「把這些 PDF 載入一個筆記本並給我音頻概覽」,而不需要開啟 notebooklm.google.com。

為什麼要用

核心特性

即時演示

實際使用效果

就緒

安裝

選擇你的客戶端

~/Library/Application Support/Claude/claude_desktop_config.json  · Windows: %APPDATA%\Claude\claude_desktop_config.json
{
  "mcpServers": {
    "notebooklm-py-skill": {
      "command": "git",
      "args": [
        "clone",
        "https://github.com/teng-lin/notebooklm-py",
        "~/.claude/skills/notebooklm-py"
      ],
      "_inferred": true
    }
  }
}

開啟 Claude Desktop → Settings → Developer → Edit Config。儲存後重啟應用。

~/.cursor/mcp.json · .cursor/mcp.json
{
  "mcpServers": {
    "notebooklm-py-skill": {
      "command": "git",
      "args": [
        "clone",
        "https://github.com/teng-lin/notebooklm-py",
        "~/.claude/skills/notebooklm-py"
      ],
      "_inferred": true
    }
  }
}

Cursor 使用與 Claude Desktop 相同的 mcpServers 格式。專案級設定優先於全域。

VS Code → Cline → MCP Servers → Edit
{
  "mcpServers": {
    "notebooklm-py-skill": {
      "command": "git",
      "args": [
        "clone",
        "https://github.com/teng-lin/notebooklm-py",
        "~/.claude/skills/notebooklm-py"
      ],
      "_inferred": true
    }
  }
}

點擊 Cline 側欄中的 MCP Servers 圖示,然後選 "Edit Configuration"。

~/.codeium/windsurf/mcp_config.json
{
  "mcpServers": {
    "notebooklm-py-skill": {
      "command": "git",
      "args": [
        "clone",
        "https://github.com/teng-lin/notebooklm-py",
        "~/.claude/skills/notebooklm-py"
      ],
      "_inferred": true
    }
  }
}

格式與 Claude Desktop 相同。重啟 Windsurf 生效。

~/.continue/config.json
{
  "mcpServers": [
    {
      "name": "notebooklm-py-skill",
      "command": "git",
      "args": [
        "clone",
        "https://github.com/teng-lin/notebooklm-py",
        "~/.claude/skills/notebooklm-py"
      ]
    }
  ]
}

Continue 使用伺服器物件陣列,而非映射。

~/.config/zed/settings.json
{
  "context_servers": {
    "notebooklm-py-skill": {
      "command": {
        "path": "git",
        "args": [
          "clone",
          "https://github.com/teng-lin/notebooklm-py",
          "~/.claude/skills/notebooklm-py"
        ]
      }
    }
  }
}

加入 context_servers。Zed 儲存後熱重載。

claude mcp add notebooklm-py-skill -- git clone https://github.com/teng-lin/notebooklm-py ~/.claude/skills/notebooklm-py

一行命令搞定。用 claude mcp list 驗證,claude mcp remove 移除。

使用場景

實戰用法: NotebookLM-py

從一批論文建立研究摘要

👤 研究人員/分析師 ⏱ ~20 min beginner

何時使用: 收件匣裡有 10 篇論文;你想快速取得綜合摘要。

前置條件
  • 有 NotebookLM 存取的 Google 帳戶 — 透過 Python 驗證流程登入一次
步驟
  1. 匯入
    使用 notebooklm-py。建立一個名為「Q2 Reading」的筆記本。加入 /papers/ 中的 10 個 PDF。✓ 已複製
    → 筆記本已建立;來源已載入
  2. 綜合
    生成跨所有來源的主題分群摘要。✓ 已複製
    → 跨來源的綜合摘要
  3. 音頻
    生成音頻概覽。儲存 MP3。✓ 已複製
    → MP3 檔案

結果: 10 篇論文被整理成你可以在 20 分鐘讀完或邊走路邊聽的內容。

注意事項
  • 來源品質參差不齊 — 要求綜合中標注各來源的出處
搭配使用: filesystem

從產品文件自動生成 FAQ

👤 產品/開發者關係 ⏱ ~25 min beginner

何時使用: 你有文件,需要為使用者提供 FAQ。

步驟
  1. 載入
    從 /docs(遞迴)建立一個筆記本。生成 FAQ。✓ 已複製
    → FAQ 輸出
  2. 精修
    刪除不是真正常見問題的 FAQ 項目。為每個答案加入來源章節的引用。✓ 已複製
    → 有引用的、按相關性篩選的 FAQ

結果: 可直接發佈的 FAQ。

注意事項
  • 通用問題 — 若有真實使用者問題,提供作為範例

組合

與其他 MCP 搭配,撬動十倍槓桿

notebooklm-py-skill + filesystem

在本機儲存音頻概覽 + 摘要

將 MP3 儲存到 /research/audio/。✓ 已複製
notebooklm-py-skill + aris-research-skill

ARIS 進行自主研究,NotebookLM 進行綜合

ARIS 找到論文;NotebookLM 將其整理為音頻概覽。✓ 已複製

工具

此 MCP 暴露的能力

工具輸入參數何時呼叫成本
create_notebook title 新專案 1 次 NotebookLM 操作
add_source notebook_id, source: pdf|url|youtube 建立來源集 1 次操作 + 匯入時間
generate_audio notebook_id, style? 音頻概覽 1 次操作 + 渲染
generate_mind_map notebook_id 視覺化來源結構 1 次操作
ask notebook_id, question 以來源為基礎的問答 1 次操作

成本與限制

運行它的成本

API 配額
受 NotebookLM 方案限制
每次呼叫 Token 數
Token 耗用少——主要成本是 NotebookLM API
費用
NotebookLM 免費方案免費;更高限制需付費
提示
重複使用筆記本;不要建立後即丟棄

安全

權限、密鑰、影響範圍

最小權限: NotebookLM 的 Google 驗證
憑證儲存: 本機 OAuth token 快取
資料出站: Google NotebookLM
切勿授予: 不需要的 OAuth 範圍

故障排查

常見錯誤與修復

驗證流程卡住

清除本機 token 快取並重新驗證

大型 PDF 來源匯入失敗

分割成較小的區塊;NotebookLM 有每個來源的大小限制

音頻生成永遠排隊中

NotebookLM 的音頻佇列可能很慢;稍後重試

替代方案

NotebookLM-py 對比其他方案

替代方案何時用它替代權衡
NotebookLM 網頁介面手動、一次性使用無自動化;遺漏程式化功能
自訂 RAG 管線你需要完全控制模型大量工程工作 vs. 免費的 NotebookLM 功能

更多

資源

📖 閱讀 GitHub 上的官方 README

🐙 查看未解決的 issue

🔍 瀏覽全部 400+ MCP 伺服器和 Skills