NotebookLM por fin tiene Skill — este proyecto open source de 17.2K estrellas automatiza la investigación
notebooklm-py convierte NotebookLM en CLI y API Python: importación y exportación por lotes, integración con Claude Code Skill y MCP Server, y automatización completa del flujo de investigación.
¿Sigues subiendo documentos uno a uno y descargando con clics en la web? notebooklm-py convierte NotebookLM en CLI: importación y exportación por lotes e integración con agentes de IA, todo automatizado.
NotebookLM es útil de verdad: lee PDF, genera podcasts, organiza literatura y crea diapositivas. Pero con el tiempo chocas con la realidad incómoda: la web solo permite trabajo manual.
¿Importar en lote? Uno por uno. ¿Descargar resultados? Clic a clic. ¿Integrarlo en Claude Code o Codex? Sin camino listo. ¿Automatizar tu flujo de investigación? La web no lo permite.
Ahí entra notebooklm-py.
1. ¿Qué es notebooklm-py?
notebooklm-py es una API Python no oficial y capa Skill para NotebookLM. Envuelve todas las capacidades en API y CLI para operar desde terminal o agentes de IA.
El proyecto open source en GitHub supera las 17.200 estrellas. Para investigadores y creadores, significa dejar de hacer clic archivo por archivo.
2. Cuatro capacidades clave
Cobertura total de NotebookLM — Notebooks, Sources, Chat, Notes, Research, Sharing: cada etapa tiene API y CLI. URL, YouTube, PDF, Google Drive y más de una docena de fuentes en lote.
Integración con agentes de IA — Incluye Claude Code Skill, Codex y AGENTS.md. MCP Server permite llamarlo desde Claude Desktop, Cursor y Windsurf.
Generación de contenido potente — Audio Overview: 4 formatos, 3 duraciones, 50+ idiomas. Video Overview: 3 formatos, 9 estilos visuales. Diapositivas, infografías, quiz, flashcards, informes, mapas mentales y tablas de datos.
Lo que la web no tiene — Descarga masiva de artefactos, exportar quiz/flashcards a JSON/Markdown/HTML, mind maps en JSON, revisión de diapositivas en lenguaje natural, perfiles multi-cuenta de Google.
3. Ejemplo real: un comando para investigación + podcast
Compara frameworks de agentes de IA (LangChain, AutoGen, CrewAI) con tres docs oficiales, dos PDF de blogs técnicos y un video de YouTube. Sin tiempo para leerlo todo, genera un podcast.
Un comando en la terminal:
- Paso 1: Crear notebook e importar 6 fuentes (3 URL, 2 PDF, 1 YouTube)
- Paso 2: Analizar fuentes y extraer puntos clave por framework
- Paso 3: Comparación con citas — LangChain encadena, AutoGen colabora multi-agente, CrewAI orquesta tareas
- Paso 4: Podcast de diez minutos listo para escuchar
4. Instalación en 2 minutos
CLI y agentes: uv tool. API Python: uv add. Integración de agentes: skill install:
uv tool install notebooklm-py[browser] notebooklm login otebooklm auth check --test --json
Repositorio: github.com/teng-lin/notebooklm-py
Conclusión
NotebookLM ya es potente, pero la web manual limita su potencial. notebooklm-py cierra la brecha: lotes, agentes y automatización de investigación.
Si tu dolor diario es demasiadas fuentes, organización lenta y demasiados clics — vale la pena instalarlo en dos minutos.
Empezar: github.com/teng-lin/notebooklm-py