NotebookLM ha finalmente uno Skill — 17,2K stelle open source per automatizzare la ricerca
notebooklm-py trasforma NotebookLM in CLI e API Python: import/export in batch, integrazione Claude Code Skill e MCP Server, e automazione completa dei flussi di ricerca.
Carichi ancora i documenti uno per uno e scarichi con clic sulla web? notebooklm-py trasforma NotebookLM in CLI: import/export batch e integrazione con agenti IA, tutto automatizzato.
NotebookLM è davvero utile: PDF, podcast, letteratura, slide. Ma la versione web resta manuale — una realtà scomoda col tempo.
Import batch? Uno alla volta. Scaricare i risultati? Clic per clic. Integrarlo in Claude Code o Codex? Nessuna strada pronta. Automatizzare la ricerca? La web non lo supporta.
È qui che entra notebooklm-py.
1. Cos'è notebooklm-py?
notebooklm-py è un'API Python non ufficiale e layer Skill per NotebookLM. Incapsula tutte le capacità in API e CLI, dal terminale o da agenti IA.
Il progetto open source supera le 17.200 stelle su GitHub. Per ricercatori e creator: basta clic file per file.
2. Quattro capacità chiave
Copertura completa di NotebookLM — Notebooks, Sources, Chat, Notes, Research, Sharing: ogni fase ha API e CLI. URL, YouTube, PDF, Google Drive e oltre una dozzina di fonti in batch.
Integrazione agenti IA — Claude Code Skill, Codex, AGENTS.md inclusi. MCP Server per Claude Desktop, Cursor e Windsurf.
Generazione contenuti potente — Audio Overview: 4 formati, 3 lunghezze, 50+ lingue. Video Overview: 3 formati, 9 stili visivi. Slide, infografiche, quiz, flashcard, report, mappe mentali e tabelle dati.
Ciò che il web non ha — Download batch degli artefatti, export quiz/flashcard in JSON/Markdown/HTML, mind map in JSON, revisione slide in linguaggio naturale, profili multi-account Google.
3. Esempio reale: un comando per ricerca + podcast
Confronta LangChain, AutoGen e CrewAI con tre doc ufficiali, due PDF di blog tecnici e un video YouTube. Poco tempo per leggere? Genera un podcast.
Un comando nel terminale:
- Passo 1: Crea notebook e importa 6 fonti (3 URL, 2 PDF, 1 YouTube)
- Passo 2: Analizza le fonti ed estrai i punti chiave
- Passo 3: Confronto con citazioni — LangChain concatena, AutoGen multi-agente, CrewAI orchestra
- Passo 4: Podcast di dieci minuti pronto all'ascolto
4. Installazione in 2 minuti
CLI e agenti: uv tool. API Python: uv add. Integrazione agenti: skill install:
uv tool install notebooklm-py[browser] notebooklm login otebooklm auth check --test --json
Repository: github.com/teng-lin/notebooklm-py
In sintesi
NotebookLM è già potente, ma il web manuale ne limita il potenziale. notebooklm-py colma l'ultimo gap: batch, agenti e automazione della ricerca.
Troppe fonti, organizzazione lenta, troppi clic — due minuti di installazione valgono la pena.