NotebookLM akhirnya ada Skill — projek sumber terbuka 17.2K bintang untuk automasi penyelidikan
notebooklm-py menukar NotebookLM kepada CLI dan API Python: import/eksport kelompok, integrasi Claude Code Skill dan MCP Server, serta automasi penuh aliran kerja penyelidikan.
Masih muat naik dokumen satu persatu dan muat turun dengan klik di web? notebooklm-py menukar NotebookLM kepada CLI: import/eksport kelompok dan integrasi AI Agent, sepenuhnya automatik.
NotebookLM memang berguna: PDF, podcast, literatur, slaid. Tetapi versi web kekal manual — realiti yang menjengkelkan lama-kelamaan.
Import kelompok? Satu demi satu. Muat turun hasil? Klik demi klik. Integrasi ke Claude Code atau Codex? Tiada laluan sedia ada. Automasi penyelidikan? Web tidak menyokong.
Jurang itu diisi notebooklm-py.
1. Apakah notebooklm-py?
notebooklm-py ialah API Python tidak rasmi dan lapisan Skill untuk NotebookLM. Membalut semua keupayaan ke API dan CLI, dari terminal atau AI Agent.
Projek sumber terbuka di GitHub melebihi 17,200 bintang. Untuk penyelidik dan pencipta: tiada lagi klik fail demi fail.
2. Empat keupayaan teras
Liputan penuh NotebookLM — Notebooks, Sources, Chat, Notes, Research, Sharing: setiap peringkat ada API dan CLI. URL, YouTube, PDF, Google Drive dan lebih sedozen sumber, kelompok.
Integrasi AI Agent — Claude Code Skill, Codex, AGENTS.md. MCP Server untuk Claude Desktop, Cursor dan Windsurf.
Penjanaan kandungan kuat — Audio Overview: 4 format, 3 panjang, 50+ bahasa. Video Overview: 3 format, 9 gaya visual. Slaid, infografik, kuiz, flashcard, laporan, peta minda dan jadual data.
Yang tiada di web — Muat turun kelompok artifak, eksport kuiz/flashcard ke JSON/Markdown/HTML, mind map JSON, semakan slaid bahasa semula jadi, profil multi-akaun Google.
3. Contoh sebenar: satu arahan untuk penyelidikan + podcast
Bandingkan LangChain, AutoGen dan CrewAI dengan tiga dok rasmi, dua PDF blog teknikal dan satu video YouTube. Tiada masa membaca? Jana podcast.
Satu arahan dalam terminal:
- Langkah 1: Cipta notebook dan import 6 sumber (3 URL, 2 PDF, 1 YouTube)
- Langkah 2: Analisis sumber dan ekstrak poin utama
- Langkah 3: Perbandingan berkutip — LangChain chaining, AutoGen multi-ejen, CrewAI orkestrasi tugas
- Langkah 4: Podcast sepuluh minit sedia didengar
4. Pemasangan 2 minit
CLI dan ejen: uv tool. API Python: uv add. Integrasi ejen: skill install:
uv tool install notebooklm-py[browser] notebooklm login otebooklm auth check --test --json
Repositori: github.com/teng-lin/notebooklm-py
Kesimpulan
NotebookLM sudah berkuasa, tetapi web manual mengehadkan potensinya. notebooklm-py melengkapkan kepingan terakhir: kelompok, ejen, automasi penyelidikan.
Terlalu banyak sumber, organisasi perlahan, terlalu banyak klik — dua minit pemasangan berbaloi dicuba.