NotebookLM wreszcie ma Skill — 17,2K gwiazdek open source do automatyzacji badań
notebooklm-py zamienia NotebookLM w CLI i API Pythona: import i eksport wsadowy, integracja z Claude Code Skill i MCP Server oraz pełna automatyzacja workflowów badawczych.
Wciąż wgrywasz dokumenty pojedynczo i pobierasz klik po kliku w przeglądarce? notebooklm-py zamienia NotebookLM w CLI: import/eksport wsadowy i integracja z agentami AI — w pełni zautomatyzowane.
NotebookLM jest naprawdę przydatny: PDF, podcasty, literatura, slajdy. Ale wersja webowa pozostaje ręczna — to szybko irytuje.
Import wsadowy? Po jednym. Pobieranie wyników? Klik po kliku. Integracja z Claude Code lub Codex? Brak gotowej ścieżki. Automatyzacja badań? Web tego nie obsługuje.
Tę lukę wypełnia notebooklm-py.
1. Czym jest notebooklm-py?
notebooklm-py to nieoficjalne API Pythona i warstwa Skill dla NotebookLM. Wszystkie możliwości w API i CLI — z terminala lub agentów AI.
Projekt open source ma ponad 17 200 gwiazdek na GitHubie. Dla badaczy i twórców: koniec z klikaniem plik po pliku.
2. Cztery kluczowe możliwości
Pełne pokrycie NotebookLM — Notebooks, Sources, Chat, Notes, Research, Sharing: każdy etap ma API i CLI. URL, YouTube, PDF, Google Drive i ponad tuzin typów źródeł wsadowo.
Integracja z agentami AI — Claude Code Skill, Codex, AGENTS.md w zestawie. MCP Server dla Claude Desktop, Cursor i Windsurf.
Silna generacja treści — Audio Overview: 4 formaty, 3 długości, 50+ języków. Video Overview: 3 formaty, 9 stylów wizualnych. Slajdy, infografiki, quizy, fiszki, raporty, mapy myśli i tabele.
Czego nie ma w webie — Pobieranie wsadowe artefaktów, eksport quiz/fiszki do JSON/Markdown/HTML, mind map w JSON, poprawki slajdów językiem naturalnym, profile multi-kont Google.
3. Przykład: jedna komenda na badanie + podcast
Porównaj LangChain, AutoGen i CrewAI z trzema oficjalnymi dokumentami, dwoma PDF blogów i filmem YouTube. Brak czasu na czytanie? Wygeneruj podcast.
Jedna komenda w terminalu:
- Krok 1: Utwórz notebook i zaimportuj 6 źródeł (3 URL, 2 PDF, 1 YouTube)
- Krok 2: Analizuj źródła i wyciągnij kluczowe punkty
- Krok 3: Porównanie z cytatami — LangChain łańcuchy, AutoGen multi-agent, CrewAI orkiestracja
- Krok 4: Dziesięciominutowy podcast gotowy do odsłuchu
4. Instalacja w 2 minuty
CLI i agenci: uv tool. API Python: uv add. Integracja agentów: skill install:
uv tool install notebooklm-py[browser] notebooklm login otebooklm auth check --test --json
Repozytorium: github.com/teng-lin/notebooklm-py
Podsumowanie
NotebookLM jest już potężny, ale ręczny web ogranicza potencjał. notebooklm-py domyka ostatnią lukę: wsady, agenci, automatyzacja badań.
Za dużo źródeł, wolna organizacja, za dużo kliknięć — dwie minuty instalacji są warte próby.
Zacznij: github.com/teng-lin/notebooklm-py