NotebookLM finalmente tem Skill — projeto open source com 17,2K estrelas automatiza pesquisa
notebooklm-py transforma o NotebookLM em CLI e API Python: importação e exportação em lote, integração com Claude Code Skill e MCP Server, e automação completa de fluxos de pesquisa.
Ainda envia documentos um por um e baixa com cliques na web? notebooklm-py transforma o NotebookLM em CLI: importação e exportação em lote e integração com agentes de IA, tudo automatizado.
O NotebookLM é realmente útil: PDFs, podcasts, literatura, slides. Mas a versão web é manual — uma realidade incômoda com o tempo.
Importar em lote? Um por vez. Baixar resultados? Clique por clique. Integrar ao Claude Code ou Codex? Sem caminho pronto. Automatizar pesquisa? A web não suporta.
É aí que entra o notebooklm-py.
1. O que é notebooklm-py?
notebooklm-py é uma API Python não oficial e camada Skill para o NotebookLM. Envolve todas as capacidades em API e CLI, do terminal ou de agentes de IA.
O projeto open source passa de 17.200 estrelas no GitHub. Para pesquisadores e criadores: chega de clicar arquivo por arquivo.
2. Quatro capacidades principais
Cobertura total do NotebookLM — Notebooks, Sources, Chat, Notes, Research, Sharing: cada etapa com API e CLI. URL, YouTube, PDF, Google Drive e mais de uma dúzia de fontes em lote.
Integração com agentes de IA — Claude Code Skill, Codex, AGENTS.md inclusos. MCP Server para Claude Desktop, Cursor e Windsurf.
Geração de conteúdo poderosa — Audio Overview: 4 formatos, 3 durações, 50+ idiomas. Video Overview: 3 formatos, 9 estilos visuais. Slides, infográficos, quiz, flashcards, relatórios, mapas mentais e tabelas.
O que a web não tem — Download em lote, exportar quiz/flashcards em JSON/Markdown/HTML, mind maps em JSON, revisão de slides em linguagem natural, perfis multi-conta Google.
3. Exemplo real: um comando para pesquisa + podcast
Compare LangChain, AutoGen e CrewAI com três docs oficiais, dois PDFs de blogs técnicos e um vídeo no YouTube. Sem tempo para ler tudo? Gere um podcast.
Um comando no terminal:
- Passo 1: Criar notebook e importar 6 fontes (3 URLs, 2 PDFs, 1 YouTube)
- Passo 2: Analisar fontes e extrair pontos-chave
- Passo 3: Comparação com citações — LangChain encadeia, AutoGen multi-agente, CrewAI orquestra
- Passo 4: Podcast de dez minutos pronto para ouvir
4. Instalação em 2 minutos
CLI e agentes: uv tool. API Python: uv add. Integração de agentes: skill install:
uv tool install notebooklm-py[browser] notebooklm login otebooklm auth check --test --json
Repositório: github.com/teng-lin/notebooklm-py
Conclusão
O NotebookLM já é poderoso, mas a web manual limita o potencial. O notebooklm-py fecha a lacuna: lotes, agentes e automação de pesquisa.
Muitas fontes, organização lenta, muitos cliques — dois minutos de instalação valem a pena.
Começar: github.com/teng-lin/notebooklm-py