У NotebookLM наконец есть Skill — 17,2K звёзд на GitHub для автоматизации исследований
notebooklm-py превращает NotebookLM в CLI и Python API: пакетный импорт и экспорт, интеграция с Claude Code Skill и MCP Server, полная автоматизация исследовательских процессов.
Всё ещё загружаете документы по одному и скачиваете вручную в веб-интерфейсе? notebooklm-py превращает NotebookLM в CLI: пакетный импорт/экспорт и интеграция с AI-агентами — полностью автоматически.
NotebookLM действительно полезен: PDF, подкасты, литература, слайды. Но веб-версия остаётся ручной — это быстро надоедает.
Пакетный импорт? По одному файлу. Скачать результаты? Клик за кликом. Встроить в Claude Code или Codex? Готового пути нет. Автоматизировать исследование? Веб не умеет.
Именно этот пробел закрывает notebooklm-py.
1. Что такое notebooklm-py?
notebooklm-py — неофициальный Python API и Skill-слой для NotebookLM. Все возможности обёрнуты в API и CLI для терминала и AI-агентов.
Open-source проект на GitHub набрал более 17 200 звёзд. Для исследователей и авторов — конец кликам по одному файлу.
2. Четыре ключевые возможности
Полное покрытие NotebookLM — Notebooks, Sources, Chat, Notes, Research, Sharing: на каждом этапе API и CLI. URL, YouTube, PDF, Google Drive и более дюжины типов источников пакетно.
Интеграция с AI-агентами — Claude Code Skill, Codex, AGENTS.md. MCP Server для Claude Desktop, Cursor и Windsurf.
Мощная генерация контента — Audio Overview: 4 формата, 3 длины, 50+ языков. Video Overview: 3 формата, 9 визуальных стилей. Слайды, инфографика, квизы, карточки, отчёты, mind map и таблицы.
То, чего нет в вебе — Пакетная загрузка артефактов, экспорт quiz/flashcards в JSON/Markdown/HTML, mind map в JSON, правка слайдов на естественном языке, multi-profile Google-аккаунтов.
3. Реальный пример: одна команда для исследования + подкаста
Сравните LangChain, AutoGen и CrewAI с тремя официальными доками, двумя PDF блогов и видео на YouTube. Нет времени читать? Сгенерируйте подкаст.
Одна команда в терминале:
- Шаг 1: Создать notebook и импортировать 6 источников (3 URL, 2 PDF, 1 YouTube)
- Шаг 2: Проанализировать источники и извлечь ключевые точки
- Шаг 3: Сравнение с цитатами — LangChain цепочки, AutoGen мульти-агент, CrewAI оркестрация
- Шаг 4: Десятиминутный подкаст готов к прослушиванию
4. Установка за 2 минуты
CLI и агенты: uv tool. Python API: uv add. Интеграция агентов: skill install:
uv tool install notebooklm-py[browser] notebooklm login otebooklm auth check --test --json
Репозиторий: github.com/teng-lin/notebooklm-py
Итог
NotebookLM уже мощный, но ручной веб тормозит потенциал. notebooklm-py закрывает последний пробел: пакеты, агенты, автоматизация исследований.
Слишком много источников, медленная организация, слишком много кликов — две минуты на установку того стоят.