У NotebookLM нарешті є Skill — 17,2K зірок open source для автоматизації досліджень
notebooklm-py перетворює NotebookLM на CLI та Python API: пакетний імпорт і експорт, інтеграція з Claude Code Skill і MCP Server, повна автоматизація дослідницьких процесів.
Досі завантажуєте документи по одному й завантажуєте кліком у веб-інтерфейсі? notebooklm-py перетворює NotebookLM на CLI: пакетний імпорт/експорт і інтеграція з AI-агентами — повністю автоматично.
NotebookLM справді корисний: PDF, подкасти, література, слайди. Але веб-версія лишається ручною — незручна реальність з часом.
Пакетний імпорт? По одному. Завантажити результати? Клік за кліком. Інтегрувати в Claude Code чи Codex? Немає готового шляху. Автоматизувати дослідження? Веб не підтримує.
Саме цю прогалину заповнює notebooklm-py.
1. Що таке notebooklm-py?
notebooklm-py — неофіційний Python API і Skill-шар для NotebookLM. Загортає всі можливості в API та CLI — з терміналу або AI-агентів.
Open-source проєкт на GitHub перевищив 17 200 зірок. Для дослідників і авторів — кінець клікам файл за файлом.
2. Чотири ключові можливості
Повне покриття NotebookLM — Notebooks, Sources, Chat, Notes, Research, Sharing: на кожному етапі API і CLI. URL, YouTube, PDF, Google Drive і понад дюжину типів джерел пакетно.
Інтеграція з AI-агентами — Claude Code Skill, Codex, AGENTS.md. MCP Server для Claude Desktop, Cursor і Windsurf.
Потужна генерація контенту — Audio Overview: 4 формати, 3 довжини, 50+ мов. Video Overview: 3 формати, 9 візуальних стилів. Слайди, інфографіка, квізи, картки, звіти, mind map і таблиці даних.
Чого немає у вебі — Пакетне завантаження артефактів, експорт quiz/flashcards у JSON/Markdown/HTML, mind map у JSON, правка слайдів природною мовою, multi-profile Google-акаунтів.
3. Реальний приклад: одна команда для дослідження + подкаст
Порівняйте LangChain, AutoGen і CrewAI з трьома офіційними доками, двома PDF блогів і відео YouTube. Немає часу читати? Згенеруйте подкаст.
Одна команда в терміналі:
- Крок 1: Створити notebook і імпортувати 6 джерел (3 URL, 2 PDF, 1 YouTube)
- Крок 2: Проаналізувати джерела та витягти ключові пункти
- Крок 3: Порівняння з цитатами — LangChain ланцюжки, AutoGen мульти-агент, CrewAI оркестрація
- Крок 4: Десятихвилинний подкаст готовий до прослуховування
4. Встановлення за 2 хвилини
CLI та агенти: uv tool. Python API: uv add. Інтеграція агентів: skill install:
uv tool install notebooklm-py[browser] notebooklm login otebooklm auth check --test --json
Репозиторій: github.com/teng-lin/notebooklm-py
Підсумок
NotebookLM уже потужний, але ручний веб обмежує потенціал. notebooklm-py закриває останню прогалину: пакети, агенти, автоматизація досліджень.
Забагато джерел, повільна організація, забагато кліків — дві хвилини на встановлення варті спроби.