notebooklm-py — 把 Google NotebookLM 搬进命令行，让 AI 免费替你读资料¶

一份 8 分钟的实战教程拆解：用开源 CLI 将 Google 免费的 NotebookLM 接入终端和 Claude Code，实现资料消化、播客生成、测验导出和免费 Deep Research，彻底解决"长文档烧 Token"问题。适合所有用 AI 处理大量文本/视频资料的开发者。

目录¶

#核心痛点：Token 燃烧危机
#notebooklm-py 项目概览
#核心功能拆解
#Claude Code 集成：对照实验
#免费 Deep Research
#安装与排错
#适用场景决策树

核心痛点：Token 燃烧危机¶

问题本质：直接把长文档、PDF、2 小时 YouTube 视频字幕塞给 Claude Code 等 AI 工具，单次操作消耗数万至十几万 Token。

双重成本：

成本类型	说明	影响
首次输入成本	一次性消耗数万 Token 读取资料	API 计费直接烧钱
Context 持续成本	后续每一轮对话都要拖着资料运行	成本指数级上升
模型脆化	超长 Context 导致模型遗忘/幻觉	答案质量下降

对比实验数据（来自视频）：

方式	Token 消耗	Context 压力
Claude Code 直接扒字幕总结视频	34,000+ Token	全程扛着
notebooklm-py + Claude Code	几乎为零	Claude 只收最终答案

传统方式（直接塞资料）：
  资料进 Context ──→ 每轮对话都背着资料跑 ──→ Token 指数增长

notebooklm-py 方式：
  资料进 NotebookLM ──→ Google 后端处理 ──→ 只把结论给 Claude
                                              │
                                              └─→ 零 Token 消化

notebooklm-py 项目概览¶

[!info] 基本信息 - 仓库：https://github.com/teng-lin/notebooklm-py - Stars：17.3k / Forks：2.3k / 语言：Python 100% - 最新版本：v0.7.3（2026-06-30）/ 协议：MIT - 作者：teng-lin（社区项目，非 Google 官方）

定位¶

NotebookLM 是 Google 的免费 AI 笔记本工具，资料丢进去后只根据你给的资料回答，每句话带引用，基本不瞎编。但它只有网页版，AI 无法直接调用。

notebooklm-py 是社区开源项目，通过逆向 Google 未公开 API，将 NotebookLM 完整功能搬进命令行，并支持 Python API、CLI、MCP Server 三种接入方式。

使用方式对比¶

方式	最适合	特点
CLI	Shell 脚本、快速任务、CI/CD	最简单，视频重点演示
Python API	应用集成、自定义 Pipeline	异步支持、灵活控制
MCP Server	Claude Desktop/Code、Codex	stdio 本地或远程部署
REST Server	本地 HTTP 自动化	无需每次启动 CLI

支持的输入源¶

源类型	输入方式
网页	直接给 URL
本地文件	文件路径（PDF、Word、EPUB、Markdown 等）
YouTube 视频	直接贴链接
Google Drive	文件 ID
粘贴文本	直接粘贴

核心功能拆解¶

1. 带引用的问答（RAG）¶

NotebookLM 的核心能力：基于你喂入的资料回答问题，每段回答附带引用编号，标注信息来源于哪份资料的哪个位置。

# 创建笔记本并设为当前笔记本（--use 避免后续重复指定 ID）
notebooklm create "My Research" --use

# 添加多种来源
notebooklm source add "https://example.com/docs"     # 网页
notebooklm source add "./specs.pdf"                   # 本地 PDF
notebooklm source add "https://youtube.com/watch?v=xxx" # YouTube

# 提问（答案带引用编号）
notebooklm ask "这个项目的核心架构是什么？"

最佳实践： - ✅ 一份资料喂进去后可反复提问，无需重复上传 - ✅ 引用编号可溯源，避免 AI 幻觉 - ❌ 不要把 NotebookLM 当通用搜索引擎，它只回答你喂的资料范围内的内容

2. 定制音频播客（Audio Overview）¶

NotebookLM 的招牌功能：将资料转化为双人对谈播客。

# 基本用法：生成中文播客
notebooklm generate audio "侧重讲 MCP 的核心概念" \
  --format debate \
  --language zh-CN \
  --wait

参数说明：

参数	用途	可选值
`--format`	对话风格	`deep-dive`（默认深度对谈）、`debate`（辩论抬杠）、`brief`、`critique`
`--language`	输出语言	查看支持列表：`notebooklm language list`
`--wait`	同步等待生成完成	不加则异步，用 `notebooklm artifact list` 查状态

决策树：选哪种 format？

想深入了解细节？
├─ ✅ → deep-dive（默认，深度对谈）
├─ 想保持清醒不打瞌睡？
│  └─ ✅ → debate（两主播互抬杠）
├─ 想快速概览？
│  └─ ✅ → brief（简短摘要）
└─ 想听批判性分析？
   └─ ✅ → critique（评论式分析）

3. 结构化导出（命令行的核心优势）¶

网页版 NotebookLM 的致命缺点：内容只能在浏览器里看，导不出来。命令行版彻底解决。

导出类型	格式	用途
测验题库	Markdown / JSON / HTML	团队新人技能考核
思维导图	JSON（层级树）	导入笔记软件或让 Claude 渲染
数据表	CSV	结构化数据提取
Flashcards	JSON / Markdown / HTML	间隔复习
研究报告	Markdown	带引用的完整报告
幻灯片	PDF / PPTX	演示文稿

# 生成测验题（Markdown + 标准答案）
notebooklm generate quiz
notebooklm download quiz --output quiz.md

# 生成思维导图（JSON 结构化数据）
notebooklm generate mind-map
notebooklm download mind-map --output mindmap.json
# → JSON 可丢给 Claude 渲染成可视化图表，或导入笔记软件

# 不想处理 JSON？直接让 Claude 画图
# "把这个 mindmap.json 渲染成 ASCII 思维导图"

Claude Code 集成：对照实验¶

实验设置¶

对同一个任务（总结 YouTube 视频），对比有无外挂的 Token 消耗。

流程对比¶

【无外挂】Claude Code 直接处理
  用户指令 ──→ Claude 自己找 yt-dlp ──→ 扒字幕进 Context ──→ 总结
                                    │
                                    └─→ 34,000+ Token 💸

【有外挂】Claude Code + notebooklm-py
  用户指令 ──→ Claude 调 notebooklm CLI
                   │
                   ├─→ notebooklm create
                   ├─→ notebooklm source add
                   ├─→ notebooklm ask / generate
                   │
                   └─→ 只把 NotebookLM 的答案返回 Claude
                       │
                       └─→ Context 几乎不动 ✅

集成方式¶

# 安装 Claude Code skill
notebooklm skill install
# → 安装到 ~/.claude/skills/notebooklm
# → 之后在 Claude Code 对话中"点名"即可触发

# Claude Code 自动执行：
# 1. notebooklm create "临时笔记本" --use
# 2. notebooklm source add <资料>
# 3. notebooklm ask <问题>
# 4. 返回答案给 Claude（原始资料零 Token 进 Context）

核心价值：NotebookLM 当图书馆管理员负责读资料，Claude Code 当大脑负责推理。Google 免费干重活，Claude 只拿最终答案。

免费 Deep Research¶

NotebookLM 内置研究代理（Research Agent），功能媲美市面每月几十美金的付费产品。

Deep Research 流程：

  给定题目 ──→ NotebookLM Research Agent
                    │
                    ├─→ 自动上网搜索
                    ├─→ 筛选可信来源
                    ├─→ 自动下载文章
                    ├─→ 导入笔记本作为新资料
                    │
                    └─→ 生成带引用的研究报告

# 三行命令出报告
notebooklm create "Deep Research" --use
notebooklm source add-research "MCP 协议的设计理念与生态现状" --mode deep
notebooklm generate report --language zh-CN --wait
notebooklm download report --output report.md

对比维度	NotebookLM Deep Research	付费 Deep Research 产品
价格	免费	$20-30/月
输出质量	带引用的研究报告	相当
数据来源	自动搜索 + 导入	自动搜索
集成能力	CLI/API 可自动化	通常锁定在特定 UI

安装与排错¶

安装（两行命令）¶

# 方式 1：uv（推荐）
uv tool install "notebooklm-py[browser]"

# 方式 2：pipx
pipx install "notebooklm-py[browser]"

# 方式 3：虚拟环境内用 pip
python -m venv .venv && source .venv/bin/activate
pip install "notebooklm-py[browser]"

登录翻车解法¶

首次 notebooklm login 时常见报错：提示找不到自带的 Playwright 浏览器，要求下载几百 MB 的 Chromium。

# ✅ 解决方案：加 --browser 参数直接调用系统 Chrome
notebooklm login --browser chrome

# 如果组织要求 Edge SSO
notebooklm login --browser msedge

# 或直接复用已登录浏览器的 Cookie（无需弹出登录窗口）
notebooklm login --browser-cookies chrome

验证登录成功：

notebooklm auth status
# 预期输出：{"status": "ok"}

安装三步走¶

Step 1: uv tool install "notebooklm-py[browser]"
Step 2: notebooklm login --browser chrome    # 弹出 Chrome 登录 Google
Step 3: notebooklm skill install            # Claude Code 集成

适用场景决策树¶

你有大量资料要处理？
├─ ✅ 文档（PDF/网页/Drive）
│  ├─ 只需要问答？
│  │  └─ ✅ → source add + ask（带引用 RAG）
│  └─ 想转为其他形式？
│     ├─ 想听播客 → generate audio --language zh-CN
│     ├─ 想出考题 → generate quiz + download
│     ├─ 想画导图 → generate mind-map + download
│     └─ 想写报告 → generate report + download
│
├─ ✅ YouTube 视频（2小时长视频）
│  └─ 直接贴链接 → 自动转写 → 问答/播客/测验
│
├─ ✅ 需要深度研究某个主题
│  └─ source add-research "主题" → 自动搜索 → 生成报告
│
└─ ✅ Claude Code / Codex 集成
   └─ skill install → 对话中"点名"触发 → 零 Token 研究工作流

参考资料¶

notebooklm-py GitHub 仓库 — 17.3k stars，v0.7.3
NotebookLM 官网
notebooklm-py CLI Reference
Claude Code 官网
视频来源：YAHA学堂