NotebookLM Python 自动化套件
用 Python、CLI 或智能体自动操作 Gemini Notebook。
证据显示基础依赖较少、危险功能分为可选 extras，GitHub 工作流采用只读 contents、固定 action 提交、受信任作者与关键词双重触发；安全策略还明确列出凭据位置、POSIX 权限、内存型 CI 凭据、泄露后的撤销步骤及依赖审计命令。由此，敏感数据处理、依赖安全和来源归属证据充分。扣分在于产品能够上传本地文件、读取浏览器 cookie、创建或删除笔记本和来源、改变共享权限并导出到 Google 服务，但所给文件没有证明这些外部或破坏性操作都经过逐项确认；数据会进入 Google/NotebookLM 基础设施虽有说明，却没有端到端数据保留说明；除凭据撤销外也未提供通用回滚机制。
README、项目元数据、安全策略以及用于冻结 CLI 公共契约的测试代码彼此一致，命令、别名、版本和支持范围都有结构化约束，因此自洽性很强。扣分在于核心服务依赖未公开且可能随时变化的 Google 内部 API，部分可选依赖还有兼容问题或必须固定在已知可用版本；这限制了依赖可用性。文档提供 auth check、doctor、故障排查入口和若干具体错误的解决办法，但没有提供实现层错误消息或完整失败分类，故失败消息未满分。
材料明确覆盖终端用户、Python 开发者、AI Agent、MCP、REST、无头服务器、CI/CD和多账户场景，并说明各安装方式、可选组件、Python 版本及平台差异。能力边界也明确标注为非官方、Beta、依赖内部 API、受速率和账户层级限制。扣分在于未提供实际 SKILL.md，无法核查自然语言触发条件、避免误触发的规则或 Agent 层确认策略；只能从 CLI 的明确命令结构及受约束的仓库工作流看出中等程度的触发精度。
README 的导航、功能矩阵、快速开始、API/CLI 示例和专题文档索引非常完整；安装说明覆盖隔离环境、虚拟环境、浏览器依赖、平台差异和可选 extras。NotebookLM 更名后保留包名的策略、CLI 契约基线、API 稳定性与迁移指南均支持命名稳定性。限制、安全事项和 MIT 许可证均明确。扣分在于 CHANGELOG、稳定性文档和发布指南仅被引用而未作为源文件提供，无法完整核查版本历史；维护者姓名、邮箱、安全报告路径和支持版本虽清楚，但缺少团队治理、响应期限或继任安排，且发布者身份按题设仍属未知。
产品提供 Python、CLI、MCP和 REST 接口，并能生成或批量导出 MP3、MP4、PDF、PPTX、PNG、CSV、JSON、Markdown和 HTML，输出可直接进入脚本与下游工具，实用性和相对网页 UI 的增量价值证据充分。扣分在于“零 token”等收益主要是营销性表述，只转移了推理到外部服务；实际成本还包括 Google 账户、浏览器下载、认证维护、配额、速率限制、网络依赖和内部 API 失效风险，材料没有量化这些权衡。
主要能力可追溯到命令示例、项目元数据、依赖配置、安全策略和 CLI 契约测试，多份来源在版本、依赖、入口点和风险说明上相互印证。扣分在于大量完整覆盖、网页 UI 不具备的能力、社区使用成效和成本节省主张仅出现在 README；所给源中缺少对应实现、文档正文、测试结果及外部材料，不能完全交叉验证。材料能清楚区分非官方性质和已知风险，但营销性案例、推断性收益与直接验证事实仍有一定混合。
- 该库使用未公开的 Google 内部 API；即使本仓库不变，端点、认证流程或账户限制也可能在无预警情况下失效。
- 本地认证文件包含可用于冒充用户访问 NotebookLM 的 Google 会话 cookie；应保持所有者专用权限，禁止提交到版本库，并优先使用秘密管理器处理 CI 凭据。
- 浏览器 cookie 导入、master token、远程 MCP 和 REST 服务扩大了凭据与网络暴露面；只启用所需 extra，并对远程端点实施认证和可信隧道。
- 创建、删除、上传、共享和导出会产生 Google 侧或本地外部影响；在无人值守 Agent 中应另加明确确认、允许列表、配额限制和审计日志。
- README 中的完整覆盖、零 token 和社区成效主张未能由本次所给实现或测试结果独立核实。
这个 Agent 能做什么，适合哪些场景？
notebooklm-py 是面向 Google Gemini Notebook（原 NotebookLM）的非官方 Python API 与智能体技能。它提供异步 Python SDK、命令行工具、MCP 服务、实验性本地 REST 服务，以及面向 Claude Code、Codex 和 OpenClaw 的集成方式。系统通过未公开的 Google API 管理笔记本、导入资料、发起有引用的问答，并调用服务端能力生成音频、视频、幻灯片、测验、闪卡、报告、信息图、数据表和思维导图。生成结果可批量下载为 MP3、MP4、PDF、PPTX、PNG、CSV、JSON、Markdown 或 HTML，具体格式取决于产物类型。它适合需要脚本化研究、批量导出或让编码智能体使用资料库的用户，但核心服务、账户配额和接口稳定性仍受 Google 控制。
典型流程是先通过 notebooklm login 建立 Google 登录状态，再用 notebooklm create 创建笔记本、以 notebooklm source add 导入 URL、YouTube、PDF、文本、Markdown、Word、EPUB、音视频、图片、Google Drive 内容或粘贴文本。随后可运行 notebooklm ask 从已导入资料中获得带引用的回答，或用 source add-research 执行网页及 Drive 的快速或深度研究并自动导入结果。notebooklm generate 支持音频概览、视频、幻灯片、测验、闪卡、报告、信息图、数据表及两类思维导图；notebooklm download 将产物保存为本地文件，并支持按类型批量下载。Python 应用可通过 NotebookLMClient.from_storage() 调用 notebooks、sources、chat、artifacts 和 mind_maps 等异步接口。需要面向智能体或远程客户端时，还可运行 stdio MCP 服务、自托管远程 MCP 连接器，或实验性的 localhost FastAPI REST 服务。
- 研究人员需要一次导入大量网页、PDF、YouTube 或 Drive 资料，并让 Gemini Notebook完成资料归纳，再由本地脚本批量提取结果。
- Claude Code 或 Codex 用户希望把内部文档、RFC 和架构材料作为可查询的项目知识库，在编码前获得基于来源且带引用的回答。
- 内容团队需要从同一组资料生成播客、视频、幻灯片、博客草稿、测验和闪卡，并将不同格式批量下载到本地。
- 教师或学习者需要按主题建立多个笔记本，生成课程音频、测验、闪卡、学习指南和思维导图。
- 运维团队希望在告警发生后自动载入相关文档、提出诊断问题，并生成可下载的 briefing-doc 事件简报。
- 需要无人值守任务的用户可结合 master token、
auth refresh --quiet和定时器，周期性生成个性化音频简报。
这个 Agent 有哪些优点和局限？
- 覆盖笔记本、来源、聊天、笔记、研究、共享与所有列出的 Studio 产物，并同时提供 Python、CLI、MCP 和 REST 接口。
- 比逐项操作网页界面更适合自动化：支持按类型批量下载、来源全文读取、程序化权限管理及完整对话保存为笔记。
- 导出格式丰富，包括测验和闪卡的 JSON、Markdown、HTML，数据表 CSV，思维导图 JSON，以及幻灯片 PDF 或 PPTX。
- 支持交互式浏览器登录、现有浏览器 Cookie、master token 和多账户配置，覆盖本地与无人值守运行方式。
- 明确集成 Claude Code、Codex、OpenClaw、Claude.ai 与 ChatGPT 的 MCP 使用场景。
- 它是非官方项目，依赖未公开的 Google API；内部端点变化可能在无预警的情况下破坏功能。
- 核心分析与产物生成依赖 Google Gemini Notebook、网络连接和 Google 账户，并非可离线自托管的推理系统。
- Google 的速率限制和账户等级配额会限制重度使用及单笔记本来源数量，批量任务可能需要分拆和控制节奏。
- 默认交互登录需要 Playwright 与约 170 MB 的 Chromium；服务器部署则需要额外设置 master token 或 Cookie 维护。
- 远程 MCP 需要自行部署连接器并配置 Cloudflare 或 Tailscale 等隧道；ChatGPT 的 MCP 连接器仅支持网页端。
如何安装或部署这个 Agent？
需要 Python 3.10–3.14 和可访问 Gemini Notebook 的 Google 账户。CLI 与智能体用户可安装隔离环境版本：
uv tool install "notebooklm-py[browser]"
notebooklm login
notebooklm auth check --test --json也可使用 pipx install "notebooklm-py[browser]"。默认登录会下载约 170 MB 的 Chromium 并打开 Google 登录页面；也可从已登录的 Chrome 导入 Cookie，或配置 master token。仅作为 Python 库嵌入应用时运行 uv add notebooklm-py，该方式不包含 Playwright 或 Chromium。要安装智能体技能，可运行 notebooklm skill install，或执行 npx skills add teng-lin/notebooklm-py。
如何使用这个 Agent？
完成登录后可运行以下最小流程：
notebooklm create "My Research"
notebooklm use <notebook_id>
notebooklm source add "https://en.wikipedia.org/wiki/Artificial_intelligence"
notebooklm source add "./paper.pdf"
notebooklm ask "What are the key themes?"
notebooklm generate audio "make it engaging" --wait
notebooklm download audio ./podcast.m4aPython 中可使用 async with NotebookLMClient.from_storage() as client，调用 client.notebooks.create()、client.sources.add_url()、client.chat.ask() 与 client.artifacts.generate_audio()。远程智能体场景可自托管 MCP 连接器并置于 Cloudflare 或 Tailscale 隧道之后；ChatGPT 连接器要求网页端 Developer Mode，而 Claude.ai 连接器也可从其移动应用使用。
这个 Agent 与同类方案有什么区别？
相较 Gemini Notebook 网页界面，这个项目侧重程序化操作和本地导出：它可批量下载产物、导出测验与闪卡的结构化格式、提取思维导图 JSON、下载 CSV、获取来源全文、修改单张幻灯片并管理分享权限。代价是它依赖未公开接口，稳定性低于由 Google 正式维护的网页产品。
常见问题
这是 Google 官方 SDK 吗？
运行时需要哪些凭据？
能否完全离线或脱离 Google 部署？
接口失效或请求被限流时怎么办？
notebooklm auth check --test 检查认证，并在批量任务中降低调用频率或把资料拆分到多个笔记本。