引言

"AI needs to know where it learned something from."

这是"一天一个开源项目"系列的第113篇文章。今天带你了解的项目是 notebooklm-py。

Google NotebookLM 是目前最好的"个人知识库 + AI 问答"工具之一——你上传文档，它帮你提炼、总结、生成播客、制作幻灯片，并且每个回答都有来源引用。但它有一个巨大的局限：没有官方 API，一切只能在网页上手动操作。

notebooklm-py 解决了这个问题。它逆向工程了 NotebookLM 的全部未公开 API，让你用 Python 代码或 CLI 完整控制 NotebookLM 的每一个功能——包括网页界面没有暴露的功能。更进一步，它还提供了一个 Claude Code Skill，让 Claude 能在对话中实时查询你的 NotebookLM 知识库，把 Gemini 的知识基础能力和 Claude 的推理能力结合起来。

9,500+ Stars，MIT 开源。

你将学到什么

• notebooklm-py 的三种使用方式（Python API / CLI / Agent Skill）
• 它能做哪些 NotebookLM 网页界面做不到的事
• Claude Code Skill 集成如何实现"Claude + NotebookLM"的跨厂商 AI 协作
• 为什么"有来源引用的回答"是解决 AI 幻觉最直接的工程手段
• 逆向工程未公开 API 的代价：能力与脆弱性的权衡

前置知识

• 熟悉 Python 基础和 pip 包管理
• 用过 Google NotebookLM（了解它的核心功能）
• 有 Claude Code 使用经验（如果你关注 Skill 集成部分）

---

项目背景

项目简介

notebooklm-py 是由开发者 Teng Lin 构建的非官方 Python 客户端，通过逆向工程 Google NotebookLM 的内部 API，提供完整的程序化访问能力。它不是爬虫，而是直接调用 NotebookLM 客户端与 Google 服务器通信时使用的同一批 HTTP 接口。

项目包含两个紧密相关的组件：

notebooklm-py
  ├── Python 库 / CLI    ← 完整的 NotebookLM API 封装
  └── Claude Code Skill ← 让 Claude 在会话中实时查询 NotebookLM

这两个组件解决了不同层次的问题：Python 库解决的是"如何自动化 NotebookLM 操作"；Claude Code Skill 解决的是"如何让 AI 助手的回答基于你的真实文档而不是训练数据"。

作者介绍

• 主要作者：Teng Lin（GitHub: @teng-lin）
• 项目性质：非官方、社区驱动，与 Google 无官方关联
• 发布平台：GitHub + PyPI（pip install notebooklm-py）
• 当前版本：v0.5.0（Beta 状态）

项目数据

• ⭐ GitHub Stars: 9,500+
• 📦 PyPI: notebooklm-py
• 📄 License: MIT
• 🐍 Python: ≥ 3.10
• 🖥️ 平台: macOS, Linux, Windows
• ⚠️ 状态: Beta（基于未公开 API，可能随 Google 变更而失效）
• 🌐 仓库: teng-lin/notebooklm-py

---

主要功能

核心作用

notebooklm-py 的功能覆盖了 NotebookLM 的完整能力图谱：

Notebook 管理
  ├── 创建、列出、重命名、删除、分享

来源导入
  ├── URL（网页）
  ├── YouTube 视频
  ├── PDF 文件
  ├── Google Drive 文档
  └── 粘贴文本

知识查询
  ├── 带对话历史的问答（引用来源）
  └── 引用固定（pin citations）

内容生成（Studio 功能）
  ├── 音频播客（Audio Overview）
  ├── 视频概述
  ├── 幻灯片（PPTX 格式）
  ├── 测验（Quiz）
  ├── 闪卡（Flashcards）
  ├── 脑图（JSON 格式）
  ├── 报告
  └── 信息图

研究代理
  ├── 网络研究（自动导入搜索结果）
  └── Drive 研究（自动导入云盘文档）

三种使用方式

方式 1：Python API（异步，适合自动化流水线）

import asyncio
from notebooklm import NotebookLM

async def main():
    async with NotebookLM() as nlm:
        # 创建 Notebook
        notebook = await nlm.create_notebook("我的研究项目")
        
        # 导入多种来源
        await notebook.add_source("https://arxiv.org/abs/2310.06825")
        await notebook.add_source("research.pdf")
        await notebook.add_source("https://youtu.be/dQw4w9WgXcQ")
        
        # 查询知识库（返回带引用的回答）
        response = await notebook.query(
            "这篇论文的核心创新点是什么？",
            include_citations=True
        )
        print(response.answer)
        print(response.citations)  # 每条引用都指向具体来源段落
        
        # 生成音频播客
        podcast = await notebook.generate_audio_overview()
        podcast.save("summary.mp3")
        
        # 生成幻灯片
        slides = await notebook.generate_slides()
        slides.save("presentation.pptx")

asyncio.run(main())

方式 2：CLI（Shell 脚本和 CI/CD）

# 安装
pip install notebooklm-py

# 基础操作
notebooklm notebook create "产品文档知识库"
notebooklm source add --notebook "产品文档知识库" https://docs.example.com
notebooklm source add --notebook "产品文档知识库" ./spec-v2.pdf

# 查询
notebooklm query --notebook "产品文档知识库" "新版 API 的认证方式有哪些变化？"

# 生成内容
notebooklm generate audio --notebook "产品文档知识库"
notebooklm generate slides --notebook "产品文档知识库" --output slides.pptx

# 批量导入（在 CI/CD 中自动更新知识库）
notebooklm source sync --notebook "产品文档知识库" ./docs/

方式 3：Claude Code Skill（让 Claude 实时查询 NotebookLM）

这是整个项目最值得重点介绍的部分。

# 安装 Skill（方法 1：通过插件市场）
/plugin marketplace add teng-lin/notebooklm-py

# 安装 Skill（方法 2：直接安装到 Skills 目录）
notebooklm skill install

# 首次认证（浏览器登录 Google 账号，之后自动维持）
notebooklm auth login

安装后，在 Claude Code 的对话中：

你：解释一下我们系统的认证架构，我记得在架构文档里有详细说明

Claude：[内部调用 NotebookLM Skill，查询你的"系统架构"知识库]

Claude：根据你的架构文档（来源：architecture-v3.md，第 4 页），
        系统使用 JWT + Refresh Token 双令牌机制...
        [每条信息都有来源引用，不是训练数据中的泛化回答]

---

项目详细剖析

Claude Code Skill 的技术原理

理解这个 Skill 如何工作，需要理解它的两层架构：

Layer 1：浏览器自动化（Browser Automation）

NotebookLM 没有公开 API，所有操作都需要通过 Google 账号认证。notebooklm-py 使用浏览器自动化（Playwright）来维持认证状态，捕获认证令牌后再直接发起 HTTP 请求。

这意味着：

• ✅ 功能完整（与网页端完全对等）
• ✅ 本地运行（所有数据留在你的设备上）
• ⚠️ 需要本地 Claude Code（云端/沙箱环境无法使用浏览器）
• ⚠️ 依赖 Google 内部 API，随时可能失效

Layer 2：Skill 集成层

Claude Code 对话
    ↓ 判断需要知识库支持
Skill 触发
    ↓ 构造 NotebookLM 查询
notebooklm-py Python 库
    ↓ HTTP 请求到 Google 服务器
NotebookLM（Gemini 1.5 Pro 后端）
    ↓ 返回带引用的回答
Skill 解析响应
    ↓ 注入到 Claude 的上下文
Claude 最终回答（基于真实来源，有引用）

为什么"有来源引用的回答"是反幻觉的工程解法

这是值得深入思考的设计哲学。

AI 幻觉的核心问题不是"AI 回答了错误的内容"，而是"AI 回答了不知道是否正确的内容却表现出确定性"。两种对抗策略：

策略 A：更好的训练数据和 RLHF → 缓解但无法根治（模型永远不知道自己不知道什么）

策略 B：强制每条断言都来自可验证的来源 → 根本性解决（如果来源不存在，就无法生成该断言）

notebooklm-py 的 Claude Code Skill 走的是策略 B 的路：

传统 Claude 回答：
"JWT 是一种...（来自训练数据，可能是过期版本）"

接入 NotebookLM 的 Claude 回答：
"根据 architecture-v3.md（第 4 页第 2 段），
 你们系统的 JWT 实现使用了 ECDSA 签名...
 （来自你自己上传的文档，可追溯）"

这种模式特别适合：代码库文档、API 规范、内部流程手册、产品需求文档——这些知识只存在于你的组织内部，模型训练数据里没有，只能通过文档检索来获取。

超越网页界面的能力

notebooklm-py 能做一些 NotebookLM 网页界面做不到的事：

# 批量创建多个 Notebook（网页需要一个个手动点）
notebooks = await asyncio.gather(*[
    nlm.create_notebook(f"研究主题 {i}")
    for i in range(10)
])

# 程序化引用固定（网页界面的隐藏功能）
await notebook.pin_citation(citation_id="cit_abc123")

# 研究代理：自动搜索并导入相关网页（超出网页界面能力）
await notebook.research_web(
    query="量子计算最新进展 2026",
    auto_import=True,
    max_sources=15
)

# 定时更新知识库（CI/CD 中自动同步最新文档）
async def sync_docs():
    notebook = await nlm.get_notebook("产品文档")
    await notebook.sync_sources("./docs/")  # 只添加新文件，不重复导入

使用风险与权衡

这个项目最重要的技术限制值得正视：

风险	影响	缓解方式
基于未公开 API	Google 随时可能改变接口，导致工具失效	关注项目更新，有 fallback 方案
浏览器自动化	需要本地环境，无法在 CI/CD 中使用完整功能	CLI 模式部分功能可在无头环境运行
非官方客户端	违反 Google ToS（服务条款）风险	作者标注为"个人使用和原型验证"
Beta 状态	API 接口可能在版本间变化	锁定版本号，生产环境谨慎使用

作者在文档中明确说明：这个工具适合原型验证和个人项目，不建议用于关键生产系统。

---

项目地址与资源

官方资源

• 🌟 GitHub: github.com/teng-lin/no…
• 📦 PyPI: pypi.org/project/not…
• 📖 Skill 安装指南: 见仓库 skills/README.md

安装快速参考

# 基础安装
pip install notebooklm-py

# 含浏览器自动化支持（Skill 集成必须）
pip install "notebooklm-py[browser]"

# Claude Code Skill 安装
notebooklm skill install
notebooklm auth login   # 首次认证

适用人群

• 研究人员：自动化文献综述工作流，批量导入论文并查询知识库
• 开发团队：把 API 规范、架构文档注入 Claude Code，获得有来源依据的代码建议
• 内容创作者：批量从文档生成播客、幻灯片、思维导图
• AI 工具构建者：研究跨厂商 AI 能力组合（Claude + NotebookLM/Gemini）

---

总结与展望

核心要点回顾

1. 完整 API 封装：Notebook CRUD、多类型来源导入、RAG 查询、Studio 内容生成（音频/视频/幻灯片/闪卡）全覆盖
2. 三种使用方式：Python 异步 API（流水线）、CLI（脚本/CI）、Claude Code Skill（AI 会话集成）
3. 跨厂商 AI 协作：Claude 的推理 + NotebookLM/Gemini 的知识检索，形成互补
4. 反幻觉工程实践：强制每条断言都来自可追溯来源，而不是依赖模型的训练数据
5. 超越网页界面：批量操作、程序化引用固定、研究代理自动导入——这些能力只能通过 API 实现

一句话评价

notebooklm-py 做了 Google 不愿意做的事——把 NotebookLM 变成一个可编程的知识引擎；而它的 Claude Code Skill 则做了一件更有意思的事：让两个不同厂商的 AI 系统协作，各自做自己最擅长的部分。

---

欢迎来我的个人主页找到更多有用的知识和有趣的产品