notebooklm-py

一个全面的 NotebookLM 技能与非官方 Python API。 通过 Python、CLI 以及 Claude Code、Codex 和 OpenClaw 等 AI 代理，实现对 NotebookLM 功能的完全程序化访问——包括那些网页界面未公开的能力。

源代码与开发: https://github.com/teng-lin/notebooklm-py

⚠️ 非官方库 - 请自担风险使用

本库使用了未经文档化的 Google API，这些 API 可能会在未事先通知的情况下发生变化。

• 与 Google 无关联 - 这是一个社区项目
• API 可能会失效 - Google 随时可能更改内部端点
• 存在速率限制 - 大量使用可能会被限流

最适合用于原型开发、研究和个人项目。有关调试技巧，请参阅 故障排除。

您可以构建什么

🤖 AI 代理工具 - 将 NotebookLM 集成到 Claude Code、Codex 等大型语言模型代理中。随附一个适用于 GitHub 的根 NotebookLM 技能，支持 npx skills add 发现功能、本地 notebooklm skill install 对 Claude Code 的支持，以及 .agents 技能目录，并在 AGENTS.md 中提供了仓库级别的 Codex 指导。

📚 研究自动化 - 批量导入来源（URL、PDF、YouTube、Google Drive），运行带有自动导入功能的网络或云端研究查询，并以编程方式提取见解。构建可重复的研究流程。

🎙️ 内容生成 - 生成音频概览（播客）、视频、幻灯片演示文稿、测验、抽认卡、信息图、数据表格、思维导图和学习指南。完全控制格式、风格和输出。

📥 下载与导出 - 将所有生成的成果本地下载（MP3、MP4、PDF、PNG、CSV、JSON、Markdown）。导出至 Google 文档/表格。网页界面未提供的功能：批量下载、以多种格式导出测验/抽认卡、提取思维导图的 JSON 数据。

三种使用方式

方法	最适合
Python API	应用程序集成、异步工作流、自定义流程
CLI	Shell 脚本、快速任务、CI/CD 自动化
代理集成	Claude Code、Codex、LLM 代理、自然语言自动化

功能

完整覆盖 NotebookLM

类别	功能
笔记本	创建、列出、重命名、删除
来源	URL、YouTube、文件（PDF、文本、Markdown、Word、音频、视频、图片）、Google Drive、粘贴的文本；刷新、获取指南/全文
聊天	提问、对话历史、自定义角色
研究	网络和云端研究代理（快速/深度模式），支持自动导入
分享	公开/私有链接、用户权限（查看者/编辑者）、视图级别控制

内容生成（所有 NotebookLM Studio 类型）

类型	选项	下载格式
音频概览	4 种格式（深度解读、简短版、评论版、辩论版）、3 种时长、50 多种语言	MP3/MP4
视频概览	3 种格式（讲解版、简短版、电影级）、9 种视觉风格，另有一个专门的 cinematic-video CLI 别名	MP4
幻灯片演示文稿	详细版或演讲者版，长度可调；可单独修改每一张幻灯片	PDF、PPTX
信息图	3 种方向、3 种细节层次	PNG
测验	可配置数量和难度	JSON、Markdown、HTML
抽认卡	可配置数量和难度	JSON、Markdown、HTML
报告	简报、学习指南、博客文章，或自定义提示	Markdown
数据表	通过自然语言自定义结构	CSV
思维导图	交互式层级可视化	JSON

超越网页界面

以下功能可通过 API/CLI 使用，但在 NotebookLM 的网页界面上并未公开：

• 批量下载 - 一次性下载某一类型的所有成果
• 测验/抽认卡导出 - 获取结构化的 JSON、Markdown 或 HTML（网页界面仅显示交互式视图）
• 思维导图数据提取 - 导出层级化的 JSON 数据，供可视化工具使用
• 数据表 CSV 导出 - 将结构化表格下载为电子表格
• 幻灯片以 PPTX 格式下载 - 下载可编辑的 PowerPoint 文件（网页界面仅提供 PDF）
• 幻灯片修订 - 使用自然语言提示修改单张幻灯片
• 报告模板定制 - 在内置格式模板的基础上添加额外说明
• 将聊天记录保存为笔记 - 将问答答案或对话历史保存为笔记本笔记
• 来源全文访问 - 检索任何来源的索引文本内容
• 程序化分享 - 无需通过界面即可管理权限

安装

# 基本安装
pip install notebooklm-py

# 带浏览器登录支持（首次设置必需）
pip install "notebooklm-py[browser]"
playwright install chromium

如果 playwright install chromium 出现 TypeError: onExit is not a function 错误，请参阅 故障排除 中的 Linux 解决方案。

开发环境安装

适用于贡献者或测试未发布的功能：

pip install git+https://github.com/teng-lin/notebooklm-py@main

⚠️ 主分支可能包含不稳定的变化。生产环境中请使用 PyPI 发布版本。

快速入门

16 分钟会话压缩至 30 秒

CLI

# 1. 认证（打开浏览器）
notebooklm login
# 或使用 Microsoft Edge（对于需要 Edge 进行 SSO 的组织）
# notebooklm login --browser msedge

# 2. 创建笔记本并添加来源
notebooklm create "我的研究"
notebooklm use <笔记本ID>
notebooklm source add "https://en.wikipedia.org/wiki/Artificial_intelligence"
notebooklm source add "./paper.pdf"

# 3. 与您的来源进行对话
notebooklm ask "主要主题有哪些？"

# 4. 生成内容
notebooklm generate audio "make it engaging" --wait
notebooklm generate video --style whiteboard --wait
notebooklm generate cinematic-video "documentary-style summary" --wait
notebooklm generate quiz --difficulty hard
notebooklm generate flashcards --quantity more
notebooklm generate slide-deck
notebooklm generate infographic --orientation portrait
notebooklm generate mind-map
notebooklm generate data-table "compare key concepts"

# 5. 下载成果
notebooklm download audio ./podcast.mp3
notebooklm download video ./overview.mp4
notebooklm download cinematic-video ./documentary.mp4
notebooklm download quiz --format markdown ./quiz.md
notebooklm download flashcards --format json ./cards.json
notebooklm download slide-deck ./slides.pdf
notebooklm download infographic ./infographic.png
notebooklm download mind-map ./mindmap.json
notebooklm download data-table ./data.csv

其他有用的 CLI 命令：

notebooklm auth check --test         # 诊断认证/cookie 问题
notebooklm agent show codex          # 打印捆绑的 Codex 指令
notebooklm agent show claude         # 打印捆绑的 Claude Code 技能模板
notebooklm language list             # 列出支持的输出语言
notebooklm metadata --json           # 导出笔记本元数据和来源
notebooklm share status              # 检查共享状态
notebooklm source add-research "AI"  # 开始网络研究并导入来源
notebooklm skill status              # 检查本地代理技能安装情况

Python API

import asyncio
from notebooklm import NotebookLMClient

async def main():
    async with await NotebookLMClient.from_storage() as client:
        # 创建笔记本并添加来源
        nb = await client.notebooks.create("Research")
        await client.sources.add_url(nb.id, "https://example.com", wait=True)

        # 与你的资料源对话
        result = await client.chat.ask(nb.id, "总结一下这个")
        print(result.answer)

        # 生成内容（播客、视频、测验等）
        status = await client.artifacts.generate_audio(nb.id, instructions="让内容更有趣")
        await client.artifacts.wait_for_completion(nb.id, status.task_id)
        await client.artifacts.download_audio(nb.id, "podcast.mp3")

        # 生成测验并以 JSON 格式下载
        status = await client.artifacts.generate_quiz(nb.id)
        await client.artifacts.wait_for_completion(nb.id, status.task_id)
        await client.artifacts.download_quiz(nb.id, "quiz.json", output_format="json")

        # 生成思维导图并导出
        result = await client.artifacts.generate_mind_map(nb.id)
        await client.artifacts.download_mind_map(nb.id, "mindmap.json")

asyncio.run(main())

代理设置

选项 1 — CLI 安装：

notebooklm skill install

将技能安装到 ~/.claude/skills/notebooklm 和 ~/.agents/skills/notebooklm。

选项 2 — 使用 npx 安装（通过开放技能生态系统）：

npx skills add teng-lin/notebooklm-py

直接从 GitHub 获取规范的 SKILL.md。

文档

• CLI 参考 - 完整的命令文档
• Python API - 完整的 API 参考
• 配置 - 存储与设置
• 发布指南 - 发布检查清单和打包验证
• 故障排除 - 常见问题及解决方案
• API 稳定性 - 版本控制策略和稳定性保证

贡献者须知

• 开发指南 - 架构、测试和发布
• RPC 开发 - 协议捕获和调试
• RPC 参考 - 数据负载结构
• 变更日志 - 版本历史和发布说明
• 安全 - 安全策略和凭据处理

平台支持

平台	状态	备注
macOS	✅ 已测试	主要开发平台
Linux	✅ 已测试	完全支持
Windows	✅ 已测试	在 CI 中已测试

星标历史

许可证

MIT 许可证。详情请参阅 LICENSE。

notebooklm-py 快速上手指南

notebooklm-py 是一个功能全面的 NotebookLM 非官方 Python API 和命令行工具。它允许你通过代码、CLI 或 AI 代理（如 Claude Code） programmatically 访问 NotebookLM 的所有功能，包括网页界面未暴露的高级特性（如批量下载、思维导图数据提取、PPTX 导出等）。

⚠️ 重要提示：本项目为非官方库，使用的是 Google 未公开的内部 API。API 接口可能随时变更，且存在速率限制。建议仅用于原型开发、研究或个人项目，生产环境请谨慎使用。

环境准备

• 操作系统：macOS、Linux 或 Windows
• Python 版本：3.10, 3.11, 3.12, 3.13 或 3.14
• 前置依赖：
  • 若需使用浏览器登录功能（首次设置必需），需安装 playwright 及其浏览器内核。
  • 确保网络环境可访问 Google 服务。

安装步骤

1. 基础安装

通过 pip 安装核心库：

pip install notebooklm-py

2. 安装浏览器支持（推荐）

若需使用 notebooklm login 进行认证，请安装带浏览器支持的版本并配置 Playwright：

pip install "notebooklm-py[browser]"
playwright install chromium

注意：如果在 Linux 上执行 playwright install chromium 时遇到 TypeError: onExit is not a function 错误，请参考项目文档中的 Linux 变通方案。

3. 国内加速方案（可选）

如果直接连接 PyPI 较慢，可使用国内镜像源加速安装：

pip install notebooklm-py -i https://pypi.tuna.tsinghua.edu.cn/simple
pip install "notebooklm-py[browser]" -i https://pypi.tuna.tsinghua.edu.cn/simple

注：Playwright 的浏览器内核下载可能需要单独配置国内镜像或代理，具体视网络环境而定。

基本使用

方式一：命令行 (CLI)

这是最快捷的使用方式，适合脚本自动化和快速任务。

1. 认证登录 运行以下命令将打开浏览器进行 Google 账号授权：

notebooklm login

2. 创建笔记本并添加资料 创建一个新笔记本，添加网页链接或本地文件作为知识源：

# 创建名为 "My Research" 的笔记本
notebooklm create "My Research"

# 使用刚创建的笔记本 (替换 <notebook_id> 为实际 ID)
notebooklm use <notebook_id>

# 添加来源：可以是 URL 或本地文件 (PDF, TXT 等)
notebooklm source add "https://en.wikipedia.org/wiki/Artificial_intelligence"
notebooklm source add "./paper.pdf"

3. 对话与内容生成 基于资料进行提问，或生成播客、测验、幻灯片等内容：

# 提问
notebooklm ask "What are the key themes?"

# 生成音频概览 (播客)
notebooklm generate audio "make it engaging" --wait

# 生成测验并下载为 Markdown
notebooklm generate quiz --difficulty hard
notebooklm download quiz --format markdown ./quiz.md

# 生成思维导图数据
notebooklm generate mind-map
notebooklm download mind-map ./mindmap.json

方式二：Python API

适合集成到应用程序或构建复杂的异步工作流。

import asyncio
from notebooklm import NotebookLMClient

async def main():
    # 从存储加载认证信息初始化客户端
    async with await NotebookLMClient.from_storage() as client:
        # 1. 创建笔记本
        nb = await client.notebooks.create("Research")
        
        # 2. 添加来源 (等待上传完成)
        await client.sources.add_url(nb.id, "https://example.com", wait=True)

        # 3. 对话查询
        result = await client.chat.ask(nb.id, "Summarize this")
        print(result.answer)

        # 4. 生成内容 (例如：生成测验并下载 JSON)
        status = await client.artifacts.generate_quiz(nb.id)
        # 等待任务完成
        await client.artifacts.wait_for_completion(nb.id, status.task_id)
        # 下载结果
        await client.artifacts.download_quiz(nb.id, "quiz.json", output_format="json")

asyncio.run(main())

方式三：AI 代理集成

若你使用 Claude Code 或其他支持 Skill 的 AI 代理，可一键安装技能以通过自然语言控制 NotebookLM：

# 本地安装技能
notebooklm skill install

# 或者通过 npx 直接从 GitHub 获取
npx skills add teng-lin/notebooklm-py

安装后，你可以在代理对话中直接使用如“帮我把这个 PDF 上传到 NotebookLM 并生成一个播客”之类的指令。