Google NotebookLM 自 2023 年推出以來，憑藉其 RAG（檢索增強生成）架構，成為研究者與內容創作者的重要工具。然而，這款產品始終存在一個痛點：核心功能如閃卡、腦圖、報告等內容無法直接匯出，而 NotebookLM 解析後的原始文本（YouTube 字幕、PDF 內容、網頁搜尋結果）更是完全鎖在介面內。

開發者 teng-lin 於 2025 年 1 月發布的 notebooklm-py 專案，正是為解決這些限制而生。這款 Python CLI 工具透過逆向工程 NotebookLM 的未公開 API，讓使用者能夠完整存取所有功能，並將其轉換為可程式化的工作流程。

核心功能：補足 NotebookLM 網頁版的缺口

notebooklm-py 的設計理念相當務實。網頁版 NotebookLM 雖然提供豐富的生成功能，但輸出選項極為受限。以閃卡為例，網頁版僅支援透過連結分享，無法下載為 Markdown 或 Anki 格式。腦圖只能匯出為 PNG 圖片，喪失了後續編輯的彈性。

這款 CLI 工具打破了這些限制。使用者可以透過簡單的指令，將閃卡下載為結構化文字檔，腦圖匯出為可編輯的 Markdown 格式，報告則能完整保留其原始結構。這對於需要將 NotebookLM 整合進現有工作流程的專業人士而言，解決了長期存在的痛點。

更值得注意的是「解析文本擷取」功能。NotebookLM 在處理 YouTube 影片時會自動擷取字幕，解析 PDF 時會進行智能文字識別，處理網頁時會過濾無關元素。這些經過處理的乾淨文本，原本只存在於 NotebookLM 的內部系統中。notebooklm-py 讓使用者能夠直接取得這些已處理的內容，省去自行使用 yt-dlp 或 PDF 解析工具的麻煩。

技術架構：為何這款工具值得信賴

notebooklm-py 建立在兩個重要的技術基礎上。

首先是 RAG 架構帶來的低幻覺特性。與一般 AI Agent 不同，NotebookLM 的回答完全基於使用者上傳的文件，不會混入外部知識。這意味著從 notebooklm-py 取得的答案，每一句都能追溯到具體的來源段落。對於學術研究或企業文件分析而言，這種可驗證性至關重要。

其次是瀏覽器自動化技術的成熟。notebooklm-py 使用 Playwright 進行瀏覽器自動化，模擬真實使用者的操作模式，包括打字速度、滑鼠移動軌跡等細節。這種做法雖然比直接呼叫 API 複雜，但能夠繞過 Google 對自動化工具的偵測機制。

從系統需求來看，安裝過程相對簡單：

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

完成安裝後，透過 notebooklm login 進行一次性的 Google 帳號認證，後續操作就無需重複登入。

三種使用情境：從個人到企業

notebooklm-py 支援三種主要的使用模式，適應不同場景的需求。

CLI 指令模式適合快速任務與 Shell 腳本整合。例如，研究者可以在終端機中直接執行：

notebooklm create "Q1 市場分析"
notebooklm source add "https://example.com/report.pdf"
notebooklm generate audio --wait
notebooklm download audio ./podcast.mp3

這種工作流程能夠在數分鐘內，將一份 PDF 報告轉換為 AI 生成的 Podcast，完全無需開啟瀏覽器。

Python API 則提供更細緻的控制能力。開發者可以將 NotebookLM 整合進現有的 Python 應用程式，建立自動化的研究管線。異步架構（asyncio）確保了高效能的批次處理能力。

Claude Code Skills 是最具前瞻性的整合方式。透過安裝 notebooklm skill，Claude Code 能夠直接與 NotebookLM 對話，實現自然語言驅動的文件查詢。使用者只需要說「幫我查一下上週會議紀錄中提到的預算數字」，Claude 就會自動連接 NotebookLM、執行查詢、回傳答案，整個過程無需任何複製貼上。

這種 MCP 協議整合模式，代表了 AI 工具互聯的新趨勢。NotebookLM 作為知識庫，Claude Code 作為執行引擎，兩者結合形成了強大的研究助手。

功能矩陣：完整能力一覽

功能類別 支援內容
筆記本管理 建立、列表、重命名、刪除、分享
來源匯入 URL、YouTube、PDF/TXT/MD/DOCX、Google Drive、貼上文字
互動對話 問答、對話歷史、自訂人設
內容生成 音訊 Podcast、影片、簡報、測驗、閃卡、報告、資訊圖表、腦圖
研究工具 網頁研究、Drive 研究、自動匯入來源
下載匯出 音訊、影片、簡報、資訊圖表、報告、腦圖、數據表、測驗、閃卡

這份功能清單幾乎涵蓋了 NotebookLM Plus 的所有能力。免費版使用者同樣可以使用大部分功能，差異主要在於生成次數與來源數量限制。

實務應用案例

案例一：學術文獻回顧

研究生可以將數十篇 PDF 論文上傳至 NotebookLM，透過 notebooklm-py 批次處理：自動生成每篇論文的摘要報告，建立跨論文的主題腦圖，最後匯出為閃卡進行複習。這個原本需要數週的工作，可以壓縮到一天完成。

案例二：企業知識庫建構

企業可以將內部文件（合約範本、技術文檔、會議紀錄）整理進 NotebookLM，再透過 Claude Code 的 Skills 整合，讓員工能夠用自然語言查詢公司知識庫。這種做法比傳統的文件搜尋更直覺，且答案會附帶來源引用。

案例三：內容創作者工作流

YouTube 創作者可以將競爭對手的影片 URL 批次匯入，透過 notebooklm-py 擷取所有影片的字幕文本，再用 Claude 分析內容策略。這種跨平台的內容情報收集，過去需要手動處理，現在可以完全自動化。

風險與限制

notebooklm-py 並非沒有風險。作為一款使用未公開 API 的第三方工具，它存在幾個需要注意的面向。

API 穩定性：Google 可能在任何時候修改 NotebookLM 的內部介面，導致工具暫時失效。開發者已經在 GitHub 上建立了快速修復機制，但使用者仍需接受這種不確定性。

帳號安全：雖然 notebooklm-py 不會儲存使用者的 Google 密碼（採用瀏覽器 Cookie 認證），但任何自動化工具都存在帳號被標記的風險。建議使用專用帳號進行測試。

使用條款：Google 的服務條款通常禁止自動化存取。雖然目前沒有使用者因使用此類工具而被停權的案例，但這仍是潛在風險。

這款工具最適合用於個人研究、原型開發與內部工具整合。對於需要穩定 API 的生產環境，建議等待 Google 推出官方 API。

延伸閱讀

對於想深入了解 AI 工具整合的讀者，以下資源可能有所幫助：

作者觀點

notebooklm-py 的出現，反映了當前 AI 工具生態的一個有趣現象：官方產品往往聚焦於消費者友好的介面設計，而忽略了專業使用者對程式化存取的需求。這種供需缺口，催生了大量的第三方整合工具。

從更宏觀的角度看，這款工具預示了 AI 工具互聯的未來。當 NotebookLM 能夠作為知識庫被其他 AI 代理（如 Claude Code）呼叫時，我們距離真正的「AI 工作流程自動化」又近了一步。這不僅是工具層面的進步，更是工作方式的根本性改變。

作者：Tenten Research Team

如果您正在評估如何將 AI 工具整合進企業工作流程，或需要客製化的 AI 自動化解決方案，歡迎與 Tenten 團隊預約諮詢，我們擁有豐富的 Claude Code、MCP 協議與企業 AI 部署經驗。

引用來源

Share this post
Skye

Hey, I'm Skye, and I believe every creator deserves the tools to turn their imagination into reality.

Loading...