影片筆記：别再烧钱了！让Google免费干完十几万Token的重活，Claude只需拿结论

一句話總結

影片介紹如何利用開源工具 notebooklm-py 將 Google 免費的 NotebookLM 整合至命令行，並與 Claude Code 協作。透過此架構，由 Google 免費處理繁重的資料讀取、字幕生成及深度研究任務，Claude Code 僅負責下達指令與接收結論，從而避免消耗大量 Token 並實現全自動化工作流。

核心重點

• 成本與效率優化：傳統做法是將大量文檔或視頻字幕直接丟給 Claude Code，會消耗數萬至十幾萬 Token，成本高且效率低。新方案利用 notebooklm-py 讓 Google 免費處理資料讀取與生成工作，Claude Code 僅負責下達命令與接收結論。
• NotebookLM 的命令行化：Google 推出的 NotebookLM 原僅限網頁版使用，透過開源項目 notebooklm-py（GitHub Star 數超過 17,000），可將其擴展至命令行環境。
• 自動化工作流：實現從輸入一個題目到獲得帶引用的報告或播客的全自動化流程。Claude Code 調用 notebooklm 命令，不將原始資料載入上下文，僅接收 NotebookLM 返回的結果。
• 免費且帶引用：強調該方案「免費」且「不消耗大語言模型 Token」。NotebookLM 特點是僅根據上傳資料回答，帶有引用編號，減少胡編亂造。

詳細大綱

1. 痛點與解決方案對比

• 傳統方式：直接將大量文檔或視頻字幕丟給 Claude Code，會消耗數萬 Token，成本高且效率低。
• 新方式：利用 notebooklm-py 讓 Google 免費處理資料讀取與生成工作，Claude Code 僅負責下達命令與接收結論。

2. NotebookLM 基礎背景

• Google 推出的免費 AI 筆記工具，特點是僅根據上傳資料回答，帶有引用，減少胡編亂造。
• 原僅限網頁版使用，notebooklm-py 將其擴展至命令行。

3. 工具安裝與基本操作

• 安裝方式：使用 uv 或 pipx 安裝。
• 創建筆記本：通過命令獲取 Notebook ID，並設置為當前筆記本。
• 資料輸入：支援網址、本地 PDF、YouTube 視頻鏈接。
• 基本問答：針對上傳資料進行提問，回答帶有引用編號。

4. 進階功能演示

• 生成播客：支援指定對話風格（如 deep-dive 深度對談、辯論）、語言（如簡體中文），支援等待生成完成或查詢任務狀態。
• 生成題目：導出 Markdown 格式的題目與標準答案，適合團隊新人測驗。
• 生成思維導圖：同步生成結構化 JSON，可進一步渲染或導入筆記軟件。

5. 與 Claude Code 整合（核心亮點）

• 對照實驗：
• 未安裝外掛時：Claude Code 需自行調用 yt-dlp 下載字幕並讀取，消耗約 34,000 Token。
• 安裝外掛後：Claude Code 直接調用 notebooklm 命令，不將原始資料載入上下文，僅接收 NotebookLM 返回的結果。
• 深度研究功能：利用 NotebookLM 內建的「研究代理」，自動上網搜尋、篩選來源並生成帶引用的報告。
• 自動化工作流：通過一句話指令，讓 Claude Code 自動執行研究、生成報告的全流程。

6. 安裝與配置細節

• 使用 uv 包管理器安裝。
• 登錄步驟：解決瀏覽器缺失問題，建議 Mac 用戶使用系統內建的 Chrome 瀏覽器進行 Google 賬號登錄。
• 安裝 Skill 後即可完成完整工作流。

工具 / 模型 / 名詞整理

• Claude Code：大語言模型應用，用於下達命令及整合工作流。
• NotebookLM：Google 推出的免費 AI 筆記應用。
• notebooklm-py：社區開發的開源項目，將 NotebookLM 搬至命令行環境，GitHub 上擁有 17,000 多個 Star。
• Google：NotebookLM 的開發公司。
• yt-dlp：影片字幕下載工具，Claude Code 在未整合前自行調用的工具。
• uv：Python 圈流行的包管理器，用於安裝 notebooklm-py。
• pipx：替代 uv 的安裝工具。
• Chrome：瀏覽器，用於 Google 賬號登錄認證。
• Markdown：題目導出的文件格式。
• JSON：思維導圖生成的數據格式。

操作流程整理

環境準備：

• 使用 uv 或 pipx 安裝 notebooklm-py。
• 在 Mac 上建議使用系統內建的 Chrome 瀏覽器進行 Google 賬號登錄認證。

初始化筆記本：

• 執行命令獲取 Notebook ID。
• 設置該 ID 為當前筆記本。

輸入資料：

• 支援輸入網址、本地 PDF 或 YouTube 視頻鏈接。

執行任務（可選）：

• 基本問答：針對資料提問，獲取帶引用編號的回答。
• 生成播客：指定風格（如 deep-dive 深度對談、辯論）與語言（如簡體中文），等待生成完成或查詢狀態。
• 生成題目：導出 Markdown 格式的題目與標準答案。
• 生成思維導圖：生成結構化 JSON。

與 Claude Code 整合工作流：

• 在 Claude Code 中安裝相關 Skill。
• 輸入一句話指令。
• Claude Code 調用 notebooklm 命令，由 NotebookLM 處理資料讀取、字幕生成及深度研究（自動上網搜尋、篩選來源）。
• Claude Code 接收 NotebookLM 返回的結果（帶引用的報告或播客），完成自動化流程。

值得注意的限制或風險

• 瀏覽器依賴：安裝與登錄過程可能需要瀏覽器環境，影片特別提到解決瀏覽器缺失問題，建議 Mac 用戶使用系統內建的 Chrome。
• 資料範圍限制：NotebookLM 的特點是僅根據上傳資料回答，若需更廣泛的資訊，需依賴其內建的「研究代理」進行額外搜尋。
• Token 消耗轉移：雖然 Claude Code 端不消耗 Token，但 Google 端處理資料仍涉及資源消耗（儘管影片強調對用戶免費）。

逐字稿辨識疑點

• MCP：逐字稿中多次提及「吃透 MCP」、「官方文檔 MCP 規格書」，未明確解釋 MCP 具體指代何種技術或協議，僅作為被處理的資料名稱出現。
• deep-dive：在描述播客格式時，原文為「deep-dive 深度對談」，疑為特定風格名稱或口語表達。
• skill install：影片結尾提到「再加上前面講的 skill install」，未詳細展開該命令的具體語法或上下文，僅作為安裝步驟的一部分提及。
• NotebookLM 研究代理：逐字稿提到「NotebookLM 裡面其實藏了一個研究代理」，此為對 NotebookLM 內部功能的描述，未提供具體技術文檔出處。
• token 數量：文中提到「34,000 多個 token」及「燒掉十幾萬 token」，為具體數值記錄，未說明計算基準。

可延伸追問

• notebooklm-py 的具體 GitHub 倉庫地址與最新版本兼容性如何？
• NotebookLM 的「研究代理」在自動上網搜尋時，對於來源的篩選標準是什麼？
• 在實際應用中，Claude Code 與 NotebookLM 整合後的穩定性與錯誤處理機制為何？
• 對於非 Mac 用戶，如何解決瀏覽器缺失或登錄認證的問題？