# 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

1.  **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。
2.  **初始化筆記本**：
    *   執行命令獲取 Notebook ID。
    *   設置該 ID 為當前筆記本。
3.  **輸入資料**：
    *   支援輸入網址、本地 PDF 或 YouTube 視頻鏈接。
4.  **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。
5.  **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？