NotebookLM Python接口库上线 全面操控音频/视频/思维导图生成 突破网页端限制 支持Agent自动化流水线

你是否也遭遇这些NotebookLM使用瓶颈？

• 想批量生成100个播客，但网页端只能一个一个点，耗时数天
• 需要导出Quiz为JSON结构化数据，官方却只提供交互式页面
• 构建AI研究Agent时，无法程序化添加PDF/YouTube/Google Drive源
• 思维导图只能在线看，无法提取层级数据用于下游分析
• 官方不开放API，所有操作必须手动，无法集成到CI/CD或自动化工作流

真正的知识生产力工具，不该被UI束缚，而应开放给代码自由调度。

现在，开发者 Teng Lin 开源的 notebooklm-py 库正彻底打破这一限制——
作为首个完整覆盖NotebookLM全功能的非官方Python SDK，
它通过逆向工程+协议解析，实现对以下能力的100%程序化控制：
✅ 创建/管理Notebook
✅ 批量添加URL、PDF、YouTube、本地文件、Google Drive源
✅ 发起聊天问答 + 获取完整对话历史
✅ 生成 Audio Overview（播客）、Video Overview（视频）、Slide Deck（幻灯片）
✅ 导出 Quiz（测验）、Flashcards（闪卡）、Mind Map（思维导图）、Data Table（数据表）
更支持 异步API + CLI命令行 + Claude Code Agent技能 三种使用方式，
让NotebookLM从“个人笔记工具”升级为可编程的知识工厂。

项目完全开源，MIT协议，GitHub 地址：https://github.com/teng-lin/notebooklm-py

notebooklm-py 的五大突破性能力

✅ 超越网页端的功能覆盖

✅ 全格式内容生成与下载

• Audio
  ：4种风格（深度/简报/批判/辩论）× 3长度 × 50+语言 → MP3/MP4
• Video
  ：2格式 × 9视觉风格（白板/动漫/极简等）→ MP4
• Slide Deck
  ：演讲者模式/详细模式 → PDF
• Infographic
  ：3方向 × 3细节等级 → PNG
• Report
  ：简报/学习指南/博客 → Markdown

✅ 三重使用范式，适配各类场景

✅ 无缝连接AI Agent生态

• 内置 notebooklm skill install，让Claude Code直接调用
• 可作为LangChain/LlamaIndex工具链一环
• 支持自动刷新源、运行Web Research、管理共享权限

✅ 安全与稳定性设计

• 使用Playwright模拟登录，凭证本地存储
• 自动处理Rate Limit与重试
• 提供Troubleshooting文档应对Google API变更

对比手动操作，效率提升百倍

某研究团队案例：
- 任务：分析50篇论文，生成播客+思维导图+测验
- 手动操作：约需 40小时（逐个上传、点击、等待、截图）
- 使用 notebooklm-py：脚本15分钟完成，输出结构化数据包
成本降低99%，且结果可复现、可版本控制。

谁最需要 notebooklm-py？

• 👨‍💻 AI Agent开发者：将NotebookLM作为知识中枢嵌入智能体
• 📚 科研人员：自动化文献综述、教学材料生成
• 💼 内容创作者：批量生产播客、视频、学习卡片
• 🤖 Agentic工作流工程师：构建“研究→总结→输出”全自动流水线
• 🎓 教育科技公司：基于生成内容开发自适应学习产品

只要你想把NotebookLM从“浏览器标签”变成“可编程服务”，
这个库就是你绕不开的关键桥梁。

如何快速上手？

1# 安装（含浏览器登录支持）

2pip install"notebooklm-py[browser]"

3

4# 首次登录（弹出Chromium）

5notebooklm login

6

7# CLI快速生成播客

8notebooklm create "AI论文综述"

9notebooklm use <notebook_id>

10notebooklm sourceadd"paper1.pdf""paper2.pdf"

11notebooklm generate audio "做一期深度播客"--wait

12notebooklm download audio ./podcast.mp3

13

14# Python API异步生成思维导图

15import asyncio

16from notebooklm import NotebookLMClient

17

18async def main():

19    async with await NotebookLMClient.from_storage() as client:

20        nb = await client.notebooks.create("Research")

21        await client.sources.add_file(nb.id, "paper.pdf", wait=True)

22        status = await client.artifacts.generate_mind_map(nb.id)

23        await client.artifacts.wait_for_completion(nb.id, status.task_id)

24        await client.artifacts.download_mind_map(nb.id, "mindmap.json")

25

26asyncio.run(main())

后端技术交流群
我们致力于创建一个高质量的技术交流社区，欢迎编程开发者和技术招聘HR专业人士加入。同时，我们也鼓励大家分享自己公司的内部推荐机会，互相协作，共同提升！
交流技术 职位内推 行业探讨
广告人士勿入，切勿轻信私聊，防止被骗

商务合作/软件著作权申请/项目推广/项目开发
联系微信：seo0751

最后说一句

NotebookLM 的真正潜力，
不在网页界面，
而在被代码调度、组合、放大的知识生产能力。

notebooklm-py 用开源证明：
最好的AI工具，是那些敢于突破官方限制、赋予用户完全控制权的接口。

它不承诺永久稳定（因依赖未公开API），
但为研究者、开发者、创作者打开了一扇门——
让知识工作，从手动点击走向自动化流水线。

如果你厌倦了在浏览器里重复劳动，
那么这个Python库，
就是你迈向程序化知识工程的第一步。

👍 点赞让更多开发者关注NotebookLM自动化方案
↗️ 转发给正在构建AI研究Agent的团队
🔔 关注持续追踪高价值开源AI生产力工具