当前位置:首页>python>NotebookLM 终于有 Python API 了,17K Star 的开源库让我告别手动操作

NotebookLM 终于有 Python API 了,17K Star 的开源库让我告别手动操作

  • 2026-10-11 06:17:34
NotebookLM 终于有 Python API 了,17K Star 的开源库让我告别手动操作

Google 的 NotebookLM 出来有段时间了,把文档丢进去让它帮你生成播客、思维导图、测验题……确实好用。但它有个致命短板:只能网页操作,没法批量、没法自动化。

比如你想同时分析 5 篇 PDF,网页版只能一个个上传。更别提集成到 Claude Code 或者你自己的 Agent 工作流里了。

直到我发现 notebooklm-py —— 一个把 NotebookLM 变成可编程工具的 Python 库,GitHub 上已经 17,200+ Star。

一句话说清楚它是什么

notebooklm-py 是 NotebookLM 的一个非官方 Python API + CLI 工具 + Agent Skill三合一方案。它做的事情很简单:把网页版 NotebookLM 的所有操作搬到了代码里,还额外暴露了网页版没有的 API。

批量导入文档?批量下载播客?把 Quiz 导出成 JSON 给下游分析?让 Claude Code 直接调用 NotebookLM?它全支持。

看完这个场景,你就知道它多香了

假设你要调研 LangChain、AutoGen、CrewAI 三个 Agent 框架的差异。手上有:

  • 三份框架官方文档(URL)
  • 两个技术博客 PDF
  • 一个 YouTube 对比视频

正常流程:一个个上传 → 等分析 → 逐个查看结果 → 手动记笔记。累。

用 notebooklm-py 一条命令搞定:

notebooklm create "Agent框架对比" --sources langchain.com/doc autogen.readthedocs.io crewai-docs.pdf blog1.pdf blog2.pdf youtube.com/watch?v=xxx --audio podcast --style dialogue --length medium

它会自动创建 Notebook、一键导入 6 个源、分析内容、生成 10 分钟对比播客。

最让我心动的是引证式分析——生成的结果会标注信息来源,比如"根据 LangChain 文档第 3 章,链式调用更适合……",然后告诉你 AutoGen 强在多 Agent 协作,CrewAI 擅长任务编排。

核心功能一览

① 完整的 NotebookLM 功能覆盖

Notebooks、Sources、Chat、Notes、Research、Sharing 每一个阶段都有对应的 Python API 和 CLI 命令。支持 URL、YouTube、PDF、Google Drive 等十多种来源,批量导入不再需要手动一个个上传。

② AI Agent 工具集成

内置 Claude Code Skill、Codex、AGENTS.md,一键安装就能让 Agent 干活。支持 MCP Server,Claude Desktop/Code、Cursor、Windsurf 等工具可以直接调用。还提供了 REST Server 模式,本地跑 HTTP API,不需要每次启动 CLI 进程。

③ 内容生成能力

Audio Overview 支持 4 种格式、3 种长度、50+ 语言,能生成播客、对话、辩论、批判四种风格。Video Overview 有 3 种格式、9 种视觉风格。Slide Deck、Infographic、Quiz、Flashcards、Report、Mind Map、Data Table 全部一键生成。

能力类型
网页版
notebooklm-py
批量导入文档
不支持,逐个上传
支持批量/URL/YouTube
批量下载产物
逐个点击下载
一键批量下载
Quiz 导出 JSON
只查看交互视图
导出 JSON/Markdown/HTML
Mind Map 结构化
只查看,无法导出数据
导出 JSON 供可视化
Agent/CLI 集成
不支持
Claude Code/Cursor 等
多账号切换
需要重新登录
多 profile 无缝切换

④ 输出格式全覆盖

内容类型
支持格式
亮点
Audio Overview
MP3
4 种格式、50+ 语言
Video Overview
MP4
9 种视觉风格
Slide Deck
PDF
自然语言修改单页
Infographic
PNG
一键信息图
Quiz / Flashcards
JSON / MD / HTML
结构化导出,可接下游分析
Mind Map
JSON
供可视化工具使用
Report
PDF / Markdown
研究型报告自动生成
Data Table
CSV / JSON
结构化数据导出

安装 & 上手

三种方式,按需选择:

使用方式
安装命令
适用场景
CLI / Agent
uv tool install "notebooklm-py[browser]"
终端操作、Agent 调用
Python API
uv add notebooklm-py
脚本/项目集成
Agent 集成
notebooklm skill install
Claude Code / Cursor 等

安装后验证:

notebooklm login

notebooklm auth check --test --json

🧑‍💻 技术人能怎么玩?

场景 1:文档自动化分析流水线

你维护着一个开源项目,每次发新版本都要更新文档。可以写个 GitHub Action,在 PR 合并后自动调用 notebooklm-py 生成更新摘要播客,丢到 Discord 频道通知团队。

场景 2:竞品研究报告自动生成

定个 Cron Job,每周自动抓取竞品官网、技术博客,喂给 NotebookLM,生成对比简报和思维导图,导出 Markdown 发到飞书群。

场景 3:MCP Server 接入现有工作流

你有自己的 Agent 工作流?notebooklm-py 提供了 MCP Server 支持,Claude Desktop、Cursor、Windsurf 都能直接调用。让你的 Agent 说"给我分析这三篇论文",它就默默去 NotebookLM 跑完把结果吐回来。

⚠️ 但有些坑你得知道

它是一个非官方库

调的是 Google 未公开的 API,Google 可能会随时更新导致库失效。量太大也可能被限流。

不适用于生产环境

更适合原型验证、研究、个人项目。如果你只是想偶尔生成一两个播客,网页版就够了。

说白了:它是给有自动化需求、想把 NotebookLM 嵌入工作流的开发者准备的。如果只是偶尔玩玩,网页版完全够用。

总结

notebooklm-py 做的事情本质上就一句话:把 NotebookLM 从"网页工具箱"变成"可编程平台"。

批量操作、Agent 集成、数据导出——这些网页版做不了的事,它帮你做了。Star 数 17,200+ 也说明了一件事:大家是真需要这个。

开源地址:github.com/teng-lin/notebooklm-py

— END —

支付宝扫码红包大放水

最新文章

随机文章