它是什么
notebooklm-py 是一套面向 Google NotebookLM（现已更名为 Gemini Notebook）的非官方 Python API 与 AI 智能体技能包。它把 NotebookLM 的能力从网页界面中"解锁"出来，让开发者可以通过 Python 代码、命令行工具（CLI）以及 Claude Code、Codex 这类 AI 智能体，以编程方式访问其功能——其中甚至包括网页 UI 本身并未开放的部分。
从定位上看，它不是一个替代品，而是一层"外挂接口"：底层调用的仍是 NotebookLM 的官方服务，只是把原本只能靠鼠标点击完成的流程，变成了可被脚本和智能体调用的能力。项目方特别说明，2026 年 7 月 Google 将 NotebookLM 更名为 Gemini Notebook，产品本身保持不变（如今也能在 Gemini 应用内进入），旧链接会自动跳转，而该库驱动的仍是同一套底层服务，因此无需改动即可继续工作，包名也依旧沿用 notebooklm-py。
需要在一开始就明确：这是社区项目，与 Google 无隶属关系。
核心功能 / 内容清单
- Python API：提供编程接口，让脚本可以直接操作 NotebookLM 的笔记本、资料源与生成任务。它解决的是"人工点击无法规模化"的问题——需要循环处理、条件判断或与其他系统串联时，纯网页操作难以胜任。
- 命令行工具（CLI）：无需写代码即可在终端中完成操作，适合快速验证、写进 shell 脚本或 CI 流程。对于只需要"跑一次"的任务，CLI 比写 Python 脚本更省事。
- AI 智能体技能（Skill）：仓库根目录提供
SKILL.md，支持通过 GitHub 与npx skills add被发现；同时提供本地notebooklm skill install，可安装到 Claude Code 与.agents技能目录，仓库级还附带AGENTS.md作为 Codex 的指导。这让 LLM 智能体能够在对话中直接调用 NotebookLM，而不必让用户手动搬运内容。 - 网页 UI 未暴露的能力：README 明确指出该库可访问网页界面没有开放的功能。这类"隐藏能力"通常意味着更细粒度的控制或更批量化的操作，是纯手工使用网页版难以触及的部分。
- 研究自动化与智能体工具两大方向：从 README 的"What You Can Build"可见，项目主要面向 AI 智能体集成（Agent Tools）与研究工作流自动化两类用途。
典型使用场景
场景一：把 NotebookLM 接进编码型 AI 智能体。 当你在 Claude Code 或 Codex 中做技术调研，希望智能体能基于你收集的资料回答问题时，可以借助该库提供的 skill，让智能体在对话里直接读写 NotebookLM：投喂资料源、发起提问、取回结果，全程不必切到浏览器手动复制粘贴。仓库级的 AGENTS.md 则为 Codex 提供了统一的使用约定。
场景二：批量化的资料处理流程。 如果你手头有若干份报告、论文或访谈记录，需要按统一流程整理成可检索的笔记体系，可以写一个 Python 脚本循环导入资料、触发处理并收集产出，把原本重复的点击操作压缩成一条命令；配合 CLI，还可将其嵌入定时任务或自动化管道。
适合谁用
- 开发者与 AI 工程师：需要将 NotebookLM 作为组件嵌入自有应用或智能体工作流，看重的是可编程性而非界面。
- 研究人员与学生：面对大量文献与资料，希望通过脚本减少手工整理与检索的重复劳动。
- AI 智能体重度使用者：已经在使用 Claude Code、Codex 等工具，希望把 NotebookLM 纳入既有的"智能体工具链"。
- 不建议的人群：对稳定性有生产级要求的团队。项目作者也说明它更适合原型、研究和个人项目。
快速上手
整体路径大致为三步：安装包（PyPI 包名为 notebooklm-py，支持 Python 3.10–3.14）→ 完成与 Google 账号相关的认证 → 通过 Python 或 CLI 调用，或为智能体安装 skill。
若面向智能体使用，可先通过 npx skills add 或 GitHub 发现该技能，再用 notebooklm skill install 安装到 Claude Code 或 .agents 目录。
各个命令的具体参数、认证方式与调用示例，以官方 README 与仓库内的 SKILL.md、AGENTS.md 为准，此处不再臆测。
注意事项
- 非官方接口，随时可能失效：该库依赖的是 Google 未公开的 API，Google 可以在不通知的情况下更改内部端点。作者明确提示"API 可能失效"。
- 速率限制：频繁或大量调用可能被限流，重负载场景需要自行设计退避与重试。
- 与 Google 无关：这是社区项目，遇到问题不应向 Google 寻求支持，可参考仓库
docs/troubleshooting.md的排查建议。 - 协议：项目采用 MIT 协议，使用时请遵守其条款，并自行评估对目标服务条款的合规性。
- 常见坑：把它当作长期稳定的生产依赖是主要风险点；建议在关键流程中做好失败降级，并关注上游变更带来的接口漂移。