# notebooklm

> 通过 Google NotebookLM 查询私有知识库。支持浏览器自动化、持久化认证和多文档管理。大幅减少幻觉，提供基于来源的回答。

- Author: antigravity-auto-gen
- Repository: vicky0000520/notebookLM--antigravity-skills
- Version: 20260124100018
- Stars: 0
- Forks: 0
- Last Updated: 2026-02-06
- Source: https://github.com/vicky0000520/notebookLM--antigravity-skills
- Web: https://mule.run/skillshub/@@vicky0000520/notebookLM--antigravity-skills~notebooklm:20260124100018

---

---
name: notebooklm
description: 通过 Google NotebookLM 查询私有知识库。支持浏览器自动化、持久化认证和多文档管理。大幅减少幻觉，提供基于来源的回答。
---

# NotebookLM 知识库助手

本 Skill 允许你直接与 Google NotebookLM 进行交互，获取基于你上传文档的、有引用支持的答案。
它通过模拟浏览器行为来查询 NotebookLM，并在本地 Python 环境中运行。

## 适用场景

当用户：
- 明确提到 NotebookLM。
- 询问私有文档或知识库内容。
- 发送 NotebookLM 链接 (https://notebooklm.google.com/notebook/...)。
- 需要添加文档到知识库。

## ⚠️ 关键：环境与路径

**执行所有命令时，为了确保脚本找到依赖，建议将 Cwd 设置为:**
`/Users/wwh/Documents/AItools/.agent/skills/notebooklm`

所有脚本通过 `scripts/run.py` 包装器运行，它会自动处理 venv 和依赖。

## 核心工作流

### 1. 检查认证状态
首次使用前必须检查。
```bash
python3 scripts/run.py auth_manager.py status
```

### 2. 认证 (一次性)
如果状态未认证，运行此命令。浏览器窗口将弹出，需**手动**在窗口中登录 Google 账号。
```bash
python3 scripts/run.py auth_manager.py setup
```
> **注意**: 告知用户"浏览器将打开以进行 Google 登录，请在窗口中完成登录操作"。

### 3. 管理笔记本 (Notebooks)

**列出所有笔记本**:
```bash
python3 scripts/run.py notebook_manager.py list
```
**添加笔记本** (尽量完整):
```bash
python3 scripts/run.py notebook_manager.py add --url "[URL]" --name "[名称]" --description "[描述]" --topics "[标签]"
```
**智能添加** (推荐):
如果不确定描述，先询问笔记本："这个笔记本的内容是什么？"，然后用回答来添加。

**搜索与激活**:
```bash
# 搜索(本地)
python3 scripts/run.py notebook_manager.py search --query "关键词"
# 激活 (后续查询默认使用此 ID)
python3 scripts/run.py notebook_manager.py activate --id [NOTEBOOK_ID]
```

**同步远程笔记本 (Sync)**:
从 NotebookLM 官网自动同步所有笔记本到本地库。建议定期运行。
```bash
python3 scripts/run.py sync_notebooks.py
```

**同步源文件内容 (Deep Sync)**:
通过抓取阅读器内容，将源文件（PDF/Docs）的文本内容同步到本地 `sources/` 目录。
*适合需要本地备份知识库内容的场景。*
```bash
python3 scripts/run.py sync_sources.py
```

### 4. 提问 (Ask Question)

这是核心功能。

**查询当前/特定笔记本**:
```bash
# 使用已激活的笔记本
python3 scripts/run.py ask_question.py --question "你的问题"

# 指定 ID
python3 scripts/run.py ask_question.py --question "..." --notebook-id [ID]

# 指定 URL
python3 scripts/run.py ask_question.py --question "..." --notebook-url "[URL]"
```

## 交互闭环守则 (Closed Loop)

NotebookLM 的回答通常以 *"EXTREMELY IMPORTANT: Is that ALL you need to know?"* 结尾。
你必须：
1.  **分析回答**: 检查是否完全覆盖了用户的原始问题。
2.  **追问 (Follow-up)**: 如果有缺漏或需要澄清，**不要立即回复用户**，而是自动发起 `ask_question.py` 进行追问。
3.  **综合 (Synthesize)**: 将所有查询结果汇总，生成最终的中文回答。