14,6k stars: Bestuur Google NotebookLM met Python, koppel Claude Code

De webapp van Google NotebookLM volstaat voor incidenteel gebruik, maar zodra je research-pipelines, shellscripts of AI-agent-workflows nodig hebt, loop je tegen muren aan: de meeste acties vereisen klikken in de UI, en batchwerk wordt vermoeiend.

notebooklm-py op GitHub ( 14,6k+ stars per mei 2026) vult die leemte — een Python-laag boven NotebookLM die ook aansluit op Claude Code en vergelijkbare agents.

Waar de NotebookLM-web-UI stopt

NotebookLM laat je PDF’s, URL’s en YouTube-links uploaden, chatten en podcasts, slides, quizzen en meer genereren. Zoek op notebooklm tutorial en je vindt startersgidsen — maar de officiële UI heeft duidelijke grenzen:

• Batch-import en -download betekent één klik per item
• Quizzen en flashcards zijn alleen interactief — geen JSON- of Markdown-export
• Mindmaps en datatabellen geven geen gestructureerde data in de browser
• Geen native koppeling met Claude Code, Codex of andere coding-agents

Voor af en toe notities volstaat de webapp. Voor pipelines, CI-jobs of «lees 20 papers en genereer quizzen» heb je een programmatische API nodig.

Wat is notebooklm-py?

notebooklm-py is een onofficiële Python SDK en CLI, onderhouden door de community (MIT-licentie). Via reverse engineering van Google’s interne RPC worden vrijwel alle NotebookLM-mogelijkheden blootgelegd, plus functies die de web-UI nooit kreeg.

Disclaimer: Niet gelieerd aan Google. Gebruikt ongedocumenteerde API’s die kunnen breken. Het bestst voor persoonlijke projecten, onderzoek en prototypes.

Drie manieren om het te gebruiken

Methode	Het best voor
Python API	App-integratie, async pipelines, custom scripts
CLI	Shellscripts, snelle taken, CI/CD
Agent-integratie	Claude Code, Codex, OpenClaw, natural-language automatisering

Wat de web-UI niet biedt

Mogelijkheid	Wat je krijgt
Batch-download	Alle artefacten van een type in één keer (MP3, MP4, PDF, PNG, enz.)
Quiz-/flashcard-export	JSON, Markdown, HTML — niet alleen de interactieve weergave
Mindmap-JSON	Hiërarchische data voor D3, ECharts of andere tools
Datatabel-CSV	Spreadsheetklare exports
Slide-PPTX	Bewerkbare PowerPoint, niet alleen PDF
Enkele slide revisie	Eén slide wijzigen met een natural-language prompt
Chat opslaan als notities	Q&A of volledige gesprekken in het notebook bewaren
Bron-volledige tekst	Programmatische toegang tot geïndexeerde brontekst
Multi-accountprofielen	Google-accounts wisselen zonder opnieuw in te loggen
Browsercookie-import	Bestaande ingelogde sessie hergebruiken

Generatiedekking is breed: audio-overviews (4 formaten, 50+ talen), video (inclusief cinematic), infographics, rapporten, quizzen, flashcards, mindmaps en datatabellen — vaak met fijnere controle dan de website.

Snelle installatie

CLI-gebruikers (incl. agents):

pip install "notebooklm-py[browser]"
playwright install chromium
notebooklm login
notebooklm auth check --test --json

Alleen bibliotheek (met vooraf verkregen storage_state.json, zonder Chromium):

pip install notebooklm-py

Zie installation.md van het project voor details.

CLI-walkthrough: van notebook naar podcast-download

notebooklm create "AI Research"
notebooklm use <notebook_id>
notebooklm source add "https://en.wikipedia.org/wiki/Artificial_intelligence"
notebooklm source add "./paper.pdf"
notebooklm ask "What are the key themes?"
notebooklm generate audio "make it engaging" --wait
notebooklm download audio ./podcast.mp3
notebooklm generate quiz --difficulty hard
notebooklm download quiz --format markdown ./quiz.md

Gebruik --prompt-file voor lange prompts die shell-lengtelimieten overschrijden.

Python API-voorbeeld

import asyncio
from notebooklm import NotebookLMClient

async def main():
    async with await NotebookLMClient.from_storage() as client:
        nb = await client.notebooks.create("Research")
        await client.sources.add_url(nb.id, "https://example.com", wait=True)
        result = await client.chat.ask(nb.id, "Summarize this")
        print(result.answer)
        status = await client.artifacts.generate_quiz(nb.id)
        await client.artifacts.wait_for_completion(nb.id, status.task_id)
        await client.artifacts.download_quiz(nb.id, "quiz.json", output_format="json")

asyncio.run(main())

Het async-ontwerp past goed in grotere asyncio-workflows.

Claude Code-integratie

De repo levert een Agent Skill. Twee installatiepaden:

# Optie 1: CLI-installatie naar Claude Code / .agents-map
notebooklm skill install

# Optie 2: skills-ecosysteem
npx skills add teng-lin/notebooklm-py

Na setup kun je Claude Code vragen: «Voeg deze PDF toe aan NotebookLM, genereer een moeilijke quiz en exporteer Markdown» — de agent draait de notebooklm-CLI in plaats van je door de browser te laten klikken.

Voor developers die notebooklm ai-workflows bouwen en volledige notebooklm officieel-generatiefuncties willen, is dit vandaag de soepelste route.

Liever geen lokale omgeving opzetten?

Playwright, cookies en API-wijzigingen zijn niet voor iedereen. Als je wilt focussen op uploaden → vragen → genereren zonder te installeren, gebruik onze online NotebookLM-ervaring:

Begin met NotebookLM

---

Samenvatting

notebooklm-py maakt van NotebookLM een scriptbaar, agent-klaar kennismotor in plaats van een puur klikbare webtool. 14,6k stars weerspiegelen echte vraag: onderzoekers die quizzen batch exporteren, makers die podcastgeneratie in pipelines stoppen, developers die import en download vanuit Claude Code in één zin sturen.

Houd de web-UI voor licht dagelijks gebruik; pak Python + CLI + agents wanneer je automatisering en exports nodig hebt die de browser nooit bood.

Project: github.com/teng-lin/notebooklm-py