14,6k stjärnor: Styr Google NotebookLM med Python, koppla Claude Code

Google NotebookLMs webbapp räcker för tillfälligt bruk, men när du behöver research-pipelines, shellskript eller AI-agent-workflows stöter du på en vägg: de flesta åtgärder kräver klick i gränssnittet, och batcharbete blir jobbigt.

notebooklm-py på GitHub ( 14,6k+ stjärnor per maj 2026) fyller luckan — ett Python-lager ovanpå NotebookLM som också kopplas till Claude Code och liknande agenter.

Styr NotebookLM med Python

Var NotebookLM-webben tar slut

NotebookLM låter dig ladda upp PDF:er, URL:er och YouTube-länkar, chatta och generera poddar, slides, quiz med mera. Sök notebooklm tutorial så hittar du startguider — men det officiella gränssnittet har tydliga begränsningar:

Batchimport och -nedladdning innebär ett klick i taget
Quiz och flashcards är bara interaktiva — ingen JSON- eller Markdown-export
Mind maps och datatabeller exponerar inte strukturerad data i webbläsaren
Ingen inbyggd koppling till Claude Code, Codex eller andra kodningsagenter

För enstaka anteckningar räcker webben. För pipelines, CI-jobb eller «läs 20 artiklar och generera quiz» behöver du ett programmatiskt API.

Vad är notebooklm-py?

notebooklm-py är ett inofficiellt Python SDK och CLI underhållet av communityn (MIT-licens). Genom reverse engineering av Googles interna RPC exponeras nästan alla NotebookLM-funktioner plus sådant webben aldrig fick.

Varning: Inte Google-anslutet. Använder odokumenterade API:er som kan gå sönder. Bäst för personliga projekt, forskning och prototyper.

Tre sätt att använda det

Metod	Bäst för
Python API	Appintegration, async-pipelines, egna skript
CLI	Shellskript, snabba uppgifter, CI/CD
Agentintegration	Claude Code, Codex, OpenClaw, automatisering på naturligt språk

Det webbgränssnittet inte erbjuder

Förmåga	Vad du får
Batchnedladdning	Alla artefakter av en typ på en gång (MP3, MP4, PDF, PNG m.fl.)
Quiz-/flashcardexport	JSON, Markdown, HTML — inte bara den interaktiva vyn
Mind map JSON	Hierarkisk data för D3, ECharts eller andra verktyg
Datatabell CSV	Kalkylbladsfärdiga exportfiler
Slide-PPTX	Redigerbar PowerPoint, inte bara PDF
Revidering av en slide	Ändra en slide med naturligt språk-prompt
Spara chatt som anteckningar	Bevara Q&A eller hela konversationer i notebook
Källtext fulltext	Programmatisk åtkomst till indexerad källtext
Multi-kontoprofiler	Byt Google-konto utan ny inloggning
Webbläsarcookie-import	Återanvänd befintlig inloggad session

Genereringsutbudet är brett: ljudöversikter (4 format, 50+ språk), video (inkl. cinematic), infografik, rapporter, quiz, flashcards, mind maps och datatabeller — ofta med finare kontroll än webbplatsen.

Snabb installation

CLI-användare (inkl. agenter):

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

Endast bibliotek (med förhandsskaffat storage_state.json, utan Chromium):

pip install notebooklm-py

Se projektets installation.md för detaljer.

CLI-genomgång: från notebook till nedladdad podd

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

Använd --prompt-file för långa prompts som överskrider shell-längdgränser.

Python API-exempel

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())

Async-designen passar bra i större asyncio-workflows.

Claude Code-integration

Repot inkluderar ett Agent Skill. Två installationssätt:

# Alternativ 1: CLI-installation till Claude Code / .agents-katalog
notebooklm skill install

# Alternativ 2: skills-ekosystem
npx skills add teng-lin/notebooklm-py

Efter setup kan du säga till Claude Code: «Lägg till den här PDF:en i NotebookLM, generera ett svårt quiz och exportera Markdown» — agenten kör notebooklm-CLI istället för att låta dig klicka i webbläsaren.

För utvecklare som bygger notebooklm ai-workflows och vill ha full notebooklm officiell-generering är detta den smidigaste vägen idag.

Vill du slippa lokal miljö?

Playwright, cookies och API-förändringar passar inte alla. Om du vill fokusera på ladda upp → fråga → generera utan installation, använd vår online NotebookLM-upplevelse:

Börja använda NotebookLM

Sammanfattning

notebooklm-py förvandlar NotebookLM från ett renodlat klickverktyg på webben till en scriptbar, agentredo kunskapsmotor. 14,6k stjärnor speglar verklig efterfrågan: forskare som batchexporterar quiz, skapare som stoppar poddgenerering i pipelines, utvecklare som styr import och nedladdning från Claude Code med en mening.

Behåll webben för lätt dagligt bruk; ta Python + CLI + agenter när du behöver automatisering och export som webbläsaren aldrig erbjöd.

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