14,6k зірок: Керуйте Google NotebookLM через Python і підключайте Claude Code
- notebooklm ai
- notebooklm tutorial
- notebooklm
- notebooklm офіційний
Веб-інтерфейс Google NotebookLM підходить для разового використання, але коли потрібні дослідницькі пайплайни, shell-скрипти чи workflow з AI-агентами, ви впертесь у стіну: більшість дій — через кліки в UI, а пакетна робота виснажує.
notebooklm-py на GitHub ( 14,6k+ зірок станом на травень 2026) закриває цю прогалину — Python-шар над NotebookLM із підключенням до Claude Code та подібних агентів.
Де веб-інтерфейс NotebookLM зупиняється
NotebookLM дозволяє завантажувати PDF, URL і посилання YouTube, спілкуватися та генерувати подкасти, слайди, quiz тощо. Запит notebooklm tutorial дасть стартові гайди — але офіційний UI має чіткі межі:
- Пакетний імпорт і завантаження — по одному кліку на елемент
- Quiz і картки лише інтерактивні — без експорту JSON чи Markdown
- Mind map і таблиці даних не віддають структуровані дані в браузері
- Немає нативної інтеграції з Claude Code, Codex чи іншими coding-агентами
Для рідких нотаток веба вистачить. Для пайплайнів, CI-задач або «прочитай 20 статей і згенеруй quiz» потрібен програмний API.
Що таке notebooklm-py?
notebooklm-py — неофіційний Python SDK і CLI від спільноти (ліцензія MIT). Через reverse engineering внутрішнього RPC Google відкриває майже всі можливості NotebookLM плюс функції, яких веб ніколи не мав.
Застереження: Не афілійований з Google. Використовує недокументовані API, що можуть зламатися. Найкраще для особистих проєктів, досліджень і прототипів.
Три способи використання
| Спосіб | Найкраще для |
|---|---|
| Python API | Інтеграція в застосунки, async-пайплайни, власні скрипти |
| CLI | Shell-скрипти, швидкі задачі, CI/CD |
| Інтеграція з агентами | Claude Code, Codex, OpenClaw, автоматизація природною мовою |
Те, чого немає у веб-інтерфейсі
| Можливість | Що отримуєте |
|---|---|
| Пакетне завантаження | Усі артефакти типу одразу (MP3, MP4, PDF, PNG тощо) |
| Експорт quiz / карток | JSON, Markdown, HTML — не лише інтерактивний вигляд |
| JSON mind map | Ієрархічні дані для D3, ECharts чи інших інструментів |
| CSV таблиць даних | Експорт, готовий для таблиць |
| PPTX слайдів | Редагований PowerPoint, не лише PDF |
| Редагування одного слайда | Змінити слайд через prompt природною мовою |
| Зберегти чат у нотатки | Зберегти Q&A або цілі діалоги в notebook |
| Повний текст джерел | Програмний доступ до проіндексованого тексту |
| Профілі кількох акаунтів | Перемикання Google-акаунтів без повторного входу |
| Імпорт cookies браузера | Повторне використання вже авторизованої сесії |
Охоплення генерації широке: аудіо-огляди (4 формати, 50+ мов), відео (включно з cinematic), інфографіка, звіти, quiz, картки, mind map і таблиці — часто з тоншим контролем, ніж на сайті.
Швидке встановлення
Користувачі CLI (включно з агентами):
pip install "notebooklm-py[browser]"
playwright install chromium
notebooklm login
notebooklm auth check --test --json
Лише бібліотека (із заздалегідь отриманим storage_state.json, без Chromium):
pip install notebooklm-py
Деталі в installation.md проєкту.
CLI walkthrough: від notebook до завантаженого подкасту
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
Використовуйте --prompt-file для довгих prompt, що перевищують ліміт shell.
Приклад Python API
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-дизайн добре вписується в більші asyncio-workflow.
Інтеграція з Claude Code
Репозиторій містить Agent Skill. Два шляхи встановлення:
# Варіант 1: CLI-встановлення в Claude Code / каталог .agents
notebooklm skill install
# Варіант 2: екосистема skills
npx skills add teng-lin/notebooklm-py
Після налаштування можна сказати Claude Code: «Додай цей PDF у NotebookLM, згенеруй складний quiz і експортуй Markdown» — агент запустить CLI notebooklm замість ручних кліків у браузері.
Для розробників із workflow notebooklm ai, яким потрібні всі можливості генерації notebooklm офіційний, це сьогодні найпряміший шлях.
Не хочете налаштовувати локальне середовище?
Playwright, cookies і зміни API — не для всіх. Якщо хочете зосередитись на завантаженні → запиті → генерації без установки, скористайтесь нашим онлайн NotebookLM:
Почати використовувати NotebookLM
Підсумок
notebooklm-py перетворює NotebookLM з веб-інструменту «лише кліки» на scriptable knowledge engine, готовий до агентів. 14,6k зірок відображають реальний попит: дослідники пакетно експортують quiz, автори вбудовують генерацію подкастів у пайплайни, розробники керують імпортом і завантаженням з Claude Code однією фразою.
Веб — для легкого щоденного використання; Python + CLI + агенти — коли потрібна автоматизація та експорт, яких браузер ніколи не давав.