NotebookLM Skill
让 Claude Code 通过浏览器自动化直接对话 Google NotebookLM：把用户上传的私有文档变成带引用、仅基于原文的答案源，配合无状态追问机制做深度文档研究，彻底告别复制粘贴。
仓库：PleasePrompto/notebooklm-skill
热度证据：7.6k star，NotebookLM 对接技能；awesome-claude-skills README 社区技能榜；本地 SKILLS_INDEX.md 亦有 notebooklm（Claude Code 平台）条目
五维评分
热度4/5
质量4/5
创新4/5
易用4/5
文档5/5
优秀点拆解
- 无状态架构+强制追问机制：每次回答尾部附加『Is that ALL you need?』提示语，把无会话的浏览器自动化转化为 LLM 自主判断信息完整性并带上下文追问的深度研究链
- 混合认证方案：持久浏览器 profile 保指纹一致 + state.json 手动 cookie 注入，绕过 Playwright 两个已知 bug（#36139/#14949），AUTHENTICATION.md 完整记录解法
- 答案完整性检测有真实迭代：等待 thinking 占位消失+连续 3 次稳定轮询防流式截断，超时 30s→120s，CHANGELOG 记录踩坑修复全过程
- Smart Discovery 防幻觉：添加 notebook 前先查询其真实内容再生成元数据，规则明令 NEVER guess，从机制上防止垃圾数据污染库
- 文档体系标杆：SKILL.md/README/AUTHENTICATION.md/references 三件套/CHANGELOG 六层文档，含决策流、竞品对比表、错误对照表与免责声明
可复用的设计模式
- 统一 run.py 入口+自举环境：所有脚本经包装器调用，自动建 venv、装依赖、装浏览器，环境问题收敛到一个入口
- 无状态补偿模式：能力边界用提示语补偿，把『每次提问都是新会话』转化为『每次自带上下文+LLM 主动追问』
- 先探测再入库/禁止猜测：外部资源索引一律先查询真实内容再填元数据，缺信息就问用户，绝不让 agent 编造
- 多级 selector 回退+稳定性轮询：多语言 aria-label 回退、连续 N 次相同文本判定答案完成、超时集中配置
适用场景
技术文档问答：查 API/框架文档的实现细节、边界情况与最佳实践私有资料库研究：把 PDF、网页、YouTube、代码仓库上传 NotebookLM 后做跨文档综合问答防幻觉开发辅助：写代码前先查『我的 n8n 文档怎么说 X』，避免编造 API多 notebook 对比研究：多库 activate 切换查询后综合比对答案批量研究脚本：subprocess 循环/并行调用 ask_question.py 做批处理调研
边界与注意：仅支持本地 Claude Code（web UI 沙箱无网络）；免费账户每天 50 次查询限流；无会话持久化，多轮需靠追问链带全上下文；依赖 NotebookLM 网页 DOM selector，UI 改版需维护；文档须手动上传且 notebook 需公开分享；自动化登录 Google 有风控风险，建议专用账户
完整拆解分析文档
本页为摘要版，完整精读分析（核心机制、逐条优秀点拆解、写作过程）见本地 Markdown 文档：
analysis/notebooklm-skill.md