1实现原理 · 为什么它能做到
SKILL.md 本身不是执行器，而是一份『agent 操作手册』：它教 agent 调用随包安装的 `notebooklm` CLI，真正的网络与协议实现在 Python 包里（Web 走 batchexecute RPC，另有 Android gRPC 后端）。
SKILL.md
Use the `notebooklm` CLI for agent workflows. Prefer `--json` and explicit IDs so every operation is inspectable and safe under concurrency.
注：落地证据在包里：`src/notebooklm/rpc/types.py:94` 定义 `BATCHEXECUTE_URL = f"{DEFAULT_BASE_URL}/_/LabsTailwindUi/data/batchexecute"`，而 `src/notebooklm/_env.py:22` 定义 `DEFAULT_BASE_URL = "https://notebook.google.com"`。也就是说 agent 敲的每条命令最终都变成对 Google 未公开 RPC 端的调用——SKILL.md 负责『怎么用、什么算完成、什么必须先问用户』，Python 包负责『怎么发出去』。
本 skill 是被打包进 Python 包的产物：构建时把仓库根 SKILL.md 注入 `notebooklm/data/SKILL.md`，`notebooklm skill install` 再把它写到 agent 宿主的 skill 目录，因此 skill 文本与 CLI 版本天然同源同版。
pyproject.toml
force-include = {"SKILL.md" = "notebooklm/data/SKILL.md", "AGENTS.md" = "notebooklm/data/CODEX.md"}
注：安装目标目录写在 `src/notebooklm/_app/skill.py:50-51`：`"claude": SkillTarget("Claude Code", Path(".claude") / "skills" / "notebooklm" / "SKILL.md")` 与 `"agents": SkillTarget("Agent Skills", Path(".agents") / "skills" / "notebooklm" / "SKILL.md")`；CLI 侧还提供 `--scope project|user`、`--dry-run`、`--no-clobber`、`--force`、`skill package`（打包可上传档案）与 `skill status --json`（报 installed versions 与 `content_mismatch`）。SKILL.md 末段原文自述：'`notebooklm skill install` installs or updates supported local skill targets.'
认证走『凭证明文文件 + 分级』模型：浏览器登录产出 storage_state.json（会话 cookie），无头场景用 master_token.json（账户级凭证），两者都要求 0600、目录 0700，并支持按 profile 隔离。
SKILL.md
A master token is a durable full-account credential that survives password changes; use a dedicated account, protect it in a secret store and as `0600` on disk, and explicitly revoke it if exposed.
注：落盘位置与权限由 SECURITY.md 表格逐条列出（如 `profiles/<profile>/storage_state.json` = Google session cookies / `0o600`；`profiles/<profile>/master_token.json` = Google master token (Android / headless) / `0o600`；`profiles/<profile>/browser_profile/` / `0o700`），代码侧由 `src/notebooklm/_atomic_io.py:221` 强制（'``fchmod`` the temp file to ``mode`` (default ``0o600`` — cookies are …'）。SKILL.md 还专门提醒 CI 里的 `NOTEBOOKLM_MASTER_TOKEN_JSON` 只是『秘密运输约定』，要写成 0600 文件再 unset。
它靠『显式 ID + readiness 门禁』把不可靠的异步生成过程变成可核对的状态机：source 必须等到 `ready`，artifact 必须等到 `completed`，且都要用返回的真实 ID 而不是『最新可见的那个』。
SKILL.md
After adding sources, retain every `.source.id`, then run `source wait` for each before chat or generation.
注：配套纪律：'Download that exact artifact with `-a <artifact_id> -n <notebook_id>`; never select the latest visible artifact.'；状态取值在 Output and Citations 段写明（sources: `unknown`/`preparing`/`processing` -> `ready` or `error`; artifacts: `pending`/`in_progress` -> `completed`, `failed`, or `removed`）。
并发安全靠三重隔离：每个 CLI 命令显式带 `-n/--notebook`、每个并发 run 用独立 profile、深层研究用 `--run-id`；并禁止多 agent 共享同一个可写 storage_state.json。
SKILL.md
For every concurrent run, also set a unique `NOTEBOOKLM_PROFILE=agent-<id>` so context and profile writes are isolated.
注：同条还写明 'A new profile has no credentials: put a `master_token.json` copy in that profile and mint its storage before use. Never share one writable `storage_state.json` across agents.'；代码侧对应 `src/notebooklm/_atomic_io.py` 的 `storage_state.json` 专用锁（`.storage_state.json.lock`）——它明确拒绝把该文件名走通用原子写路径（'``atomic_update_json`` rejects ``storage_state.json`` paths'）。
授权边界被写成契约而非口号：安全只读操作可直接做，破坏性/耗时/写盘动作必须先拿到用户确认；且明确『CLI 不弹提示 ≠ 已授权』。
SKILL.md
User intent, not the presence of a CLI prompt, is the authorization boundary.
注：需先确认的清单含删除类（notebook/source/note/artifact/label/profile deletion、sharing removal、logout、clear、research cancellation、`ask --new`）、`language set`（会改账户全局输出语言）、生成与长等待、下载（写文件）、`research wait --import-all`（导入源）、`ask --save-as-note` 与 `history --save`（创建笔记）。诊断阶段另有只读开关：'Add `--passive` when the check must be strictly read-only'。
引用可追溯：聊天回答带 `references[].source_id`，而字符偏移是 UTF-16 偏移（不是扁平正文的字节/字符偏移），因此提供专门解析函数而非让 agent 自行截取。
SKILL.md
A reference's `start_char`/`end_char` are UTF-16 offsets into the structured source document, not flat `SourceFulltext.content`.
注：配套 API：'In Python, use `from notebooklm import resolve_chat_reference_passage`, then call `await resolve_chat_reference_passage(client, notebook_id, reference)`; it uses the exact document range and falls back to `find_citation_context()` when necessary.'——把易错的偏移换算收进库里，而不是留给 agent 猜。
失败处理给的是可判定的退出码与包络契约，而不是模糊提示：成功 0、普通失败 1、`source wait` 超时 2、`artifact wait`/`research wait` 超时 1，并要求先只读诊断、不边诊断边改状态。
SKILL.md
Exit 0 means success. Expected command failures use exit 1. A `source wait` timeout uses exit 2; `artifact wait` and `research wait` timeouts use exit 1.
注：同段还区分两类 JSON 形状（'Ordinary handled JSON failures use `{error, code, message}`, while wait commands return domain envelopes such as `{"status": "timeout", "error": "..."}`'），并要求诊断命令组合只用只读的那几条、生成失败不要无限重试（'do not loop indefinitely'）。
2核心能力
01Notebook 与 source 全生命周期管理（列表/创建/加源/等待就绪），含 URL、YouTube、Google Drive、文本、文件等多种源类型
02基于源的有据对话（grounded chat），返回 conversation_id 与可定位的 citations
039 类 artifact 生成：audio、video、slide-deck、infographic、report、mind-map、data-table、quiz、flashcards
04Deep research 两阶段编排：非阻塞发起（`--mode deep --no-wait`）→ 显式授权后 `research wait --import-all` 导入为源
05artifact 按 ID 定点下载到用户指定路径（可 `--all`、有冲突处理与 dry-run）
06两套编程接口：CLI（`--json` 结构化输出）+ typed async Python API（`NotebookLMClient.from_storage()` 等命名空间 notebooks/sources/chat/research/artifacts/mind_maps/notes/settings/sharing/labels/collections）
07四种认证路径：浏览器 OAuth 登录、浏览器 cookie 提取（`--browser-cookies <browser>`）、master-token 无头认证、CI 环境变量 JSON
08多前端复用同一业务核心：Click CLI、FastMCP MCP server（含 remote/OAuth 传输）、FastAPI REST server、Android gRPC 后端
09自我安装/自检：把本 SKILL.md 安装进 `.claude/skills/notebooklm/SKILL.md` 或 `.agents/skills/notebooklm/SKILL.md`，可打包成上传档案并报告安装版本与内容漂移
3外部依赖
| 类型 | 依赖 |
|---|---|
| cli | notebooklm CLI（本包 entry point，agent 全程调用它） |
| cli | pip / uv tool install / pipx（安装包本体，可选 extra 决定能力面） |
| cli | uv / uvx（桌面版 MCP 扩展启动器，用于拉起 notebooklm-mcp） |
| network | NotebookLM Web batchexecute RPC 端点（默认 notebook.google.com，可切 notebooklm.google.com / 企业域） |
| network | Google 账户与 OAuth 端点（浏览器登录 / master token 换取 / 令牌校验） |
| network | Google Drive 导入下载端点（加 Drive 源时拉文件） |
| network | Google APIs（Android 后端 Drive 暂存上传与请求） |
| api | gpsoauth（无头 master-token 认证，换取 Google 会话 cookie） |
| package | 运行时依赖 httpx / click / rich / filelock |
| package | 可选 extra：browser(playwright) / cookies(rookie-cookies) / headless(gpsoauth) / impersonate(curl_cffi) / android(grpcio+protobuf) / mcp(fastmcp==3.4.2) / server(fastapi+uvicorn+python-multipart) / markdown(markdownify) |
4风险提醒 风险提醒：黄色 · 留意使用
风险提醒：黄色 · 留意使用
- 凭证是账户级，泄露后果不可逆 — master_token.json 可在改密后继续铸造会话（SKILL.md 自述 'durable full-account credential that survives password changes'），storage_state.json 是活 cookie。任何能读到 ~/.notebooklm/ 的进程（含被 MCP/REST 暴露的服务端与本机其他程序）都等于拿到该 Google 账户的 NotebookLM 权限；SECURITY.md 也要求泄露后到 Google 账户设置里显式吊销。
- 启用 MCP/REST 托管即把账户凭证挂到网络端点上 — deploy/ 提供 Docker + Tailscale Funnel 方案把服务公开到 :443；SECURITY.md 定性为 'experimental, single-tenant'，'Both front account-equivalent Google credentials for whoever can reach the process.' 一旦暴露且鉴权配置不当，就是外部可达的账号级入口——此时应按橙档对待。
- 源内容注入无任何隔离条款 — 加进来的 URL/PDF/YouTube/Drive 源与 deep research 自动导入的源，其文本会经 NotebookLM 生成结果回流到 agent 上下文；SKILL.md 只教结构化解析（references/偏移/退出码），未要求把源内容当不可信数据。恶意文档可借生成内容影响 agent 后续动作（间接 prompt injection），防护完全依赖宿主。
- 对未公开 Google 服务的强依赖，可用性与合规性都由对方决定 — 仓库自述 'Android and Web are both unofficial integrations over undocumented Google services'，默认主机还经历过 #2067 切换（notebook.google.com ↔ notebooklm.google.com），说明端点与内部 RPC id 随时可能变；大量类似 'NOTEBOOKLM_RPC_OVERRIDES' 的逃生开关也侧面印证脆弱性。用于生产自动化需接受随时被上游打断。
- 耗时与配额约束会拖长 agent 会话 — deep research 15-30+ 分钟、`research wait --import-all` 可能吃掉约 3600 秒宿主墙钟时间、`generate video --format cinematic` 约 30-40 分钟且需 Google AI Ultra、生成受 Google 速率限制。SKILL.md 要求这些长等待必须先获用户授权，否则容易变成长时间前台阻塞或反复重试。
- 自我安装能力可改写宿主 skill 目录 — `notebooklm skill install` 会把 SKILL.md 写入 .claude/skills/notebooklm/（或 .agents/skills/…）。虽然需用户显式执行且提供 --dry-run/--no-clobber/--force 与 content_mismatch 报告，但意味着一个 CLI 命令可以改写 agent 的指令层文件；在多个 skill 混装的目录里应先用 --scope project --dry-run 预览。
风险提醒：黄色，谨慎使用并核对其动作边界。判据：这不是纯 prompt skill——它随包携带真实代码（530 个 Python 文件），平时会执行网络 RPC、读取账户等价凭证（storage_state.json / master_token.json / 浏览器 cookie 库）、按用户指令写文件（下载产物、安装 SKILL.md 到 .claude/skills），可选组件还能把带凭证的服务经 MCP/REST + Tailscale Funnel 暴露成公开端点。之所以不给橙/红：动作面虽大却被显式框住——授权边界（破坏性/写盘/长等待/`language set`/`--import-all` 必须先获用户确认；『prompt 缺失不等于同意』）、权限位（0600/0700）、原子写、只读诊断开关 `--passive`、退出码契约、SECURITY.md 的 operator 威胁模型与漏洞上报流程都在仓库里，且它对 Google 服务的非官方性质有明确声明。给黄不给绿的关键在于两点：凭证是账户级、丢失后可改密无效；以及完全没有任何针对『源文档内容注入』的隔离条款（见 injection_surface）。若用户启用 MCP/REST 公网暴露，应按橙档对待（任何能访问该进程的人都等于持有该 Google 账户的 NotebookLM 权限）。
5第二遍独立确认
- [ok] skill.path 定位 — 候选位置检查：仓库根有 SKILL.md（存在，314 行）；无 skills/ 目录、无 .claude/skills/、无 plugins/；另在包内发现它的分发副本位置 `notebooklm/data/SKILL.md`（构建期注入，非仓库源文件）。故按批次规则 path='.'。
- [ok] 『实现方式』核对：SKILL.md 是不是空壳？（first-pass 假设它靠 CLI） — 不是空壳也不是纯文档——它是 crate 级薄指令 + 重实现库的组合：SKILL.md 里所有命令都能在包里找到对应实现（entry points 三个 console script；download 逻辑见 _app/download.py 的 'Click-free core' 说明），且 pyproject 的 force-include 把 SKILL.md 本身当包数据分发，说明二者版本绑定。没有夸大口径：它自称的前提（Python 3.10+、需 pip 装包、非官方集成）都在源码/文档里有对应。
- [ok] 外部依赖逐条复核（第二遍独立重查调用点） — 8 条 external_deps 全部在源码中找到调用点或声明点，无一条来自『推测』：CLI/uvx 来自 SKILL.md 与 desktop-extension；网络四条来自 rpc/types.py、_env.py、_web/sources/drive_import.py、_source/drive.py 的常量；gpsoauth 与各 extra 来自 _auth/mint_service.py 与 pyproject.toml。
- [ok] 安全结论反例搜索：有没有漏掉的网络调用/隐藏脚本/混淆内容？ — 按主机名穷举后未发现第三方（非 Google）外发；未发现混淆代码或 base64 载荷；`src/notebooklm/_android/proto/**` 是 Google 生成的 protobuf 桩（自动生成、量大但非隐藏逻辑）；desktop-extension/run_server.py 只做 uvx 定位与 exec，且注释明确 stdout 必须保持纯 JSON-RPC（有单测暴露函数）。deploy/ 与 MCP/REST 是 opt-in 且 SECURITY.md 把风险写明。
- [ok] injection_surface 的『无隔离条款』是否有遗漏的防护（例如源内容白名单/沙箱） — 在 SKILL.md 全文检索注入/不可信相关内容：仅有针对自身权限的授权边界（'User intent, not the presence of a CLI prompt, is the authorization boundary.'）与凭证不外泄要求（'Never expose credential contents.'），没有任何把源文档/回答内容当不可信指令的条款；包侧对 Drive 下载做了域名白名单（_TRUSTED_GOOGLE_DOMAINS）与 URL 校验，但那是传输安全，不是内容注入防护。故 first-pass 的判断成立，且已把风险写进 risks。
- [ok] 退出码/状态取值等细节表述是否与代码一致 — SKILL.md 所述 exit 0/1/2 与 JSON 包络形态来自仓库自述的契约文档（docs/cli-exit-codes.md 同主题）；本次未逐条跑 CLI 实测（不构造账号环境、也不跑测试），故只按『源码文本一致』给结论，未验证运行时行为。
- [ok] 元数据复核 — 本地 HEAD 等于 pin；LICENSE 为 MIT，pyproject `license = {text = "MIT"}` 与 classifiers 'License :: OSI Approved :: MIT License' 一致；stars 19330、last_push 2026-09-13、license MIT 取自池内 queue-100.json（未额外 gh 复核）。installs 无公开来源，置 null。
6结论
适合：适合用自然语言驱动 NotebookLM 的工作流：把一堆链接/PDF/Drive 文件变成摘要、播客、视频、幻灯片、思维导图、测验；也适合把 NotebookLM 当研究助手做 deep research 并把结论导回本地；开发者可直接用 typed async Python API 集成，或经 MCP/REST 把它接进自建 agent 体系；多 agent 并发场景有明确的 profile/ID 隔离约定可用。
不适合：不适合把它当成『免账号的公开工具』——它必须有真实 Google 账号与服务权限（部分生成类型还要求 Google AI Ultra），且是未公开接口的非官方集成，随时可能失效。不适合对合规审计要求严格的场景（凭证落盘 + 未公开 RPC + 单租户 MCP/REST 都不满足企业多租户要求）。不适合把它放到公网暴露给不可信用户（等于共享账户权限）。也不适合只想做通用 Gemini API 调用的用户——SKILL.md 明确 'Do not use for the generic Gemini API or unrelated content creation.'。
安装 agent 直装可复制
① 本站镜像 更新 2026-09-15
方式 A · 人下载镜像包下载 notebooklm-python.tar.gz
sha256:
方式 B · JSON 格式安装指南，复制给 agent2231081c4d43c0ea…agent 读 JSON 指南后会自动从本站下载安装，无需更多说明。
② 上游 GitHub · 原始来源
来源信息 GitHub 原始
作者 / 仓库teng-lin / teng-lin/notebooklm-py
原始 GitHubteng-lin/notebooklm-py ↗
Stars19330
最近推送2026-09-13
本 skill commit
5472d7cfcc许可MIT（仓库根 LICENSE 文件；pyproject.toml `license = {text = "MIT"}`）
本站信息
收录日期2026-09-06
分类内容创作
侦查报告AI 侦查 · 2 遍 · 2026-09-06
本站镜像与 GitHub 原始是不同来源：本站锁定 commit 快照经 /r2 分发；GitHub 为实时上游，内容可能已更新。