notebooklm-py：Google NotebookLM 非官方 Python API

2026-05-22 约 8134 字预计阅读 21 分钟

学习目标

学完本文，你应该能够：

部署 notebooklm-py 开发环境：选择合道的认证方式（--browser-cookies chrome、交互式 notebooklm login、或指定浏览器 Profile），完成 Google 账号认证。
使用 CLI 操作 NotebookLM：创建 Notebook、添加来源（URL、本地文件）、基于文档问答、生成播客（Audio Overview）、生成视频、生成 Quiz 和闪卡。
把 notebooklm-py 集成到 Python 应用：用 NotebookLM() 类创建 Notebook、添加来源、问答、生成音视频。
把 notebooklm-py 集成到 AI 智能体（Claude Code / Codex / OpenClaw）：设计多智能体协作工作流，让 Claude Code 调用 NotebookLM 处理研究任务。
评估 notebooklm-py 的适用边界：根据你的使用场景（学术研究、竞品分析、新闻追踪等），判断 notebooklm-py 是否是最合适的工具，并知道何时应该选择官方 NotebookLM UI。

项目概览

指标	数值
仓库	teng-lin/notebooklm-py
今日新增 Stars	🔥 今日新上榜
总 Stars	⭐ 14,379
主语言	Python
功能定位	Google NotebookLM 非官方 Python SDK + CLI
支持场景	Python / CLI / Claude Code / Codex / OpenClaw 智能体

🔥 为什么这个项目值得关注？

Google NotebookLM 是 Google 实验室推出的 AI 笔记助手，最大亮点是能将任意文档（PDF、网页、音频、视频）转换为可交互的播客、Quiz、思维导图。它背后的 Audio Overview 功能可以将论文、技术文档变成两个 AI 主播的对话播客，在通勤时听——体验极其惊艳。

但 NotebookLM 的能力大部分只暴露在网页 UI 里，API 没有官方公开，智能体和工作流里想自动化调用非常困难。

notebooklm-py 填补了这个空白——一个完整的非官方 Python SDK + CLI，支持 NotebookLM 几乎所有功能：

📝 文档转播客（Audio Overview）
🎬 视频生成（白板/电影风格）
📋 Quiz / 闪卡生成
💬 基于文档的问答
🔑 支持 Google 账号 cookie 认证
🐍 纯 Python，无需 Playwright / Chromium（~10MB）
🤖 支持 Claude Code / Codex / OpenClaw 等 AI 智能体

⚡ 快速上手

安装

pip install notebooklm-py

认证登录

# 方式1：打开浏览器交互式登录（默认）
notebooklm login

# 方式2：使用已登录浏览器的 Cookie（无需再开浏览器）
notebooklm login --browser-cookies chrome

# 方式3：指定浏览器 Profile
notebooklm login --browser-cookies 'chrome::Profile 1'
notebooklm login --browser-cookies msedge  # 需要 Edge 的企业 SSO

# 方式4：验证认证状态
notebooklm auth check --test --json
# 期望返回: {"status": "ok"}

基本使用（CLI）

# 1. 创建 Notebook 并添加来源
notebooklm create "My Research Project"
notebooklm use <notebook_id>
notebooklm source add "https://en.wikipedia.org/wiki/Artificial_intelligence"
notebooklm source add "./paper.pdf"

# 2. 基于文档问答
notebooklm ask "What are the key themes?"
notebooklm ask --prompt-file ./long_question.txt  # 从文件读取长问题

# 3. 生成播客（Audio Overview）
notebooklm generate audio "make it engaging" --wait

# 4. 生成视频
notebooklm generate video --style whiteboard --wait
notebooklm generate cinematic-video "documentary-style summary" --wait

# 5. 生成 Quiz
notebooklm generate quiz --difficulty hard

# 6. 生成闪卡
notebooklm generate flashcards --quantity more

作为 Python 库使用（嵌入你的应用）

from notebooklm import NotebookLM

nlp = NotebookLM()

# 创建 Notebook
notebook = nlp.create_notebook("Research Notes")
nlp.set_notebook(notebook['id'])

# 添加来源
nlp.add_source("https://arxiv.org/abs/2303.17760")  # 论文 URL
nlp.add_source("./document.pdf")

# 问答
answer = nlp.ask("Summarize the main contributions of this paper")
print(answer)

# 生成播客
audio = nlp.generate_audio("A 5-minute engaging podcast summary", wait=True)
print(f"Audio URL: {audio['audio_url']}")

🤖 AI 智能体集成

这个项目最令人惊喜的特性是对 AI 智能体的原生支持：

Claude Code 使用示例

在 Claude Code 中直接调用 NotebookLM 处理研究任务：

# 在 Claude Code 的 tool_use 中调用
result = nlp.ask("Compare the approach in this paper with recent advances in RAG")

多智能体协作

用户请求 → Claude Code 分析文档 → 调用 notebooklm-py 
         → NotebookLM 生成播客 → Claude Code 分析播客内容 → 汇总报告

这个工作流特别适合：

学术研究：批量下载论文 → 自动生成播客 → AI 提炼要点
竞品分析：抓取竞品文档 → NotebookLM 生成摘要 → 对比报告
新闻追踪：定期抓取新闻 → NotebookLM 生成每日简报

🔑 核心认证机制

NotebookLM 要求 Google 账号认证。项目支持三种认证方式，按推荐顺序：

认证方式	优点	缺点
`--browser-cookies chrome`	无需打开浏览器，最省事	需要手动导出 Cookie
`--browser msedge`	支持企业 SSO（Edge 特有）	需要 Edge 浏览器
交互式 `notebooklm login`	通用	需要每次打开浏览器

💡 推荐：先在浏览器登录 Google 账号，然后用 --browser-cookies chrome 复用 session。

📊 功能对比：官方 UI vs. notebooklm-py

功能	官方 UI	notebooklm-py
文档上传	✅	✅
Audio Overview（播客）	✅	✅
Video（白板风格）	✅	✅
Video（电影风格）	✅	✅
Quiz 生成	✅	✅
闪卡生成	✅	✅
问答	✅	✅
自动化/CLI	❌	✅
Python SDK	❌	✅
AI Agent 集成	❌	✅

notebooklm-py 的关键价值在于把 NotebookLM 的交互式能力变成了可编程的 API，这是官方没有提供的。

⚠️ 注意事项与限制

非官方项目：使用 Google NotebookLM 后端，非 Google 官方维护，存在账号封禁风险（目前社区反馈稳定）
依赖 Google 服务：需要稳定访问 Google NotebookLM 服务
Cookie 有效期：Google Cookie 会过期，长时间运行可能需要重新认证
Linux Playwright 问题：playwright install chromium 在某些 Linux 环境可能失败，详见 troubleshooting

🔗 相关资源

自测题

notebooklm-py 支持哪三种认证方式？各有什么优缺点？

查看答案

认证方式	优点	缺点
`--browser-cookies chrome`	无需打开浏览器，最省事	需要手动导出 Cookie
`--browser msedge`	支持企业 SSO（Edge 特有）	需要 Edge 浏览器
交互式 `notebooklm login`	通用	需要每次打开浏览器

💡 推荐：先在浏览器登录 Google 账号，然后用 --browser-cookies chrome 复用 session。

如何使用 CLI 创建 Notebook、添加来源、生成播客？

查看答案

# 1. 创建 Notebook 并添加来源
notebooklm create "My Research Project"
notebooklm use <notebook_id>
notebooklm source add "https://en.wikipedia.org/wiki/Artificial_intelligence"
notebooklm source add "./paper.pdf"

# 2. 基于文档问答
notebooklm ask "What are the key themes?"

# 3. 生成播客（Audio Overview）
notebooklm generate audio "make it engaging" --wait

关键点：

使用 create 创建 Notebook，use 切换到指定 Notebook。
使用 source add 添加来源（URL 或本地文件）。
使用 ask 基于文档问答。
使用 generate audio 生成播客，--wait 参数等待生成完成。

如何把 notebooklm-py 集成到 Python 应用？写出关键代码。

查看答案

from notebooklm import NotebookLM

nlp = NotebookLM()

# 创建 Notebook
notebook = nlp.create_notebook("Research Notes")
nlp.set_notebook(notebook['id'])

# 添加来源
nlp.add_source("https://arxiv.org/abs/2303.17760")  # 论文 URL
nlp.add_source("./document.pdf")

# 问答
answer = nlp.ask("Summarize the main contributions of this paper")
print(answer)

# 生成播客
audio = nlp.generate_audio("A 5-minute engaging podcast summary", wait=True)
print(f"Audio URL: {audio['audio_url']}")

关键点：

使用 NotebookLM() 创建客户端。
使用 create_notebook() 创建 Notebook，set_notebook() 切换到指定 Notebook。
使用 add_source() 添加来源（URL 或本地文件路径）。
使用 ask() 基于文档问答。
使用 generate_audio() 生成播客，wait=True 等待生成完成。

如何把 notebooklm-py 集成到 AI 智能体（如 Claude Code）？设计一个简单的工作流。

查看答案

工作流示例：

用户请求 → Claude Code 分析文档 → 调用 notebooklm-py 
         → NotebookLM 生成播客 → Claude Code 分析播客内容 → 汇总报告

关键代码（在 Claude Code 的 tool_use 中调用）：

# 在 Claude Code 中调用 notebooklm-py
result = nlp.ask("Compare the approach in this paper with recent advances in RAG")

适用场景：

学术研究：批量下载论文 → 自动生成播客 → AI 提炼要点。
竞品分析：抓取竞品文档 → NotebookLM 生成摘要 → 对比报告。
新闻追踪：定期抓取新闻 → NotebookLM 生成每日简报。

notebooklm-py 有哪些限制和注意事项？

查看答案

非官方项目：使用 Google NotebookLM 后端，非 Google 官方维护，存在账号封禁风险（目前社区反馈稳定）。
依赖 Google 服务：需要稳定访问 Google NotebookLM 服务。
Cookie 有效期：Google Cookie 会过期，长时间运行可能需要重新认证。
Linux Playwright 问题：playwright install chromium 在某些 Linux 环境可能失败，详见 Troubleshooting。

练习

练习 1：部署 notebooklm-py 并验证认证

场景：你想在本地开发环境部署 notebooklm-py，并验证 Google 账号认证是否成功。

任务：

选择合适的认证方式（假设你的环境是 macOS，使用 Chrome 浏览器）。
写出安装和认证命令。
验证认证状态（使用 notebooklm auth check --test --json）。

参考答案

认证方式：--browser-cookies chrome（推荐，无需打开浏览器）。

安装和认证命令：

# 安装
pip install notebooklm-py

# 认证（使用 Chrome 的 Cookie）
notebooklm login --browser-cookies chrome

# 验证认证状态
notebooklm auth check --test --json
# 期望返回: {"status": "ok"}

验证认证状态：
- 如果返回 {"status": "ok"}，说明认证成功。
- 如果返回错误，需要重新认证（notebooklm login）。

练习 2：集成到 Python 应用

场景：你想把 notebooklm-py 集成到你的 Python 应用，实现"上传论文 → 生成播客 → 发送邮件通知"的自动化工作流。

任务：

设计工作流（分几个步骤？每个步骤调用什么 API？）。
写出关键代码（创建 Notebook、添加来源、生成播客、发送邮件）。
处理错误（如果生成播客失败，如何重试？）。

参考答案

工作流设计：
- 步骤 1：创建 Notebook（create_notebook()）。
- 步骤 2：添加论文来源（add_source()）。
- 步骤 3：生成播客（generate_audio()，带 --wait 参数）。
- 步骤 4：发送邮件通知（使用 smtplib 或第三方邮件服务）。

关键代码：

from notebooklm import NotebookLM
import smtplib
from email.mime.text import MIMEText

nlp = NotebookLM()

# 创建 Notebook
notebook = nlp.create_notebook("Paper Podcast")
nlp.set_notebook(notebook['id'])

# 添加论文来源
nlp.add_source("https://arxiv.org/abs/2303.17760")

# 生成播客（等待完成）
audio = nlp.generate_audio("A 10-minute technical podcast", wait=True)

# 发送邮件通知
msg = MIMEText(f"Podcast generated: {audio['audio_url']}")
msg['Subject'] = 'NotebookLM Podcast Ready'
msg['From'] = 'your-email@example.com'
msg['To'] = 'user@example.com'

with smtplib.SMTP('smtp.gmail.com', 587) as server:
    server.starttls()
    server.login('your-email@example.com', 'password')
    server.send_message(msg)

错误处理：
- 如果 generate_audio() 失败，可以重试 3 次（使用 for 循环 + try...except）。
- 如果 Cookie 过期，需要重新认证（notebooklm login --browser-cookies chrome）。

进阶路径

如果你已经读懂了本文，可以进一步关注这些方向：

深入 notebooklm-py 的源码：阅读 notebooklm/ 目录下的源码，理解它如何调用 Google NotebookLM 的非官方 API。
调试认证流程：打开 notebooklm login --browser-cookies chrome 的调试日志，观察它如何导出 Chrome 的 Cookie 并用于认证。
添加新功能：尝试给 notebooklm-py 添加新功能（例如，支持更多文档格式、支持批量生成播客等），并提交 PR 到 GitHub。
集成到 AI 智能体框架：把 notebooklm-py 封装成一个 Tool，供 Claude Code、OpenClaw 等 AI 智能体调用。
研究 Google NotebookLM 的官方 API：如果 Google 将来开放了官方 API，学习如何迁移到官方 API。
部署到生产环境：把 notebooklm-py 部署到生产环境（例如，用 Docker 容器化），并配置自动化的 Cookie 刷新机制。

资料口径说明

本文基于 notebooklm-py 仓库的 README 和源码。具体实现可能随版本演进而变化，建议以最新 main 分支为准。
功能对比（官方 UI vs. notebooklm-py）基于公开信息，可能随 Google NotebookLM 的版本更新而变化。如果你发现对比信息过时，欢迎指正。
认证方式的优缺点基于社区反馈，可能随 Google 的认证策略调整而变化。如果你发现某种认证方式失效，欢迎在 GitHub 上提 issue。
AI 智能体集成的工作流示例是作者设计的，不是官方文档。如果你有更好的工作流，欢迎分享。
限制和注意事项基于社区反馈，可能随 notebooklm-py 的版本更新而变化。如果你发现新的限制或注意事项，欢迎在 GitHub 上提 issue 或 PR。

结语

notebooklm-py 把 Google NotebookLM 的强大能力从网页端释放出来，让研究人员和开发者可以在 Python 脚本和 AI 智能体中自由调用。对于需要批量处理文档、自动生成播客、或将 NotebookLM 集成到自动化工作流的场景，这是一个目前无可替代的工具。

本文基于 2026-05-22 GitHub Trending 数据撰写。

更新于 2026-07-21

AI, Python, Google, 教程

返回 | 主页

下一步

如果这篇内容对你有帮助，继续往更完整的路径里走。

你可以从专题页继续系统阅读，也可以通过联系页反馈想跟进的主题、工具和合作方向。

AI Agent 专题 Coding Agent 专题开源 AI 工具联系

目录

notebooklm-py：Google NotebookLM 非官方 Python API

学习目标

目录

项目概览

🔥 为什么这个项目值得关注？

⚡ 快速上手

安装

认证登录

基本使用（CLI）

作为 Python 库使用（嵌入你的应用）

🤖 AI 智能体集成

Claude Code 使用示例

多智能体协作

🔑 核心认证机制

📊 功能对比：官方 UI vs. notebooklm-py

⚠️ 注意事项与限制

🔗 相关资源

自测题

练习

练习 1：部署 notebooklm-py 并验证认证

练习 2：集成到 Python 应用

进阶路径

资料口径说明

结语

如果这篇内容对你有帮助，继续往更完整的路径里走。

与这篇内容相关的文章

AI新闻早报 2026-07-20

AI新闻早报 2026-07-19

AI新闻早报 2026-07-18

HenryNdubuaku/maths-cs-ai-compendium 拆解：一份把 AI/ML 研究工程师之路切成 18 个可执行阶段的 textbook 仓库