notebooklm
從 Claude Code 查詢 NotebookLM 筆記本
也可從以下取得: teng-lin,ZhanlinCui
停止在瀏覽器與編輯器之間複製貼上的繁瑣操作。此技能讓 Claude Code 直接與 Google NotebookLM 對話，提供引用您上傳文件的來源依據答案。
下載技能 ZIP
在 Claude 中上傳
前往 設定 → 功能 → 技能 → 上傳技能
開啟並開始使用
測試它
正在使用「notebooklm」。 What does my React documentation say about useEffect cleanup functions?
預期結果:
根據您的 React 文件（第 3 章：Effects），useEffect 中的清理函式在元件卸載前和每次重新渲染前執行。重點：(1) 從 useEffect 傳回清理函式，(2) 使用清理來取消訂閱、清除計時器或中止 fetch 請求，(3) 清理可防止記憶體洩漏。文件中顯示的範例模式：useEffect(() => { const sub = subscribe(); return () => sub.unsubscribe(); }, []). 來源：React-d 指南，第 47 頁。
正在使用「notebooklm」。 Add this notebook to my library: https://notebooklm.google.com/notebook/xyz123
預期結果:
我查詢了該筆記本並發現其內容：Python 機器學習教程，涵蓋 scikit-learn、pandas 和模型評估。已作為 'ML Fundamentals Guide' 新增到您的庫中，主題：python, machine-learning, scikit-learn, pandas。您現在可以使用如下命令查詢：'Ask my ML notebook about cross-validation techniques'。
安全審計
中風險Static scanner detected 558 pattern matches across 20 files, but evaluation confirms most are false positives in documentation. Real risks: browser automation saves Google auth cookies locally, network access to notebooklm.google.com, and subprocess execution for internal scripts. All patterns are expected for legitimate NotebookLM integration. Markdown files triggered external_commands detections from code examples. Recommend warnings about authentication requirements and network dependency.
中風險問題 (2)
低風險問題 (3)
風險因素
⚙️ 外部命令 (4)
📁 檔案系統存取 (3)
🔑 環境變數 (1)
品質評分
你能建構什麼
技術文件研究
查詢上傳至 NotebookLM 的 API 文件、工作坊手冊或技術規格。Claude 會提出完整的後續問題以取得完整的實作細節，然後撰寫正確的程式碼而不會虛構 API。
學術文獻回顧
將研究論文上傳至 NotebookLM 並透過 Claude Code 進行查詢。獲得跨越多篇論文的綜合答案並附上引用，實現更快速的文獻回顧和準確的引用。
個人知識庫查詢
建立包含您的筆記、會議記錄和專案文件的筆記本庫。透過 Claude 自然地查詢您的整個知識庫，獲得基於您實際內容的答案。
試試這些提示
Ask my NotebookLM: What are the key specifications for [topic] in my uploaded documents?
Add this NotebookLM to my library: [notebook-url]. Query it first to discover what it contains, then save it with an appropriate name and topics.
Query my [notebook-name] notebook about [topic]. Ask comprehensive follow-up questions until you have complete information about: (1) core concepts, (2) implementation details, (3) edge cases, and (4) best practices. Then synthesize all answers.
I need to understand [topic] across my entire notebook library. Query each relevant notebook about this topic, compare the perspectives, identify any contradictions or gaps, and provide a unified synthesis with source citations.
最佳實務
- 一律使用 run.py 包裝器腳本 - 它會自動處理虛擬環境設定並確保依賴項正確安裝
- 提出包含完整上下文的綜合性問題，因為每個查詢都會開啟全新的瀏覽器工作階段，不會記憶之前的問題
- 批判性地檢視 NotebookLM 的答案，當出現 'Is that ALL you need to know?' 提示時提出後續問題 - 這可確保資訊收集的完整性
避免
- 請勿嘗試在 Claude Code 網頁 UI 中使用此技能 - 它需要沙盒環境未提供的網路存取權限
- 請勿預期查詢之間有持續性工作階段記憶 - 每個問題都是獨立的，需要包含完整上下文
- 請勿依賴此技能處理時效性或頻繁變更的資訊 - NotebookLM 僅知道您上傳給它的內容