適用於 Claude 程式碼 的 筆記本LM 代理技能

筆記本LM Claude 程式碼 技能

讓 Claude 程式碼 直接與 筆記本LM 對話，以獲得僅基於您上傳文件的、有來源根據的答案

使用此技能直接從 Claude 程式碼 查詢您的 Google 筆記本LM 筆記本，以從 Gemini 獲取有來源根據、附有引用支持的答案。瀏覽器自動化、庫管理、持久驗證。大幅減少幻覺 - 答案僅來自您上傳的文件。

安裝 • 快速開始 • 為什麼選擇 筆記本LM • 如何運作 • MCP 替代方案

⚠️ 重要提示：僅限本地 Claude 程式碼

此技能僅適用於本地 Claude 程式碼 安裝，不適用於網頁使用者介面。

網頁使用者介面在沒有網路存取的沙盒中運行技能，而此技能需要網路存取來進行瀏覽器自動化。您必須在您的機器上本地使用 Claude 程式碼。

問題所在

當您告訴 Claude 程式碼 「搜尋我的本地文檔」時，會發生以下情況：

• 巨量 token 消耗：搜尋文檔意味著反覆讀取多個文件
• 不準確的檢索：按關鍵詞搜尋，錯過上下文和文件之間的聯繫
• 幻覺：當找不到某物時，它會編造聽起來合理的 API
• 手動複製貼上：不斷在 筆記本LM 瀏覽器和您的編輯器之間切換

解決方案

此 Claude 程式碼 技能讓 Claude 程式碼 直接與 筆記本LM 對話——這是由 Gemini 2.5 驅動的 Google 基於來源的知識庫，提供僅來自您上傳文件的智能、綜合答案。

您的任務 → Claude 詢問筆記本LM → Gemini 綜合答案 → Claude 編寫正確的代碼

不再需要複製貼上的繁瑣操作：Claude 直接提問，並在命令列介面中直接獲得答案。它通過自動跟進問題來建立深度理解，獲取具體的實現細節、邊界情況和最佳實踐。

為什麼選擇 筆記本LM，而非本地 RAG？

是什麼讓 筆記本LM 更勝一籌？

1. 由 Gemini 預處理：一次上傳文檔，立即獲得專家知識
2. 自然語言問答：不僅僅是檢索——而是真正的理解和綜合
3. 多來源關聯：連接 50 多個文檔中的信息
4. 引用支持：每個答案都包含來源參考
5. 無需基礎設施：不需要向量資料庫、嵌入或分塊策略

安裝

有史以來最簡單的安裝：

# 1. 建立技能目錄（如果不存在）
mkdir -p ~/.claude/skills

# 2. 複製此儲存庫
cd ~/.claude/skills
git clone https://github.com/PleasePrompto/notebooklm-skill notebooklm

# 3. 就是這樣！打開 Claude 程式碼 並說：
"我有哪些技能？"

當您首次使用該技能時，它會自動：

• 創建一個隔離的 Python 環境 (.venv)
• 安裝所有依賴項，包括 Google Chrome
• 使用 Chrome（而非 Chromium）設置瀏覽器自動化，以實現最高可靠性
• 所有內容都保留在技能資料夾中

注意： 該設置使用真正的 Chrome 而非 Chromium，以實現跨平台可靠性、一致的瀏覽器指紋以及更好的 Google 服務反偵測

快速開始

1. 檢查您的技能

在 Claude 程式碼 中說：

"我有哪些技能？"

Claude 將列出您可用的技能，包括 筆記本LM。

2. 通過 Google 驗證（一次性）

"設置 筆記本LM 驗證"

一個 Chrome 視窗打開 → 使用您的 Google 帳戶登入

3. 建立您的知識庫

前往 notebooklm.google.com → 建立筆記本 → 上傳您的文檔：

• 📄 PDF、Google 文件、Markdown 文件
• 🔗 網站、GitHub 儲存庫
• 🎥 YouTube 影片
• 📚 每個筆記本支援多個來源

分享：⚙️ 分享 → 任何知道連結的人 → 複製

4. 添加到您的庫中

選項 A：讓 Claude 自行判斷（智能添加）

"查詢此筆記本的內容並將其添加到我的庫中：[your-link]"

Claude 將自動查詢筆記本以發現其內容，然後使用適當的元數據添加它。

選項 B：手動添加

"將此 筆記本LM 添加到我的庫中：[your-link]"

Claude 將要求提供名稱和主題，然後保存以供將來使用。

5. 開始研究

"我的 React 文檔中關於 hooks 的內容是什麼？"

Claude 自動選擇正確的筆記本，並直接從 筆記本LM 獲取答案。

如何運作

這是一個 Claude 程式碼 技能 - 一個本地資料夾，其中包含 Claude 程式碼 在需要時可以使用的指令和腳本。與 MCP 伺服器版本 不同，它直接在 Claude 程式碼 中運行，無需單獨的伺服器。

與 MCP 伺服器的主要區別

架構

~/.claude/skills/notebooklm/
├── SKILL.md              # 給 Claude 的指令
├── scripts/              # Python 自動化腳本
│   ├── ask_question.py   # 查詢 筆記本LM
│   ├── notebook_manager.py # 庫管理
│   └── auth_manager.py   # Google 驗證
├── .venv/                # 隔離的 Python 環境（自動創建）
└── data/                 # 本地筆記本庫

當您提及 筆記本LM 或發送筆記本 URL 時，Claude 會：

1. 加載技能指令
2. 運行相應的 Python 腳本
3. 打開瀏覽器，詢問您的問題
4. 直接將答案返回給您
5. 使用該知識幫助您完成任務

核心功能

基於來源的回應

筆記本LM 通過僅從您上傳的文件中回答，顯著減少了幻覺。如果信息不可用，它會指出不確定性，而不是捏造內容。

直接整合

無需在瀏覽器和編輯器之間複製貼上。Claude 以程式方式提問並接收答案。

智能庫管理

使用標籤和描述保存 筆記本LM 連結。Claude 會自動為您的任務選擇正確的筆記本。

自動驗證

一次性 Google 登入，然後驗證在會話之間保持有效。

自包含

所有內容都在技能資料夾中運行，並帶有隔離的 Python 環境。無需全局安裝。

類人自動化

使用逼真的打字速度和互動模式以避免被檢測到。

常用指令

實際範例

範例 1：車間手冊查詢

使用者問：「檢查我的 Suzuki GSR 600 車間手冊中的煞車油類型、機油規格和後軸扭力。」

Claude 自動：

• 通過 筆記本LM 驗證
• 就每個規格提出全面的問題
• 在提示「這是否就是您需要知道的全部內容？」時進行跟進
• 提供準確的規格：DOT 4 煞車油、SAE 10W-40 機油、100 N·m 後軸扭力

範例 2：沒有幻覺的建構

您：「我需要為 Gmail 垃圾郵件過濾構建一個 n8n 工作流程。使用我的 n8n 筆記本。」

Claude 的內部處理：

→ 加載 筆記本LM 技能
→ 啟用 n8n 筆記本
→ 提出全面的問題並跟進
→ 從多個查詢中綜合出完整答案

結果：一次嘗試即可運行的工作流程，無需除錯幻覺的 API。

技術細節

核心技術

• Patchright：瀏覽器自動化庫（基於 Playwright）
• Python：此技能的實現語言
• 隱身技術：類人的打字和互動模式

注意：MCP 伺服器使用相同的 Patchright 庫，但透過 TypeScript/npm 生態系統。

依賴項

• patchright==1.55.2：瀏覽器自動化
• python-dotenv==1.0.0：環境配置
• 首次使用時自動安裝在 .venv 中

數據儲存

所有數據都存儲在技能目錄的本地位置：

~/.claude/skills/notebooklm/data/
├── library.json       - 您的筆記本庫，包含元數據
├── auth_info.json     - 驗證狀態信息
└── browser_state/     - 瀏覽器 cookie 和會話數據

重要安全說明：

• data/ 目錄包含敏感的驗證數據和個人筆記本
• 它通過 .gitignore 自動從 git 中排除
• 切勿手動提交或共享 data/ 目錄的內容

會話模型

與 MCP 伺服器不同，此技能使用 無狀態模型：

• 每個問題都會打開一個新的瀏覽器
• 提出問題，獲取答案
• 添加一個跟進提示，鼓勵 Claude 提出更多問題
• 立即關閉瀏覽器

這意味著：

• 沒有持久的聊天上下文
• 每個問題都是獨立的
• 但您的筆記本庫會保持不變
• 跟進機制：每個答案都包含「這是否就是您需要知道的全部內容？」以提示 Claude 提出全面的後續問題

對於多步驟研究，Claude 會根據需要自動提出後續問題。

限制

技能特定

• 僅限本地 Claude 程式碼 - 不適用於網頁使用者介面（沙盒限制）
• 沒有會話持久性 - 每個問題都是獨立的
• 沒有跟進上下文 - 無法引用「上一個答案」

筆記本LM

• 速率限制 - 免費層級有每日查詢限制
• 手動上傳 - 您必須先將文檔上傳到 筆記本LM
• 分享要求 - 筆記本必須公開分享

常見問題

為什麼這在 Claude 網頁使用者介面中不起作用？ 網頁使用者介面在沒有網路存取的沙盒中運行技能。瀏覽器自動化需要網路存取才能連接 筆記本LM。

這與 MCP 伺服器有何不同？ 這是一個更簡單的、基於 Python 的實現，直接作為 Claude 技能運行。MCP 伺服器功能更豐富，具有持久會話，並可與多種工具（Codex、Cursor 等）配合使用。

我可以同時使用此技能和 MCP 伺服器嗎？ 可以！它們有不同的用途。使用技能進行快速的 Claude 程式碼 整合，使用 MCP 伺服器進行持久會話和多工具支援。

如果 Chrome 崩潰怎麼辦？ 運行：「清除 筆記本LM 瀏覽器數據」 並重試。

我的 Google 帳戶安全嗎？ Chrome 在您的機器上本地運行。您的憑證永遠不會離開您的電腦。如果您擔心，可以使用專用的 Google 帳戶。

故障排除

找不到技能

# 確保它在正確的位置
ls ~/.claude/skills/notebooklm/
# 應顯示：SKILL.md、scripts/ 等

驗證問題

說：「重置 筆記本LM 驗證」

瀏覽器崩潰

說：「清除 筆記本LM 瀏覽器數據」

依賴項問題

# 如果需要，手動重新安裝
cd ~/.claude/skills/notebooklm
rm -rf .venv
python -m venv .venv
source .venv/bin/activate  # 或者在 Windows 上使用 .venv\Scripts\activate
pip install -r requirements.txt

免責聲明

此工具自動化與 筆記本LM 的瀏覽器互動，以使您的工作流程更有效率。但是，一些友善提醒：

關於瀏覽器自動化： 雖然我內建了人性化功能（逼真的打字速度、自然延遲、滑鼠移動）以使自動化行為更加自然，但我不能保證 Google 不會檢測到或標記自動化使用。我建議使用專用的 Google 帳戶進行自動化，而不是您的主要帳戶——就像網絡爬蟲一樣：可能沒問題，但安全總比後悔好！

關於命令列工具和 AI 代理： 像 Claude 程式碼、Codex 和類似 AI 驅動助手這樣的命令列工具功能極其強大，但它們可能會犯錯。請謹慎並清醒地使用它們：

• 在提交或部署之前，始終檢查變更
• 先在安全環境中測試
• 保留重要工作的備份
• 記住：AI 代理是助手，不是萬無一失的神諭

我為自己構建這個工具，因為我厭倦了在 筆記本LM 和我的編輯器之間進行複製貼上的繁瑣操作。我分享它，希望它也對其他人有幫助，但我不能對可能發生的任何問題、數據丟失或帳戶問題負責。請自行斟酌和判斷使用。

也就是說，如果您遇到問題或有疑問，隨時在 GitHub 上提出 issue。我很樂意協助排除故障！

致謝

此技能靈感來自我的 筆記本LM MCP 伺服器，並提供了一個作為 Claude 程式碼 技能的替代實現：

• 兩者都使用 Patchright 進行瀏覽器自動化（MCP 使用 TypeScript，技能使用 Python）
• 技能版本直接在 Claude 程式碼 中運行，無需 MCP 協定
• 針對技能架構優化的無狀態設計

如果您需要：

• 持久會話 → 使用 MCP 伺服器
• 多工具支援（Codex、Cursor）→ 使用 MCP 伺服器
• 快速 Claude 程式碼 整合 → 使用此技能

總結

沒有此技能：瀏覽器中的 筆記本LM → 複製答案 → 貼上到 Claude → 複製下一個問題 → 回到瀏覽器...

有了此技能：Claude 直接研究 → 立即獲取答案 → 編寫正確的代碼

停止複製貼上的繁瑣操作。開始直接在 Claude 程式碼 中獲取準確、有根據的答案。

# 30 秒內開始使用
cd ~/.claude/skills
git clone https://github.com/PleasePrompto/notebooklm-skill notebooklm
# 打開 Claude 程式碼：「我有哪些技能？」

構建為我的 筆記本LM MCP 伺服器 的 Claude 程式碼 技能改編

用於在 Claude 程式碼 中直接進行基於來源、以文檔為基礎的研究