NotebookLM

notebooklm

分类通用

作者Alireza Rezvani

许可MIT

评分4.60/5

使用5.7K

NotebookLM — 浏览器自动化

> 要求： 浏览器自动化环境（支持 computer-use 的 Claude Code CLI、Claude Chrome 扩展程序或同等工具）。在非自动化上下文中，该技能将通过明确的“不支持”消息优雅地失败。

> 关键点： 该技能是 v2 集合中唯一的浏览器自动化技能。它不遵循 research-pack 的 Agent Integrity Rules 约定。它适用不同的约束条件（UI 动态变化、异步生成、登录墙）。

步骤 0：浏览器上下文设置（强制）

在执行任何其他操作之前，请验证浏览器自动化是否可用：

1. 检查运行环境中是否加载了浏览器控制工具（screenshot, click, find-element, navigate）。
2. 如果不可用 $\rightarrow$ 停止并显示明确消息： “此技能需要浏览器自动化。当前处于 {context} 环境，无法继续。请使用支持 computer-use 的 Claude Code CLI、Claude Chrome 扩展程序或同等工具。”
3. 如果可用 $\rightarrow$ 截取初始屏幕截图，导航至 https://notebooklm.google.com
4. 通过截图检测登录墙。 如果检测到登录界面：停止并提示 “请在浏览器中登录 NotebookLM，然后重新调用此技能。” 切勿尝试自动处理登录过程。

阶段 0：需求确认（操作路由）

最多提出 4 个强制性问题，每次一个，按依赖顺序询问。大多数调用在 Q3 停止。

Q1 (根问题) — 操作类型

> 您想让我做什么？请选择一项：
>
> 1. 读取 / 提取 — 向现有笔记本提问
> 2. 添加来源 — 将内容（URL、文本、文件、Google 文档或综合内容）推送到笔记本
> 3. 生成 Studio 输出 — 音频/视频概览、思维导图、报告（简报文档、学习指南、FAQ、时间线）、闪卡、测验、信息图或幻灯片 —— 具体选项请参考实时 Studio 面板
> 4. 创建新笔记本 — 使用标题 + 初始来源进行初始化
>
> *询问原因：* 每项操作在 UI 中的路径不同且需要不同的参数。预先确定操作可避免浪费截图次数，并让我仅询问相关的后续问题。

强制选择。 如果用户仅说 “打开 NotebookLM” 而未指定操作，拒绝开始并重新询问 Q1。

Q2 (依赖于 Q1) — 笔记本身份

> 哪个笔记本？ *(针对操作 1, 2, 3 询问 —— “创建新笔记本”无需询问)*
>
> *询问原因：* 如果您提供名称，我将在主页搜索；如果您提供 URL，我将直接导航。对于含义模糊的名称，我将提供消歧提示。
截图。

对于操作 4（创建新笔记本）：替换为“新笔记本的标题是什么？”

Q3（取决于 Q1）— 特定操作参数

操作 1（读取/提取）：
> “你想问笔记本什么问题？请使用自然语言描述——笔记本的聊天功能处理此类请求效果最好。”

操作 2（添加来源）：
> “来源类型是什么？请选择一项：
> 1. URL / 网站 / YouTube 链接
> 2. 复制的文本（在此粘贴或指向内容）
> 3. 文件上传（提供绝对路径）
> 4. Google 文档（链接）
> 5. 综合内容（我将预处理并作为‘复制的文本’添加）
>
> *询问原因：* 每种来源类型在“添加来源”对话框中都有不同的子流程。提前选择可以节省步骤。”

操作 3（Studio 输出）：
> “需要哪种 Studio 输出？截至 2026-06，Studio 面板提供：音频概览 (Audio Overview)、视频概览 (Video Overview)、思维导图 (Mind Map)、报告（简报 / 学习指南 / FAQ / 时间线 / 自定义）、闪卡 (Flashcards)、测验 (Quiz)、信息图 (Infographic) 和幻灯片 (Slides) —— 我会先截取实时面板图，确认你的账户实际显示的内容后再点击。另外：有任何自定义提示词方向吗？默认提示词生成的输出质量平庸 —— 我总是会打开自定义菜单并编写详细的提示词。 请告诉我切入角度或目标受众。
>
> *询问原因：* 输出类型决定了需要寻找的 UI 按钮。而自定义提示词是保证质量的必要条件。”

操作 4（创建新笔记本）：
> “初始来源是什么？请提供 URL、文件路径，或回答‘稍后添加’。”

Q4（取决于 Q1 = 操作 3）— Studio 自定义提示词详情

> 请告诉我 Studio 输出的切入角度、目标受众和长度。示例：
>
> - 音频概览： “两位主持人对话，面向非技术高管，时长 8-10 分钟，侧重商业影响而非技术深度”
> - 信息图： “决策树风格，行动导向，最多 6 个面板，海军蓝单色”
> - 学习指南： “本科水平，包含定义 + 每个概念 3 个练习题”
>
> *询问原因：* 这将成为自定义提示词。Studio 默认提示词输出平庸 —— 具体指令才能产生精准输出。

仅在生成 Studio 输出（Q1=3）时询问。其他情况跳过。

停止条件： 在 Q4 之后（或因依赖关系提前跳过）提交并开始执行操作序列。

参考标准请见 references/studio_output_custom_prompts.md。

笔记本检索 (Notebook Discovery)

对于操作 1-3（需要现有笔记本）：

1. 导航至首页 $\rightarrow$ 截图
2. 如果用户提供了 URL $\rightarrow$ 直接导航
3. 如果用户提供了名称：
- 使用语义化 find() 通过可见标题文本定位笔记本卡片
- 如果有多个匹配项 $\rightarrow$ 截图首页，列出选项，请用户指定
- 如果没有匹配项 $\rightarrow$ 请用户提供 URL 或确认拼写

对于操作 4（创建新笔记本）：
1. 在首页定位“New notebook”按钮
2. 点击 $\rightarrow$ 根据 Q2 设置标题
3. 根据 Q3 添加初始来源

操作 1：读取 / 提取

1. 打开笔记本（参考上述检索流程）
2. 定位聊天输入框（通过语义化 find 或截图坐标）
3. 输入问题（使用用户在 Q3 中提供的自然语言描述）
4. 提交（回车或点击发送按钮）
5. 等待 3-5 秒
6. 截取响应区域的图
7. 提取并以 整洁的格式 呈现（而非原始聊天记录 dump）

操作 2：添加来源

根据来源类型的子流程：

| 类型 | UI 流程 |
|---|---|
| URL / 网站 / YouTube | Add Source $\rightarrow$ Link $\rightarrow$ 粘贴 URL |
| 复制的文本 | Add Source $\rightarrow$ Copied text $\rightarrow$ 粘贴内容 |
| 文件上传 | 使用文件上传工具，提供绝对路径 + 输入引用（绝不点击原生文件选择器） |
Google Doc | 添加来源 → Google Docs → Drive 选择器 |
| 综合内容 | 在其他地方预处理内容，然后作为“复制的文本”添加 |

每次添加后： 等待导入加载图标，截屏确认成功。

综合内容模式（高效）： 不要让 NotebookLM 直接导入可能包含噪声的原始 URL，而应先预处理内容（提取正文，去除导航/广告/评论），然后将其作为“复制的文本”添加。这样能显著提升摘要质量。

操作 3：Studio 输出

以发现为准，不要主观臆断。 NotebookLM 的 Studio 功能清单会随版本更新和账户等级而变化。截至上次验证（2026-06），面板提供：音频概览 (Audio Overview)、视频概览 (Video Overview)、思维导图 (Mind Map)、报告（简报、学习指南、FAQ、时间线、自定义报告格式）、闪卡 (Flashcards)、测验 (Quiz)、信息图 (Infographic)、幻灯片 (Slides)。将此列表视为参考而非绝对标准——以 Studio 面板的实时截屏为准。NotebookLM 的 UI 演进迅速；请对照实际产品进行验证，并在发生偏差时更新本节（Studio 功能清单最后验证时间：2026-06）。

强制工作流：

1. 找到 Studio 面板（右侧；可能需要切换开关）并截屏——你看到的磁贴才是该账户实际支持的输出类型
2. 找到所需类型的具体输出按钮（如果不可见，在判定为不可用前，请先检查“探索更多/Discover more”或溢出菜单）
3. 打开自定义菜单（按钮旁的 V 型图标/箭头）——不要直接点击主按钮
4. 编写详细的自定义提示词（参考 Q4）
5. 确认并提交
6. 不要等待生成完成——确认生成已开始，通知用户，然后返回

自定义提示词示例（4 种输出类型）

音频概览 (Audio Overview)：
> “一名研究员与一名资深从业者之间的双人对话。受众：做出预算决策的非技术高管。时长：8-10 分钟。侧重于业务影响而非技术深度。每个要点包含一个具体案例。简要提及反方观点。”

信息图 (Infographic)：
> “决策树风格。行动导向（每个面板以决策或行动结束）。最多 6 个面板。配色为海军蓝单色 + 琥珀色高亮。每个面板包含：标题（4-6 个词）、1-2 句正文、决策/行动行。无需填充面板。”

学习指南 (Study Guide)：
> “本科水平（定义所有技术术语）。结构：6 个概念 × 每个概念 4 个元素（定义 / 重要性 / 一个计算示例 / 3 道练习题）。练习题需符合布鲁姆认知目标的高阶思维（应用/分析），而非简单的记忆回顾。”

幻灯片 (Slides)：
> “最多 12 页。每页正文 1-2 句话。每页附带演讲者备注，包含：一个具体案例 + 一个可能的受众质疑 + 如何应对。正文禁止使用项目符号——仅限散文体。最后一页为行动号召 (CTA)。”

更多内容请参阅 references/studio_output_custom_prompts.md。

操作 4：创建新笔记本

1. 导航至主页
2. 点击“新建笔记本 (New notebook)”
3. 根据 Q2 设置标题
4. 根据 Q3 添加初始来源（根据来源类型执行操作 2 的子流程）
5. 等待自动摘要生成（此步骤是同步的——通常在 30 秒内完成）
6. 截屏最终状态

关键异步行为

> 异步输出规则： 对于 Studio 生成内容（尤其是 音频概览 —— 需 5-10 分钟），不要等待完成。否则用户的会话会超时。
>
> 工作流：点击生成 $\rightarrow$ 通过截屏确认生成已开始 $\rightarrow$ 告知用户“生成中 —— NotebookLM 将在完成后通知您”
“u when ready” → 结束任务。

这就是 fire-and-notify（触发并通知） 模式。它与 add-source 和 auto-summary（这两者速度足够快，可以等待）不同。

使用 scripts/async_action_classifier.py 来确定每个操作是“等待”还是“通知”：

| 操作 | 等待？ |
|---|---|
| 添加来源 (URL/文本/文件) | 是 — 等待导入加载动画 (~5-30秒) |
| 读取/提取 (聊天) | 是 — 等待响应 (3-5秒) |
| Studio: 音频概览 (Audio Overview) | 否 — 触发并通知 (5-10 分钟) |
| Studio: 视频概览 (Video Overview) | 否 — 触发并通知 (5-15 分钟) |
| Studio: 信息图 / 幻灯片 / 思维导图 | 否 — 触发并通知 (2-5 分钟) |
| Studio: 学习指南 / 简报 / FAQ / 闪卡 / 测验 | 是 — 等待 ~30-60秒 |
| 创建新笔记本 | 是 — 等待自动摘要 (<30秒) |

bash

# 为任何操作获取判定结果 + 可直接粘贴的通知消息
python3 scripts/async_action_classifier.py --action "video overview"
-> Verdict: FIRE_AND_NOTIFY, estimated 5-15 minutes, with the exact
   "NOT waiting in this session" message to relay to the user

参考 references/async_action_discipline.md 获取标准规范。

截图优先原则 (Screenshot-First Discipline)

NotebookLM 是一个 动态单页应用 (SPA)，其 UI 会根据以下因素而变化：

账户层级 (免费版 vs Plus vs 企业版)

功能推送 (某些 Studio 类型尚未对所有用户开放)

近期的 UI 变更 (Google 频繁迭代产品)

每次 UI 操作前必须先截图。 原因如下：

1. 在操作前验证 UI 是否符合预期
2. 尽早发现登录拦截页
3. 检测意外的布局变更
4. 为调试提供审计追踪

在每次关键的 UI 交互前，请使用 screenshot()（或浏览器自动化工具中的等效函数）。

参考 references/browser_automation_canon.md 获取规范。

先 find() 后点击

尽可能在像素坐标之前使用 语义化元素查找器：

✅ find(text="Audio Overview") → 无论位置如何都能返回元素

❌ click(x=420, y=380) → UI 重新排列时会失效

语义化查找器能应对微小的 UI 变更，而像素坐标不能。

仅在以下情况回退到坐标点击：

语义化 find() 未返回结果

元素没有稳定的文本/aria-label/data-attribute

视觉位置是唯一可靠的信号

将输出保存至工作区

对于产生有用信息的“读取/提取”操作：

1. 清晰地提取聊天响应（去除 UI 装饰）
2. 格式化为易读形式（根据情况使用段落、列表、代码块）
3. 如果用户要求 $\rightarrow$ 保存到文件 (${WORKSPACE}/notebooklm/<notebook-slug>-<action>-<date>.md)
4. 否则 $\rightarrow$ 在聊天中作为最终摘要返回

对于 Studio 输出：
1. NotebookLM 托管输出内容（音频概览在应用内，信息图可下载等）
2. 向用户报告位置（URL 或应用内导航路径）
3. 不要尝试将 Studio 输出下载/保存到本地工作区 —— 这是 NotebookLM 的职责

回报格式

完成任何操作后：

1. 如果视觉上相关，请拍摄最终截图
2. 提供 简洁的摘要（而非原始聊天记录）：
- 使用的笔记本（名称）
- 执行的操作（具体）
- 结果（1-2 句话）
- 对于生成的输出：创建了什么 + 在哪里 + 何时就绪
3. 对于 fire-and-notify 操作：明确告知 “NotebookLM 将在就绪时通知您”

错误处理

| 故障 | 行为 |
|---|---|
| 浏览器自动化不可用 | 快速失败，提示 “此技能需要浏览器自动化” (步骤 0 停止) |
| 检测到登录拦截页 | 停止。告知用户登录 |
n. 不要尝试自动登录。 |
| 匹配到多个同名笔记本 | 截屏首页，列出选项，请用户指定 |
| 来源导入加载图标卡住 > 60秒 | 记录超时，询问用户是否重试 |
| 面板中未找到 Studio 按钮 | 向下滚动或寻找“Discover more”；若仍未找到，记录该账户可能未启用此功能 |
| 聊天响应在 10 秒内未出现 | 截屏，检查错误状态，重试一次 |
| 页面布局意外变更 | 截屏，描述可见内容，请用户指导 |

工具链

| 脚本 | 角色 |
|---|---|
| scripts/action_router.py | Q1-Q4 回答 $\rightarrow$ 行动计划 + UI 流程 + 必要参数 |
| scripts/custom_prompt_template_generator.py | Studio 输出类型 + 受众 + 长度 $\rightarrow$ 初始自定义提示词 |
| scripts/async_action_classifier.py | 行动名称 $\rightarrow$ 等待或通知模式（针对慢速生成采用“触发并通知”模式） |

参考资料

references/browser_automation_canon.md — 截图优先 + 先找后点 + 工具无关模式（7+ 来源）

references/studio_output_custom_prompts.md — 为什么默认设置效果平庸 + 各输出类型模板（7+ 来源）

references/async_action_discipline.md — 针对慢速 UI 操作的“触发并通知”模式（7+ 来源）

应拒绝的反模式

使用缺乏抽象的特定工具名称（例如：硬编码 "Claude Chrome Extension"）

同步等待 Studio 生成结果（尤其是 Audio Overview）

在操作之间跳过截图

在有语义化 find() 可用时使用像素坐标

尝试自动处理登录流程

在未打开自定义菜单的情况下生成 Studio 输出

使用 Studio 默认提示词（始终编写自定义提示词）

---

版本： 1.0.0
源规范： megaprompts/03-notebooklm-megaprompt.md
构建模式： 路径 B（直接转换）。浏览器自动化形态 —— 与研究包（research-pack）约定有所不同。