Claude Code + NotebookLM = EL TRUCO DEFINITIVO

CChase AI
Computing/SoftwareSmall Business/StartupsInternet Technology

Transcript

00:00:00Claude Code podría ser el agente de investigación
00:00:03más potente del planeta, pero necesitas añadir
00:00:07esta herramienta para desbloquearlo.
00:00:08Ahora, la versión de investigación en Claude Code
00:00:11de la mayoría es solo decirle que use la búsqueda web
00:00:13y rezar para que lo que devuelva sea suficiente.
00:00:17Pero podemos hacerlo mejor porque, ¿y si te dijera
00:00:19que con solo cinco minutos de configuración,
00:00:21podríamos crear flujos de trabajo en Claude Code
00:00:24capaces de extraer cualquier sección de YouTube,
00:00:26obtener sus subtítulos, enviar esa información
00:00:28a un sistema RAG gratuito, robusto y preconfigurado
00:00:32que sea capaz de hacer todo el trabajo pesado
00:00:35y el análisis por nosotros, y luego tomar ese análisis
00:00:38y darnos entregables como presentaciones,
00:00:40infografías, podcasts, lo que se te ocurra,
00:00:43todo esto costándonos prácticamente cero tokens?
00:00:46Ahora, si eso suena demasiado bueno para ser verdad,”
00:00:48normalmente tendrías razón, pero no en este caso.
00:00:51Así que permíteme presentarte la herramienta de IA
00:00:55más subestimada hoy en día: NotebookLM.
00:00:58En el video de hoy, te voy a mostrar
00:01:00cómo combinar los poderes de Claude Code y NotebookLM
00:01:03para reemplazar un ecosistema de investigación gratis
00:01:06que de otro modo te costaría cientos de dólares al mes
00:01:10construir y mantener.
00:01:11Estoy muy emocionado de mostrarles esto.
00:01:14Así que, entremos en materia.
00:01:15Empecemos este video con una demostración
00:01:16para que veas cómo podemos usar Claude Code
00:01:19para aprovechar todas las funciones de NotebookLM
00:01:22sin tener que salir de la terminal.
00:01:24Este prompt hará que Claude Code
00:01:26realice varias cosas.
00:01:27Primero, usaremos nuestra habilidad personalizada
00:01:30de búsqueda en YouTube para hallar videos tendencia
00:01:33sobre habilidades de Claude Code. No te preocupes,
00:01:35te mostraré cómo obtener estas habilidades en un momento.
00:01:37Tras encontrar las URLs de los videos,
00:01:39quiero que Claude Code envíe esas URLs a NotebookLM
00:01:43usando la habilidad de NotebookLM.
00:01:44Luego, quiero que NotebookLM analice esos videos
00:01:49para identificar cuáles son las mejores habilidades.
00:01:51Y quiero que se nos envíe ese análisis.
00:01:53Además, quiero un entregable.
00:01:54No solo quiero el análisis de texto.
00:01:56Quiero una infografía con un estilo de plano
00:02:00dibujado a mano que represente ese análisis.
00:02:03Con un solo prompt, vamos a extraer datos de YouTube.
00:02:06Vamos a obtener todas nuestras fuentes de datos.
00:02:08Básicamente, lo pondremos en un sistema RAG,
00:02:11porque eso es lo que es NotebookLM.
00:02:13Haremos que NotebookLM haga todo el análisis
00:02:15y los entregables de forma externa,
00:02:18lo que significa que no pagamos por eso en tokens.
00:02:20Y obtenemos todo eso gratis.
00:02:22Veamos cómo funciona.
00:02:23Aquí lo tenemos.
00:02:24Claude Code subió 20 fuentes de YouTube
00:02:26a NotebookLM para su análisis.
00:02:29NotebookLM luego devolvió
00:02:30las cinco mejores habilidades de Claude Code,
00:02:34así como las tendencias emergentes de uso.
00:02:37Luego creó esa infografía para nosotros,
00:02:39que se guardó automáticamente en nuestra carpeta.
00:02:42Echemos un vistazo a esa infografía.
00:02:44De nuevo, esto es Nano Banana Pro internamente.
00:02:47Se está ejecutando, y tanto el texto
00:02:49como los visuales se ajustan al estilo solicitado,
00:02:52que era como un plano hecho a mano.
00:02:55Y en segundo lugar, y más importante,
00:02:57todo este contenido se basa en los videos
00:02:59y en el análisis de esos videos.
00:03:01No se está inventando cosas.
00:03:02Y también podemos ver aquí en Claude Code
00:03:04los videos que tomó: título, creador, vistas,
00:03:06duración y la fecha.
00:03:08Todo esto se refleja en el propio NotebookLM.
00:03:10Puedo ver todas las fuentes que se subieron.
00:03:12Puedo ver todo el análisis.
00:03:14Puedo ver la guía de estilo que pedimos.
00:03:18Y aunque esta demostración pueda parecer
00:03:19una aplicación algo simplista de esto,
00:03:21no puedo enfatizar lo suficiente el valor
00:03:24de combinar estas dos herramientas,
00:03:26porque esto va más allá de solo automatizar
00:03:28el proceso de fuentes para NotebookLM.
00:03:30Todo lo que hicimos aquí,
00:03:31podríamos haberlo hecho manual en NotebookLM, ¿verdad?
00:03:33Podría haber buscado en YouTube manualmente.
00:03:35Podría haber encontrado todos los videos.
00:03:37Podría haberlos copiado y pegado.
00:03:38Podría haber obtenido el análisis
00:03:39y podría haber obtenido un entregable.
00:03:41Poder automatizar eso es agradable,
00:03:43pero es mucho más que eso.
00:03:44Es el hecho de que puedo traer todo ese análisis
00:03:47al ecosistema de Claude Code sin esfuerzo
00:03:50y los casos de uso son casi infinitos.
00:03:55Y la segunda razón por la que esta combinación
00:03:56es tan potente tiene que ver totalmente
00:03:58con el puro poder de NotebookLM.
00:04:01Si intentaras recrear lo que hace NotebookLM,
00:04:04que es un sistema de extracción a uno de RAG,
00:04:07a uno de análisis y a uno de entregables, ¿verdad?
00:04:11Con infografías, presentaciones y todo eso,
00:04:13sería un dolor de cabeza gigantesco.
00:04:15Como alguien que lo ha intentado,
00:04:16al menos en la parte de investigación con N8N,
00:04:18no es un proceso sencillo.
00:04:20Además, cuesta dinero y todo esto es gratis,
00:04:23que es gran parte de por qué me emociona tanto
00:04:24compartirlo con ustedes.
00:04:25Y otra razón por la que deberías entusiasmarte
00:04:27es por lo simple que es configurar todo esto,
00:04:30que es lo que vamos a cubrir ahora.
00:04:32En cuanto a la configuración,
00:04:33probablemente estés pensando: "Oye, Chase,
00:04:34¿cómo conectamos NotebookLM a Claude Code
00:04:38si NotebookLM no tiene
00:04:40una API pública?"
00:04:41Por suerte, hay personas mucho más inteligentes
00:04:43que tú o yo que ya han resuelto esto.
00:04:46En este caso, es Tang Ling
00:04:48y hoy nos apoyaremos en su trabajo
00:04:50al usar el repositorio de GitHub NotebookLM-PI
00:04:54para que actúe como una API de Python no oficial
00:04:57para NotebookLM.
00:04:58Pero antes de configurar NotebookLM,
00:05:00debemos resolver la primera parte de la cadena,
00:05:03que es la búsqueda en YouTube
00:05:04y la obtención de los datos que queremos
00:05:07que NotebookLM analice.
00:05:09Para eso, tengo una habilidad personalizada
00:05:12de búsqueda en YouTube que hace todo por ti.
00:05:15Usa un script de Python basado en YT-DLP
00:05:20para extraer los metadatos de YouTube.
00:05:22Cuando le pido habilidades de Claude Code,
00:05:24es como si nosotros mismos fuéramos a YouTube
00:05:27y buscáramos "Claude Code skills".
00:05:28Toma el título, vistas, autor y todo lo relevante.
00:05:32Y esta habilidad que ves en Claude Code
00:05:35le enseña cómo usar mejor este script.
00:05:38Hay dos formas de poner en marcha
00:05:41esta habilidad y este script.
00:05:42La primera es bastante simple.
00:05:44Solo vas a Claude Code
00:05:45y le explicas que quieres que cree esta habilidad,
00:05:48usando la dependencia YT-DLP
00:05:51para crear un extractor personalizado de YouTube.
00:05:54O, si quieres el archivo MD de configuración
00:05:57de esta habilidad de búsqueda para entregárselo
00:05:59directamente a Claude Code, también puedes hacerlo.
00:06:01Puedes obtenerlo en mi comunidad gratuita de Skool,
00:06:03que encontrarás en la descripción.
00:06:04Hablando de mis comunidades,
00:06:06dentro de Chase AI Plus,
00:06:07también puedes encontrar mi Masterclass de Claude Code,
00:06:11que publiqué hace unos días.
00:06:13Si estás al principio
00:06:14de tu camino en la IA y tratas de entender
00:06:16cómo aprovechar mejor Claude Code,
00:06:18aunque no seas alguien técnico,
00:06:19pero quieres dominar la que es, sin duda,
00:06:22la herramienta de IA más potente del mercado.
00:06:24Bueno, ese es el lugar para ti.
00:06:25Y si te interesa,
00:06:26revisa el enlace en el comentario fijado.
00:06:28Una vez descargues el archivo de la habilidad,
00:06:31dáselo a Claude Code y dile que se ponga a trabajar,
00:06:33o simplemente pídele manualmente
00:06:35que lo construya por ti.
00:06:36Ahora, volvamos aquí
00:06:37y configuremos la conexión con NotebookLM.
00:06:39También pondré un enlace a esto en la descripción.
00:06:42Y la instalación es bastante sencilla.
00:06:44Para instalarlo,
00:06:45solo vamos a copiar estos comandos,
00:06:47pegarlos en nuestra terminal,
00:06:49lo cual significa que si miras a Claude Code,
00:06:51estás en el lugar equivocado.
00:06:51Debes abrir una segunda terminal así
00:06:53y pegar los comandos ahí.
00:06:55Tras ejecutar estos comandos iniciales,
00:06:57lo que debes hacer es bajar
00:06:59y ejecutar un comando más en la CLI.
00:07:01Ese es el comando de inicio de sesión de NotebookLM.
00:07:04Igual que antes,
00:07:04ve a otra terminal y pégalo ahí.
00:07:07Eso abrirá una nueva ventana en Chrome.
00:07:10Solo tienes que iniciar sesión.
00:07:11Solo se hace una vez y ya está.
00:07:13Tras la autenticación del login,
00:07:16queda una cosa por hacer
00:07:17y es configurar la habilidad.
00:07:20Para crear la habilidad en Claude Code,
00:07:22puedes ejecutar el comando en la terminal
00:07:25o simplemente pedírselo a Claude Code.
00:07:27Entiende también lo que hemos hecho.
00:07:29Hicimos dos cosas en el lado de NotebookLM.
00:07:30Tienes la habilidad
00:07:32y luego tienes la API real del programa.
00:07:35Recuerda que las habilidades son solo instrucciones.
00:07:37Es solo texto diciéndole a Claude Code
00:07:39cómo hacer algo de una manera específica.
00:07:42Así que toda esta información que ves aquí sobre,
00:07:44"oye, así es como generamos contenido".
00:07:46"Así es como creamos el cuaderno".
00:07:47Esta habilidad le está enseñando a Claude Code a hacer eso.
00:07:50Una vez instalada, solo tienes que decirle a Claude Code:
00:07:52"oye, quiero que uses NotebookLM para crear tarjetas de estudio"
00:07:56o una infografía o una presentación.
00:07:58Es así de fácil.
00:07:58Todo es en lenguaje natural.
00:08:00Y si te preguntas qué puedes hacer exactamente
00:08:02con este programa, bueno, está todo aquí en GitHub.
00:08:04Cualquier cosa que puedas hacer en NotebookLM manualmente,
00:08:06puedes hacerla con la API y mucho más.
00:08:09Como puedes ver aquí, más allá de la interfaz web,
00:08:11también podemos hacer descargas por lotes,
00:08:13exportar el cuestionario y las tarjetas, etcétera, etcétera.
00:08:16Así que en realidad obtenemos más funcionalidad con este programa
00:08:19que simplemente cargando NotebookLM por tu cuenta.
00:08:22Así que repasémoslo paso a paso
00:08:24para que entiendas cómo está funcionando.
00:08:25Lo primero es esa habilidad de búsqueda en YouTube.
00:08:28Como cualquier habilidad, podemos usarla como un comando de barra
00:08:30o simplemente puedes usar lenguaje natural.
00:08:32Pero si escribo YT-search, verás que tenemos la consulta
00:08:36y luego el recuento.
00:08:37Entonces, ¿qué estamos buscando?
00:08:37Estamos buscando habilidades de Claude Code.
00:08:41Y aunque en la demostración hicimos todo a la vez,
00:08:43creo que es útil dividirlo a veces
00:08:45para que primero puedas echar un vistazo a cuáles
00:08:48van a ser realmente tus fuentes.
00:08:50Aquí están los resultados.
00:08:51Aparecen y, en cualquier momento,
00:08:53también podemos revisar los enlaces de YouTube nosotros mismos.
00:08:55Y lo bueno de esta habilidad
00:08:56es que también te dará información
00:08:58sobre lo que realmente está pasando con lo que trajo.
00:09:01Si estás conforme con las fuentes,
00:09:02ahora podemos pasarlas a NotebookLM.
00:09:04Nuevamente, puedes usar lenguaje natural.
00:09:05"Crea un nuevo cuaderno en NotebookLM titulado 'chase demo'"
00:09:08"con estas fuentes que acabamos de extraer".
00:09:10Y podemos ver que creó el cuaderno
00:09:12y ahora lo va a poblar con sus fuentes.
00:09:14Tras un par de minutos, las 20 fuentes están cargadas,
00:09:17y el límite en NotebookLM es de 50 fuentes.
00:09:19En este punto, puedes hacer que Notebook haga lo que quieras.
00:09:21Podemos decir: "basado en esos videos,
00:09:23¿cuál cree NotebookLM que es
00:09:24la habilidad número uno de Claude Code?"
00:09:26Ahora, de nuevo, lo genial de esto
00:09:28es que todo este análisis se delega.
00:09:31Claude Code no está haciendo este análisis.
00:09:33Claude Code no está gastando tokens.
00:09:35Solo gasta una pequeña cantidad de tokens
00:09:36para enviar esa solicitud a NotebookLM y traerla de vuelta.
00:09:39Pero todo el procesamiento lo hace Google
00:09:42y ellos lo están pagando.
00:09:43Así que Claude Code tomó el análisis de NotebookLM.
00:09:47Y podemos ver eso reflejado aquí
00:09:49dentro del propio NotebookLM.
00:09:50Así que siempre puedes verificar y hacer clic dentro de NotebookLM
00:09:52si quieres ver a qué subtítulos está haciendo referencia.
00:09:55Y esta dinámica también se aplica a todos los entregables.
00:09:58Así que, si quieres el resumen de audio,
00:09:59el mapa mental, las tarjetas, las infografías,
00:10:01cualquier cosa que veas aquí a la derecha,
00:10:03simplemente pídeselo a Claude Code y lo hará por ti.
00:10:06Es así de fácil.
00:10:08Cómo termines aprovechando este flujo de investigación
00:10:10depende en última instancia de ti,
00:10:11pero realmente no puedo enfatizar lo suficiente lo increíble que es esto.
00:10:15Parece bastante simple en la superficie,
00:10:17pero te digo,
00:10:18si has intentado lidiar con algo como esto,
00:10:20especialmente con el contenido de videos de YouTube
00:10:22e intentar crear un cuerpo de conocimiento
00:10:25a partir de estos videos de una manera que Claude Code
00:10:27u otro código agéntico pueda interactuar con él,
00:10:30es bastante difícil, ¿verdad?
00:10:31Consume mucho tiempo
00:10:32y puede ser bastante frágil.
00:10:34Sin embargo, todo esto se abstrae gratis con NotebookLM.
00:10:39Así que creo que esta es una herramienta fantástica.
00:10:42Espero que puedas sacarle provecho.
00:10:44Como siempre, como dije antes,
00:10:45todos los recursos se encuentran en mis comunidades de School.
00:10:48Si necesitas el archivo MD para la habilidad,
00:10:52para la habilidad de búsqueda en YouTube,
00:10:53asegúrate de buscarlo en la versión gratuita.
00:10:54Y de nuevo, si te tomas esto un poco más en serio
00:10:56y dices:
00:10:57"Realmente quiero una clase maestra de Claude Code"
00:10:59"que me lleve de cero a desarrollador de IA",
00:11:01no olvides echar un vistazo a Chase AI+.
00:11:03Cuéntame qué te pareció esto en los comentarios
00:11:05y, como siempre, nos vemos por ahí.

Key Takeaway

Integrar Claude Code con NotebookLM mediante la API no oficial de Python permite automatizar flujos de investigación RAG que extraen, analizan y transforman contenidos de YouTube en entregables visuales con un costo de tokens cercano a cero.

Highlights

La combinación de Claude Code y NotebookLM permite procesar hasta 50 fuentes de video de YouTube de forma gratuita y sin consumo de tokens adicionales.

El uso del repositorio GitHub NotebookLM-PI actúa como una API de Python no oficial para conectar ambas herramientas ante la falta de una interfaz pública oficial.

Un script basado en la dependencia YT-DLP extrae automáticamente metadatos como títulos, vistas y duraciones para alimentar el sistema RAG.

NotebookLM procesa el análisis pesado externamente, permitiendo generar entregables como infografías de estilo manual, presentaciones y podcasts desde la terminal.

La automatización mediante habilidades personalizadas en Claude Code reduce el tiempo de investigación manual de horas a solo cinco minutos de configuración.

Timeline

El potencial de la investigación automatizada con costo cero

  • Claude Code se convierte en un agente de investigación superior al integrarse con sistemas RAG externos.
  • La delegación del análisis a NotebookLM elimina el gasto de tokens que conlleva el procesamiento de grandes volúmenes de texto en modelos de lenguaje tradicionales.
  • Este flujo de trabajo reemplaza ecosistemas de investigación comerciales que suelen costar cientos de dólares mensuales.

La mayoría de los usuarios limitan Claude Code a búsquedas web simples que dependen de la suerte de los resultados devueltos. Al conectar un sistema RAG preconfigurado, es posible extraer secciones específicas de YouTube y obtener subtítulos automáticamente. El resultado final incluye productos complejos como infografías y podcasts procesados enteramente por la infraestructura gratuita de Google.

Demostración técnica del flujo de trabajo en la terminal

  • Una sola instrucción en la terminal activa la búsqueda de videos tendencia, la extracción de URLs y el envío de datos a NotebookLM.
  • El sistema extrajo con éxito 20 fuentes de YouTube para identificar las cinco mejores habilidades de Claude Code sin intervención manual.
  • Los entregables visuales generados mantienen la fidelidad a los datos originales de los videos analizados sin inventar información.

Durante la demostración, el modelo Nano Banana Pro procesó las instrucciones para crear una infografía con estilo de plano hecho a mano. El sistema registra metadatos precisos de cada video, incluyendo autor y fecha de publicación, para asegurar la trazabilidad. Aunque estos pasos podrían ejecutarse manualmente, la integración en Claude Code permite que los resultados del análisis se incorporen inmediatamente al entorno de desarrollo del usuario.

Configuración de la API no oficial y habilidades de búsqueda

  • El repositorio NotebookLM-PI de Tang Ling habilita la comunicación con NotebookLM a falta de una API pública.
  • La extracción de datos de YouTube requiere un script de Python que utiliza la herramienta YT-DLP.
  • Las habilidades en Claude Code funcionan como instrucciones de lenguaje natural que enseñan al modelo a ejecutar comandos específicos de terminal.

La configuración requiere abrir una segunda terminal para ejecutar comandos de instalación y autenticación de Chrome. Una vez vinculado, el usuario debe entregar el archivo de configuración MD a Claude Code para que este comprenda cómo usar el extractor de YouTube. La API no oficial ofrece funciones extendidas que no están presentes en la interfaz web, como la descarga por lotes de cuestionarios y tarjetas de estudio.

Ejecución paso a paso y beneficios de la delegación de análisis

  • El comando YT-search permite filtrar fuentes por relevancia y cantidad antes de enviarlas al cuaderno digital.
  • Google asume el costo computacional del procesamiento de los subtítulos de video al realizarse fuera de la ventana de contexto de Claude.
  • La interacción con el cuerpo de conocimiento creado se realiza mediante comandos de barra o lenguaje natural simplificado.

Al crear un cuaderno titulado específicamente, Claude Code puebla el sistema RAG con las fuentes seleccionadas hasta un límite de 50 elementos. El usuario puede realizar preguntas complejas sobre el contenido de los videos y recibir respuestas basadas exclusivamente en las transcripciones. Este método evita la fragilidad y el consumo excesivo de tiempo que implica construir manualmente bases de conocimiento para agentes de IA.

Community Posts

No posts yet. Be the first to write about this video!

Write about this video