这种 NotebookLM + Claude Code 工作流简直无敌了

하이라이트

• 利用开源库 NotebookLM-py 将 NotebookLM 的文档理解能力与 Claude Code 的执行能力完美结合。

• NotebookLM-py 支持通过 CLI 或 Python API 执行创建笔记本、上传来源、对话及下载产出等全量功能。

• 展示了针对 35 家 AI 财务竞品的深度分析工作流，突破了单笔记本 300 个资料来源的限制。

• 工作流可自动生成 Markdown 报告、思维导图、PPT 演示文稿以及针对产品愿景的策略建议。

• 集成过程包括环境配置、身份验证以及将 NotebookLM 技能导入 AI 智能体生态系统。

• 通过 JobRite 等 AI 工具案例，展示了自动化处理繁琐流程（如求职申请）的实际价值。

타임라인

1. 00:00 - 01:59

   核心理念：执行力与理解力的结合

   视频开头介绍了结合 Claude Code 和 NotebookLM 的动机，强调前者擅长执行代码而后者擅长梳理杂乱文档。作者展示了一个名为 Book Zero 的实际案例，演示如何对 35 个竞争对手进行深度对比分析。通过这种集成，用户可以利用 NotebookLM 作为底层知识库，指导 AI 智能体完成下一步的产品决策或 Jira 任务处理。此外，该工作流还能辅助内容创作，利用生成的知识库撰写 SEO 博客文章。这一节为后续的工具安装和具体操作流程奠定了基础。

2. 01:59 - 02:33

   讲师背景与频道宗旨

   讲师 Eric 自我介绍曾任职于亚马逊、AWS 和微软等知名科技公司，拥有多年的高级软件工程师经验。他创办该频道的初衷是分享关于 AI 编程、自动化、Web3 以及职业发展方面的实战知识。Eric 强调其视频内容会将复杂技术拆解为可操作的教程，方便观众跟随学习。他还提到了自己的社区平台，旨在为学习者提供资源、模板和支持。这段内容增强了教程的权威性，并建立了与观众的信任连接。

3. 02:33 - 04:47

   NotebookLM-py 的功能介绍与安装配置

   Eric 详细介绍了开源项目 NotebookLM-py 的核心功能，包括创建笔记本、管理资料来源、设置研究模式以及下载生成的音频或幻灯片。安装过程涉及创建 Python 虚拟环境、激活环境以及使用 pip 安装带有浏览器登录支持的基础版本。他通过终端演示了如何验证安装版本，并展示了使用命令唤起浏览器进行 Google 账号身份验证的步骤。一旦验证成功，凭据会保存在本地，以便后续通过 CLI 进行自动化操作。这部分技术细节确保了用户能够顺利搭建起本地开发环境。

4. 04:47 - 06:02

   集成 AI 技能与智能体设置

   为了让 Claude Code 能够识别并调用 NotebookLM 的功能，必须将相关技能安装到 AI 智能体的运行目录中。视频展示了两种安装选项，分别是直接使用 notebook-lm 命令安装和通过 NPX 开放技能生态系统进行安装。Eric 选择了第一种方案，并在根目录下完成了技能部署，从而让大语言模型能理解相关的斜杠命令。他解释说，这样用户就可以通过自然语言直接在对话中引用 NotebookLM 的处理能力。这一步骤是实现跨工具协同工作的关键环节。

5. 06:02 - 07:46

   实战案例：35 家竞品的深度调研架构

   Eric 详细拆解了针对其产品 BookZero 进行竞品分析的架构设计，目标是分析 35 家 AI 财务公司。由于单个笔记本有 300 个来源的限制，他将竞品分为多个层级，并分别创建了“直接竞品”和“市场格局”两个笔记本。第一个笔记本涵盖核心竞品的 250 个深度来源，第二个笔记本则存放 17 家公司的 136 个快速调研来源。产出结果将包括 Markdown 报告、JSON 数据、思维导图以及由 Nano Banana 2 驱动的演示文稿。这种分层处理的方法展示了如何应对大规模数据集的结构化分析需求。

6. 07:46 - 09:25

   效率插播：AI 求职工具 JobRite

   在等待竞品分析生成的间隙，视频介绍了一款名为 JobRite 的 AI 求职助手平台。该平台旨在解决求职过程中改写简历、填写表格等繁琐环节，通过分析用户简历构建技能画像。它具备 Resume AI 功能，能根据职位描述自动适配简历版本，并提供 Chrome 扩展程序实现表单自动填充。此外，平台还提供内部人脉联系建议和 Orion AI 职业咨询助手。这一节通过侧面案例再次强调了 AI 自动化在提升个人生产力方面的显著优势。

7. 09:25 - 12:19

   结果展示与产品愿景分析

   视频最后展示了自动生成的分析结果，包括在 docs 文件夹中下载的 PPT 和详细的 Markdown 文件。Eric 演示了如何在 NotebookLM 中针对已有的 400 多个来源提出深度问题，如产品的独特卖点和未来愿景。系统精准地总结出 BookZero 的核心优势在于高精度的收据匹配工作流，并建议未来转向对话式 AI 系统。Eric 还演示了如何通过配置“简短响应模式”来获取高效、干货式的反馈。视频最后鼓励观众订阅并参考其分享的 43 个 Claude Code 技巧以优化产品营销。