Claude Code + NotebookLM = CÓDIGO DE TRAPAÇA

CChase AI
Computing/SoftwareSmall Business/StartupsInternet Technology

Transcript

00:00:00O Claude Code pode ser o agente de pesquisa mais poderoso
00:00:03do planeta, mas você precisa adicionar esta ferramenta
00:00:07para desbloqueá-lo.
00:00:08Agora, a versão de pesquisa no Claude Code da maioria das pessoas
00:00:11é apenas dizer para ele usar a ferramenta de busca na web
00:00:13e rezar para que o que quer que ele traga seja bom o suficiente.
00:00:17Mas podemos fazer melhor, pois e se eu te dissesse que,
00:00:19com apenas cinco minutos de configuração,
00:00:21poderíamos criar fluxos de trabalho dentro do Claude Code
00:00:24capazes de extrair qualquer seção do YouTube,
00:00:26coletar suas legendas, enviar essa informação
00:00:28para um sistema RAG gratuito, robusto e pré-construído
00:00:32que é capaz de fazer todo o trabalho pesado
00:00:35e análise para nós, e então pegar essa análise
00:00:38e nos dar entregáveis como apresentações de slides,
00:00:40infográficos, podcasts, o que você imaginar,
00:00:43tudo isso nos custando praticamente zero tokens.
00:00:46Agora, se isso parece bom demais para ser verdade,
00:00:48você normalmente estaria certo, mas não neste caso.
00:00:51Então, deixe-me apresentar a ferramenta de IA mais subestimada
00:00:55no jogo hoje: o Notebook LM.
00:00:58No vídeo de hoje, vou mostrar a você
00:01:00como combinar os poderes do Claude Code e do Notebook LM
00:01:03para substituir uma estrutura de pesquisa, de graça,
00:01:06que de outra forma custaria centenas de dólares por mês
00:01:10para construir e manter.
00:01:11Estou muito animado para mostrar isso a vocês.
00:01:14Então, vamos começar.
00:01:15Vamos iniciar este vídeo com uma demonstração
00:01:16para que você veja como podemos usar o Claude Code
00:01:19para aproveitar todos os recursos do Notebook LM
00:01:22sem nunca sairmos do terminal.
00:01:24Este comando fará o Claude Code
00:01:26realizar uma série de coisas.
00:01:27Primeiro, usaremos nossa habilidade personalizada de busca no YouTube
00:01:30para encontrar os vídeos em alta sobre habilidades no Claude Code.
00:01:33E não se preocupe, eu mostrarei todas essas habilidades
00:01:35e como obtê-las em um segundo.
00:01:37Depois de encontrarmos as URLs dos vídeos,
00:01:39quero que o Claude Code envie essas URLs para o Notebook LM
00:01:43usando a habilidade do Notebook LM.
00:01:44Então, quero que o Notebook LM analise esses vídeos
00:01:49para descobrir quais são as principais habilidades do Claude.
00:01:51E quero que essa análise nos seja enviada.
00:01:53Além disso, eu quero um entregável.
00:01:54Não quero apenas a análise em texto.
00:01:56Quero um infográfico em estilo de rascunho feito à mão
00:02:00retratando essa análise sobre as principais habilidades.
00:02:03Com um único comando, vamos varrer o YouTube.
00:02:06Vamos obter todos os nossos dados.
00:02:08Vamos essencialmente colocá-los em um sistema RAG,
00:02:11porque é isso que o Notebook LM é.
00:02:13Faremos o Notebook LM realizar toda a análise
00:02:15e os entregáveis para nós externamente,
00:02:18o que significa que não pagamos por isso em tokens.
00:02:20E recebemos tudo isso de graça.
00:02:22Então, vamos ver como funciona.
00:02:23Aqui está o que temos.
00:02:24O Claude Code enviou 20 fontes do YouTube
00:02:26para o Notebook LM para análise.
00:02:29O Notebook LM então retornou
00:02:30com as cinco principais habilidades do Claude Code que você vê aqui,
00:02:34bem como as tendências emergentes de como são usadas.
00:02:37Ele então criou aquele infográfico entregável para nós,
00:02:39que apareceu automaticamente dentro da nossa pasta de projeto.
00:02:42Aqui está uma olhada nesse infográfico.
00:02:44Novamente, este é o Nano Banana Pro agindo por baixo do pano.
00:02:47Ele está sendo chamado, e o texto aqui
00:02:49e todos os visuais, primeiro, combinam com o estilo solicitado,
00:02:52que era um estilo tipo rascunho feito à mão.
00:02:55E em segundo lugar, e mais importante,
00:02:57todo este conteúdo é baseado nos vídeos
00:02:59e na análise desses vídeos.
00:03:01Não é algo inventado.
00:03:02E também podemos ver aqui dentro do Claude Code,
00:03:04os vídeos que ele pegou, o título, o criador, as visualizações,
00:03:06a duração e a data.
00:03:08E tudo isso está refletido no próprio Notebook LM.
00:03:10Posso ver todas as fontes que foram enviadas.
00:03:12Posso ver toda a análise.
00:03:14Posso ver o guia de rascunho que pedimos.
00:03:18E embora esta demonstração possa parecer
00:03:19uma aplicação simplória disso,
00:03:21não consigo enfatizar o suficiente o valor agregado
00:03:24de combinar essas duas ferramentas,
00:03:26porque isso vai muito além de apenas automatizar
00:03:28o processo de fontes para o Notebook LM.
00:03:30Tudo o que fizemos aqui,
00:03:31poderíamos ter feito manualmente no Notebook LM, certo?
00:03:33Eu poderia ter percorrido o YouTube manualmente.
00:03:35Poderia ter encontrado todos os vídeos que eu queria.
00:03:37Poderia tê-los copiado e colado.
00:03:38Poderia ter obtido a análise
00:03:39e poderia ter obtido um entregável.
00:03:41O fato de podermos automatizar isso é bom,
00:03:43mas é mais do que isso.
00:03:44É o fato de que posso trazer toda essa análise
00:03:47para o meu ecossistema do Claude Code sem esforço
00:03:50e os casos de uso desse fluxo são praticamente infinitos.
00:03:55E a segunda razão pela qual esta combinação de ferramentas
00:03:56é tão poderosa tem tudo a ver
00:03:58com o poder puro do Notebook LM.
00:04:01Se você tentar recriar o que o Notebook LM faz,
00:04:04que é um sistema de extração para um sistema RAG,
00:04:07para um sistema de análise e para um sistema de entrega, certo?
00:04:11Com os infográficos, a apresentação de slides e tudo mais,
00:04:13seria um sofrimento gigantesco para fazer.
00:04:15Como alguém que já tentou,
00:04:16pelo menos no lado da pesquisa com coisas como N8N,
00:04:18não é um processo simples.
00:04:20Além disso, custa dinheiro e tudo isso é de graça,
00:04:23o que é em grande parte o motivo de eu estar tão animado
00:04:24em compartilhar isso com você.
00:04:25E outro motivo para você ficar empolgado
00:04:27é o quão simples é configurar tudo isso,
00:04:30que é o que vamos cobrir agora.
00:04:32Quando se trata de configurar isso,
00:04:33você provavelmente está pensando: "Ei, Chase,
00:04:34como realmente conectamos o Notebook LM ao Claude Code
00:04:38considerando o fato de que o Notebook LM
00:04:40não possui uma API pública?"
00:04:41Bem, felizmente para nós, existem pessoas muito mais espertas
00:04:43do que você ou eu que já resolveram esse problema.
00:04:46Neste caso, é Tang Ling,
00:04:48e usaremos o trabalho dele hoje
00:04:50ao utilizar o repositório GitHub Notebook LM-PI
00:04:54para atuar essencialmente como uma API Python não oficial
00:04:57para o Notebook LM.
00:04:58Mas antes de configurarmos o Notebook LM,
00:05:00precisamos resolver a primeira parte do nosso fluxo,
00:05:03que é na verdade a busca no YouTube
00:05:04e a obtenção dos dados que queremos que o Notebook LM
00:05:07analise.
00:05:09E para isso, tenho uma habilidade personalizada de busca no YouTube
00:05:12para o Claude Code que faz tudo isso para você.
00:05:15Ela usa um script Python que depende da biblioteca YT-DLP
00:05:20para extrair os metadados do YouTube para nós.
00:05:22Então, quando eu pergunto sobre habilidades do Claude Code,
00:05:24é como se fôssemos ao YouTube
00:05:27e pesquisássemos por habilidades no Claude Code.
00:05:28Ele pega o título, visualizações, autor e tudo o que é importante.
00:05:32E esta habilidade que você vê aqui dentro do Claude Code
00:05:35ensina o Claude Code como melhor usar este script.
00:05:38Existem duas maneiras de colocar esta habilidade
00:05:41e este script em funcionamento.
00:05:42A primeira é bem simples.
00:05:44Você apenas entra no Claude Code
00:05:45e explica que quer que ele construa esta habilidade personalizada
00:05:48para você, que você quer usar a dependência YT-DLP
00:05:51para criar um extrator personalizado do YouTube.
00:05:54Ou se você quiser o arquivo MD completo de configuração
00:05:57desta habilidade de busca no YouTube para apenas baixá-lo
00:05:59e entregar ao Claude Code, você também pode fazer isso.
00:06:01Você pode obtê-lo indo à minha comunidade gratuita School,
00:06:03cujo link você encontra na descrição.
00:06:04Agora, falando das minhas comunidades School,
00:06:06dentro do Chase AI Plus,
00:06:07você também pode encontrar o meu Masterclass de Claude Code,
00:06:11que eu lancei há apenas alguns dias.
00:06:13Então, se você é alguém que está no começo
00:06:14da sua jornada de IA e está tentando descobrir
00:06:16como posso melhor aproveitar o Claude Code,
00:06:18mesmo que eu não seja técnico,
00:06:19mas realmente queira dominar o que é definitivamente
00:06:22a ferramenta de IA mais poderosa do jogo.
00:06:24Bem, este é o lugar para você.
00:06:25E se você estiver interessado nisso,
00:06:26basta verificar o link no comentário fixado.
00:06:28Depois de baixar o arquivo de configuração da busca no YouTube,
00:06:31apenas dê ao Claude Code e diga para ele trabalhar,
00:06:33ou você pode apenas comandar manualmente o Claude Code
00:06:35para construí-lo para você.
00:06:36Agora, vamos voltar aqui
00:06:37e configurar a conexão com o Notebook LM.
00:06:39Vou colocar um link para isso na descrição também.
00:06:42E a instalação é bem simples.
00:06:44Para instalar isso,
00:06:45vamos apenas copiar estes comandos,
00:06:47colá-los dentro do nosso terminal,
00:06:49o que significa que, se você estiver olhando o Claude Code,
00:06:51você está no lugar errado.
00:06:51Você precisa abrir um segundo terminal como este
00:06:53e colar esses comandos.
00:06:55Depois de executar estes comandos iniciais de instalação,
00:06:57o que você deve fazer é rolar para baixo aqui
00:06:59e teremos que executar mais um comando no CLI.
00:07:01E esse é o comando de login do Notebook LM.
00:07:04A mesma coisa de antes,
00:07:04vá para outro terminal e cole isso lá.
00:07:07Isso abrirá uma nova janela no Chrome.
00:07:10Tudo o que você precisa fazer é o login.
00:07:11Você só precisa fazer isso uma vez e estará tudo pronto.
00:07:13Agora, após a autenticação com o login do Notebook LM,
00:07:16há mais uma coisa que você precisa fazer
00:07:17e precisamos criar a habilidade.
00:07:20Para criar a habilidade dentro do Claude Code, certo?
00:07:22Você pode executar este comando no terminal
00:07:25ou apenas dizer ao Claude Code para fazer isso.
00:07:27Entenda também o que fizemos.
00:07:29Fizemos duas coisas do lado do Notebook LM.
00:07:30Você tem a habilidade
00:07:32e depois tem a API real do programa.
00:07:35Lembre-se de que habilidades são apenas comandos.
00:07:37É apenas um texto dizendo ao Claude Code
00:07:39como fazer algo de uma maneira específica.
00:07:42Então, toda essa informação que você vê aqui sobre,
00:07:44"ei, aqui está como geramos conteúdo."
00:07:46"Aqui está como criamos o notebook."
00:07:47Essa habilidade está ensinando o Claude Code a fazer isso.
00:07:50Assim que estiver instalado, você só precisa dizer ao Claude Code:
00:07:52"ei, quero que você use o NotebookLM para criar flashcards"
00:07:56ou um infográfico ou uma apresentação de slides.
00:07:58É fácil assim.
00:07:58Tudo é feito em linguagem simples.
00:08:00E se você estiver se perguntando o que exatamente pode fazer
00:08:02com este programa, bem, está tudo aqui no GitHub.
00:08:04Qualquer coisa que você possa fazer no NotebookLM manualmente,
00:08:06você pode fazer com a API e algo mais.
00:08:09Como você pode ver aqui, além da interface web,
00:08:11também podemos fazer downloads em lote,
00:08:13exportar o questionário e os flashcards, etc., etc.
00:08:16Portanto, na verdade, obtemos mais funcionalidades usando este programa
00:08:19do que se você apenas carregasse o NotebookLM por conta própria.
00:08:22Então, vamos passar por isso um passo de cada vez
00:08:24para que você entenda como está funcionando.
00:08:25A primeira coisa é aquela habilidade de busca no YouTube.
00:08:28Como qualquer habilidade, podemos usá-la como um comando de barra
00:08:30ou você pode apenas usar linguagem simples.
00:08:32Mas se eu digitar YT-search, você verá que temos a busca
00:08:36e depois a contagem.
00:08:37Então, o que estamos procurando?
00:08:37Ei, estamos procurando por habilidades do Claude Code.
00:08:41E embora na demonstração tenhamos feito tudo de uma vez,
00:08:43acho útil dividir às vezes
00:08:45para que você possa primeiro analisar quais serão
00:08:48as suas fontes de fato.
00:08:50Aqui estão os resultados.
00:08:51Ele retorna e, a qualquer momento,
00:08:53também podemos verificar os links do YouTube nós mesmos.
00:08:55E o que é legal com essa habilidade
00:08:56é que ela também lhe dará uma visão
00:08:58sobre o que realmente está acontecendo com o que ela trouxe.
00:09:01Se você estiver satisfeito com as fontes,
00:09:02agora podemos enviá-las para o NotebookLM.
00:09:04Novamente, você pode apenas usar linguagem simples.
00:09:05"Crie um novo notebook no NotebookLM chamado 'chase demo'"
00:09:08"com essas fontes que acabamos de extrair."
00:09:10E podemos ver que ele criou o notebook
00:09:12e agora vai populá-lo com as suas fontes.
00:09:14Após alguns minutos, todas as 20 fontes são carregadas,
00:09:17e você está limitado a 50 fontes no NotebookLM.
00:09:19E, neste ponto, você pode fazer o notebook fazer o que quiser.
00:09:21Podemos dizer: "com base nesses vídeos,"
00:09:23"qual o NotebookLM acredita ser"
00:09:24"a habilidade número um do Claude Code?"
00:09:26Agora, novamente, a coisa legal com isso
00:09:28é que toda essa análise é terceirizada.
00:09:31O Claude Code não está fazendo essa análise.
00:09:33O Claude Code não está gastando tokens.
00:09:35Ele está gastando apenas uma pequena quantidade de tokens
00:09:36para enviar essa solicitação ao NotebookLM e trazê-la de volta.
00:09:39Mas todo o processamento é feito pelo Google
00:09:42e eles estão pagando por isso.
00:09:43Então, o Claude Code pegou a análise do NotebookLM.
00:09:47E podemos ver isso refletido aqui
00:09:49dentro do próprio NotebookLM.
00:09:50Você sempre pode conferir e clicar no NotebookLM
00:09:52se quiser ver quais legendas ele está referenciando.
00:09:55E esse ritmo também se aplica a todas as entregas.
00:09:58Então, se você quiser a visão geral em áudio,
00:09:59o mapa mental, os flashcards, os infográficos,
00:10:01qualquer coisa que você veja aqui à direita,
00:10:03basta comandar o Claude Code e ele fará por você.
00:10:06É fácil assim.
00:10:08Como você acabará aproveitando este fluxo de pesquisa
00:10:10depende de você,
00:10:11mas não consigo enfatizar o suficiente o quão incrível isso é.
00:10:15Parece bem simples na superfície,
00:10:17mas eu te garanto,
00:10:18se você já tentou lidar com algo assim,
00:10:20especialmente com as coisas de vídeo do YouTube
00:10:22e realmente tentar criar um corpo de conhecimento
00:10:25a partir desses vídeos de uma forma que o Claude Code
00:10:27ou algum outro código agente possa interagir com ele,
00:10:30é bem difícil, certo?
00:10:31E consome muito tempo,
00:10:32além de poder ser bastante instável.
00:10:34No entanto, tudo isso é abstraído gratuitamente com o NotebookLM.
00:10:39Então, acho que esta é uma ferramenta fantástica.
00:10:42Espero que você possa tirar algum proveito dela.
00:10:44Como sempre, como eu disse antes,
00:10:45todos os recursos podem ser encontrados nas minhas comunidades escolares.
00:10:48Se você precisar do arquivo MD para a habilidade,
00:10:52para a habilidade de busca no YouTube,
00:10:53certifique-se de ver isso na versão gratuita.
00:10:54E, novamente, se você estiver um pouco mais sério sobre isso
00:10:56e pensar algo como:
00:10:57"Eu realmente quero ter uma masterclass de Claude Code"
00:10:59"que me leve do zero a desenvolvedor de IA,"
00:11:01não deixe de conferir o Chase AI+.
00:11:03Me conte o que você achou disso nos comentários
00:11:05e, como sempre, nos vemos por aí.

Key Takeaway

A conexão entre Claude Code e NotebookLM via API não oficial automatiza a extração de dados do YouTube e a criação de sistemas RAG complexos sem custos de processamento ou consumo excessivo de tokens.

Highlights

A integração do Claude Code com o NotebookLM permite criar sistemas RAG (Geração Aumentada por Recuperação) sem custo de tokens para processamento de análise.

O uso da biblioteca YT-DLP possibilita a extração automatizada de metadados e legendas de até 20 vídeos do YouTube simultaneamente através de comandos no terminal.

O repositório NotebookLM-PY atua como uma API Python não oficial para superar a ausência de uma interface de programação pública no produto do Google.

O fluxo de trabalho automatizado gera entregáveis como infográficos em estilo de rascunho, apresentações de slides e podcasts baseados em fontes de dados externas.

A configuração completa do ambiente de pesquisa e automação de fontes exige apenas cinco minutos de preparação técnica inicial.

O NotebookLM suporta o carregamento e a análise de até 50 fontes distintas por caderno de anotações.

Timeline

Limitações da busca web nativa e o potencial do RAG gratuito

  • A função de busca padrão do Claude Code depende da precisão incerta das ferramentas de pesquisa na web tradicionais.
  • O NotebookLM funciona como um sistema RAG pré-construído capaz de realizar análises pesadas sem custo financeiro.
  • A terceirização da análise para o Google resulta em economia total de tokens durante o processamento de grandes volumes de dados.

Muitos usuários limitam o potencial do Claude Code ao solicitar buscas simples na internet. A alternativa proposta utiliza o NotebookLM para processar informações de legendas do YouTube e gerar materiais como infográficos e podcasts. Este método substitui estruturas de pesquisa pagas que custariam centenas de dólares mensais para manutenção.

Demonstração prática de automação via terminal

  • O comando unificado no terminal varre o YouTube, coleta metadados e envia as URLs diretamente para o ecossistema de análise.
  • O modelo Nano Banana Pro renderiza visuais baseados estritamente nos dados extraídos dos vídeos para evitar alucinações.
  • A automação elimina a necessidade de copiar e colar manualmente links e transcrições para dentro da interface do NotebookLM.

Uma demonstração com 20 fontes sobre habilidades do Claude Code exemplifica como os dados são organizados por título, autor e visualizações. O sistema retorna as tendências emergentes e cria um infográfico automático na pasta do projeto. O valor principal reside na integração fluida que traz insights externos para o ambiente de desenvolvimento local sem esforço manual.

Configuração técnica e bibliotecas necessárias

  • O repositório GitHub NotebookLM-PY resolve a falta de uma API pública oficial para a ferramenta de pesquisa do Google.
  • A biblioteca Python YT-DLP é o componente essencial para a extração técnica de metadados da plataforma de vídeo.
  • Habilidades personalizadas (custom skills) no Claude Code ensinam o agente a operar os scripts Python de forma autônoma.

Para conectar as ferramentas, utiliza-se o trabalho de desenvolvedores da comunidade, como Tang Ling, que criaram wrappers em Python. O processo envolve configurar um script que simula a busca manual no YouTube e extrai informações relevantes. Usuários podem solicitar que o próprio Claude Code escreva esses scripts ou baixar configurações prontas em formato Markdown.

Instalação e autenticação do NotebookLM-PY

  • A instalação requer a execução de comandos CLI em um terminal secundário separado da instância ativa do Claude Code.
  • O processo de autenticação exige apenas um login único através de uma janela automatizada do navegador Chrome.
  • A API não oficial oferece funcionalidades estendidas, como downloads em lote e exportação de flashcards, que superam a interface web padrão.

O procedimento de configuração começa com a cópia de comandos de instalação do repositório para o terminal. Após o login bem-sucedido, o usuário define a 'skill' dentro do Claude Code, que funciona como um conjunto de instruções em linguagem natural. Isso permite que o agente entenda comandos específicos para criar novos cadernos ou gerar conteúdos didáticos a partir das fontes fornecidas.

Execução de comandos e análise de dados terceirizada

  • Comandos de barra como '/YT-search' permitem filtrar e selecionar fontes antes do envio para o sistema de análise.
  • O Claude Code consome tokens apenas para a troca de mensagens curtas, enquanto o processamento pesado ocorre nos servidores do Google.
  • O limite de 50 fontes por notebook define a escala máxima de cada projeto de pesquisa automatizado.

O fluxo de trabalho final demonstra a busca por termos específicos, a criação de um notebook nomeado e a população imediata de dados. Ao perguntar sobre a principal habilidade de uma tecnologia, o Claude Code consulta o NotebookLM e traz a resposta baseada em evidências das legendas. Este método resolve a instabilidade e o consumo de tempo típicos da construção manual de corpos de conhecimento para agentes de IA.

Community Posts

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

Write about this video