好家伙，这有一个Notebook LM 的"野生 API"，可以用Claude Code免费用 Google 大模型

大家好，我是小九，我又来了。

先叠甲：这不是广告，这是一篇正经的"薅资本家羊毛"技术分享。 厂商爸爸们手下留情，API 能多活一天是一天 🙏

---

1. 先搞清楚状况：你是不是也卡在这些痛点上？

兄弟们，咱说实话，下面这些场景你是不是中招了？

场景一：知识库选型纠结症

"腾讯 ima 不错，但数据不能出境..." "Notebook LM 功能强，但 API 在哪呢？" "Obsidian 全能，但本地部署配大模型或接API烧卡烧钱烧得我肉疼..."

三选一选到怀疑人生，最后往往是"先用着吧"——然后继续痛苦。

场景二：厂商工具越强，心里越没底

你懂的，Notebook LM 那 AI 播客、那闪卡生成、那深度研究，功能一坨一坨的，用着是真爽。

但问题是——所有能力都锁死在 Google 的 Web 界面里。

想自动化？想跟你的 CI/CD 流程打通？想把知识库接到内部系统？做梦吧您。

没有 API 的强力工具，就像一把没有钥匙孔的顶级机械锁——看着牛逼，但跟你没啥关系。

场景三：Claude Code 装好了，大模型配不起

Claude Code 是个好东西，但月均账单跑起来...怎么说呢，"国外大模型是烧钱机器"这句话懂的都懂。

---

2. 转折来了——一个华人老哥悄悄开源了个"外挂"

然后！就在某天！我发现了一个 GitHub 项目，名字叫 notebooklm-py。

开源作者：teng-lin，华人，MIT 协议。

这玩意儿干了一件什么事儿呢——它把 NoteBook LM 给逆向接上了，等于搞了个"野生 API"出来。

不用打开 NotBook LM 的网页，不用手动点鼠标，直接上代码，就能操控它的全部功能：

然后！Claude Code、Codex，或者任何接了 API 的 AI 编程工具，都能跟它接起来！

这意味着啥？

Claude Code + notebooklm-py + Google 大模型 = 无限量白嫖 NotBook LM 上的能力

你说爽不爽？

当然，这里得说一句：这个 API 是非官方的，Google 随时可能动手封。 且用且珍惜吧，朋友们。希望 Google 爸爸睁一只眼闭一只眼 🙏

---

3. 好了不废话，直接上操作！

整体流程（6 步走）

---

3.1 第一步：Claude Code 你得有

没装过的自己去搞一下。装好了要配大模型——国外那几家的 API 烧卡速度堪比矿老板，推荐国内性价比方案：

Alaya Coding Plan——IT 圈不少大号都推过，属于是被市场验证过的方案了。申请地址：

��https://www.alayanew.com/?utm_source=official02

---

3.2 第二步：装 notebooklm-py（就是 pip install 三连）

notebooklm-py 本质上是个 Python 包，三个命令搞定，管理员权限跑 CMD 或 PowerShell：

小提示：pip install 报错？大概率是权限问题——右键 CMD，用"以管理员身份运行"再试。

---

3.3 第三步：装 yt-search skill（搜 YouTube 用的）

打开 PowerShell，cd 到你的 Claude 目录，跑 claude，然后直接跟它说：

Follow 提示走完就行。

注：yt-search 是用来搜 YouTube 视频的。你用 firecrawl 或者其他 skill/plugin/MCP 也能实现类似效果，条条大路通罗马。

---

3.4 第四步：装 notebooklm skill（就一段提示词）

默认装到 .claude 目录了。当然，你也可以手动把 skill 目录拖到你项目下的 skills/ 里面——方便管理，不依赖全局配置。

我自己的路径供参考：E:\mycode\claudepro\claude-config\skills

---

3.5 第五步：登录 NoteBook LM（扫码认证）

它会弹浏览器，你登一下 Google 账号，授权完了回 CMD 窗口敲个回车，登录信息就本地存好了。

---

4. 实战案例——这玩意儿到底好不好用？

下面展示两个真实案例，都是我实际跑过的。

案例一：建知识库 + 生成蓝图风格信息图

目标：创建一个叫 seedzhang 的 notebook，用 yt-search 搜 Claude Code Skills 热门视频，丢进 NotBook LM 分析，生成蓝图风格信息图，下载到本地。

操作：给 Claude Code 发如下提示词：

执行效果：

生成的知识库：

添加数据源：

生成的蓝图信息图（这个真的很好看）：

所有资料自动归档到 seedzhang 目录：

---

案例二：深度研究 + 生成播客 + 导出 PDF

目标：创建一个叫"Claude Code"的 notebook，搜相关 YouTube 视频，导入后生成一篇 3000 字文稿 + 一期 AI 播客，全部下载。

先试试英文提示词（效果更好，原因后面说）：

执行效果：

---

中文提示词我也跑了（会慢一些，可能是 Google 大模型对中文理解需要多绕几步）：

中文执行结果：

生成的知识库内容：

生成的 AI 播客（MP3）：

生成的 PDF 文档：

---

5. 吐血总结 + 几个忠告

总结一：英文提示词效果明显更好

Google 的大模型底座还是以英文为核心的，英文理解 + 英文生成的质量都更稳定。中文明明也能跑，但速度和数据处理质量都差点意思。

总结二：能用 API 就别用 Web UI——但要随时准备好 Plan B

这套方案的精髓在于自动化——一次写好提示词，流程跑起来，后续躺着收结果。但非官方 API 的脆弱性是真实存在的。建议把它当做一个"有生命周期"的工具，别 all in。

总结三：这玩法适合谁？

• 经常要做市场调研、行业分析的渠道/甲方同学

• 需要批量处理文档的知识管理岗

• 想把 NoteBook LM 能力接进自动化流程的技术同学

• 单纯想白嫖 Google 大模型的同学（你懂的）

不適合：

• 纯甲方政府项目，数据不能出境的——这个方案需要登录 Google，数据要进 Google 服务器，请自行评估合规风险。

---

好了，分享完毕。感兴趣的朋友赶紧去折腾一下——

万一哪天 Google 动真格封了这个野生 API，这些内容就成了"绝版教程"了，稀缺性拉满，懂的都懂。 😏

---

notebooklm-py 项目地址：https://github.com/teng-lin/notebooklm-py&#x20;

Alaya Coding Plan：https://www.alayanew.com/?utm\_source=official02