多源内容 → NotebookLM 智能处理器

自动从多种来源获取内容，上传到 NotebookLM，并根据自然语言指令生成播客、PPT、思维导图等多种格式。

支持的内容源

1. 微信公众号文章

通过 MCP 服务器自动抓取微信公众号文章内容（绕过反爬虫）

2. 任意网页链接

支持任何公开可访问的网页（新闻、博客、文档等）

3. 播客（小宇宙/喜马拉雅）+ B站视频

通过 Get笔记 API 获取完整转写文本（带时间戳），支持小宇宙、喜马拉雅、B站视频等音频/视频平台

4. X/Twitter 帖子

通过内置代理级联（r.jina.ai → defuddle.md → agent-fetch）抓取推文内容（含长推文线程），转为 Markdown

5. 付费墙网站自动绕过

自动检测并绕过 NYT、WSJ、FT、Economist、Bloomberg、Medium 等 300+ 付费网站的付费墙。策略：UA 伪装（Googlebot/Bingbot）→ Referer 伪装（Google/Facebook）→ AMP 页面 → archive.today 存档

5. YouTube 视频

直接传递给 NotebookLM！ NotebookLM 原生支持 YouTube 链接，会自动提取视频字幕和元数据，无需手动下载字幕或转写。禁止使用 yt-dlp 或浏览器自动化提取字幕。

4. Office 文档

• Word (DOCX) - 保留表格和格式
• PowerPoint (PPTX) - 提取幻灯片和备注
• Excel (XLSX) - 表格数据

5. 播客/音频平台

• 小宇宙 (xiaoyuzhoufm.com) - 通过 Get笔记 API 获取完整转写
• 喜马拉雅 (ximalaya.com) - 通过 Get笔记 API 获取完整转写
• B站视频 (bilibili.com) - 通过 Get笔记 API 获取完整转写
• 其他音频链接 - 通过 Get笔记 API 获取转写

5. 电子书与文档

• PDF - 全文提取
• EPUB - 电子书全文提取
• Markdown (.md) - 原生支持

6. 图片与扫描件

• Images (JPEG, PNG, GIF, WebP) - OCR 识别文字
• 扫描的 PDF 文档 - OCR 提取文字

7. 音频文件

• Audio (WAV, MP3) - 语音转文字

8. 结构化数据

• CSV - 逗号分隔数据
• JSON - JSON 数据
• XML - XML 文档

9. 压缩包

• ZIP - 自动解压并处理所有支持的文件

10. 纯文本

直接输入或粘贴的文本内容

11. 搜索关键词

通过 Web Search 搜索关键词，汇总多个来源的信息

前置条件

1. 安装 wexin-read-mcp

MCP 服务器已安装在：~/.claude/skills/qiaomu-anything-to-notebooklm/wexin-read-mcp/

配置 MCP（需要手动添加到 Claude 配置文件）：

macOS: 编辑 ~/.claude/config.json

{
  "primaryApiKey": "any",
  "mcpServers": {
    "weixin-reader": {
      "command": "python",
      "args": [
        "/Users/joe/.claude/skills/qiaomu-anything-to-notebooklm/wexin-read-mcp/src/server.py"
      ]
    }
  }
}

配置后需要重启 Claude Code。

2. notebooklm 认证

首次使用前必须认证：

notebooklm login
notebooklm list  # 验证认证成功

触发方式

微信公众号文章

• /qiaomu-anything-to-notebooklm [微信文章链接]
• "把这篇微信文章传到NotebookLM"
• "把这篇微信文章生成播客"

网页链接

• "把这个网页做成播客 [URL]"
• "这篇文章帮我做成PPT [URL]"
• "帮我分析这个网页 [URL]"

播客（小宇宙/喜马拉雅/B站）

• "把这个播客生成播客 [小宇宙链接]"
• "这个小宇宙节目帮我做成PPT [链接]"
• "深度解读这期播客 [喜马拉雅链接]"
• "把这个B站视频转写传到NotebookLM [bilibili链接]"
• "B站视频帮我生成思维导图 [bilibili链接]"

X/Twitter 帖子

• "把这条推文传到NotebookLM [x.com链接]"
• "这篇推文线程帮我生成报告 [x.com链接]"
• "深度分析这条推文 [twitter.com链接]"

YouTube 视频

• 直接传 URL 给 NotebookLM，不下载字幕！ NotebookLM 原生支持 YouTube
• "把这个YouTube视频做成播客 [YouTube URL]"
• "这个视频帮我生成思维导图 [YouTube URL]"

本地文件

• "把这个PDF上传到NotebookLM /path/to/file.pdf"
• "这个Markdown文件生成PPT /path/to/file.md"
• "这个EPUB电子书生成播客 /path/to/book.epub"
• "把这个Word文档做成思维导图 /path/to/doc.docx"
• "这个PowerPoint生成Quiz /path/to/slides.pptx"
• "把这个扫描PDF做成报告 /path/to/scan.pdf"（自动OCR）

搜索关键词

• "搜索 'AI发展趋势' 并生成报告"
• "搜索关于'量子计算'的资料做成播客"

混合使用

• "把这篇文章、这个视频和这个PDF一起上传，生成一份报告"

深度分析模式（递归提问）

• "深度分析这本书 /path/to/book.epub"
• "提炼这篇文章的核心观点 [URL]"
• "递归提问分析这个PDF /path/to/file.pdf"
• "帮我深度解读这个视频 [YouTube URL]"

深度分析 + 飞书文档

• "深度分析这本书并写入飞书 /path/to/book.epub"
• "分析这篇文章后创建飞书文档 [URL]"
• "递归提问并生成飞书文档 /path/to/file.pdf"

自然语言 → NotebookLM 功能映射

如果没有明确指令，默认只上传不生成任何内容，等待用户后续指令。

工作流程

Step 1: 识别内容源类型

Claude 自动识别输入类型：

Step 2: 获取内容

微信公众号：

• 使用 MCP 工具 read_weixin_article
• 返回：title, author, publish_time, content
• 保存为 TXT：/tmp/weixin_{title}_{timestamp}.txt

播客/视频（小宇宙/喜马拉雅/B站）：

• 通过 Get笔记 API 获取完整转写文本
• 调用 python3 ~/.claude/skills/qiaomu-anything-to-notebooklm/scripts/get_podcast_transcript.py <URL>
• 脚本自动执行：创建链接笔记 → 等待转写 → 获取全文 → 保存 TXT
• 返回 TXT 路径和标题
• 依赖：Get笔记 API Key（环境变量 GETNOTE_API_KEY、GETNOTE_CLIENT_ID）+ Web Token（~/.claude/skills/getnote/tokens.json）

X/Twitter 帖子：

• 通过内置代理级联抓取推文内容（r.jina.ai → defuddle.md → agent-fetch）
• 调用 bash ~/.claude/skills/qiaomu-anything-to-notebooklm/scripts/fetch_url.sh "https://x.com/..." 获取 Markdown 内容
• 自动处理 X 登录墙和错误页面
• 保存为 TXT 后上传到 NotebookLM

网页：

• 直接使用 notebooklm source add <URL>
• NotebookLM 自动提取内容
• 付费墙绕过：遇到付费网站时，fetch_url.sh 自动启用多重绕过策略

YouTube 🔴 特殊规则（最重要！）：

• 直接传递 URL 给 NotebookLM！ notebooklm source add <YouTube_URL>
• 禁止使用 yt-dlp、yt-search-download、whisper、浏览器自动化等手段下载字幕
• NotebookLM 原生支持 YouTube，会自动提取字幕和元数据
• 这是最快速、最高效的方式，不需要任何中间步骤
  1. r.jina.ai — 通常能绕过软付费墙
  2. Googlebot/Bingbot UA 伪装 — 模拟搜索引擎爬虫（网站为了 SEO 通常给爬虫全文）
  3. Referer 伪装 — 伪装来自 Google/Facebook（社交引流豁免）
  4. AMP 页面 — AMP 版本通常没有付费墙
  5. archive.today — 从网页存档获取全文
  • 支持的付费网站：NYT、WSJ、FT、Economist、Bloomberg、Washington Post、New Yorker、Wired、The Atlantic、Medium、MIT Technology Review、SCMP 等 300+ 站点

Office 文档/电子书/PDF：

• EPUB：使用 Python ebooklib + BeautifulSoup 直接提取文本（避免 Calibre 架构问题）
• 其他格式：使用 markitdown 转换为 Markdown
• 命令：markitdown /path/to/file.docx -o /tmp/converted.md
• 保存为 TXT：/tmp/{filename}_converted_{timestamp}.txt

本地 Markdown：

• 直接上传：notebooklm source add /path/to/file.md

图片（OCR）：

• markitdown 自动 OCR 识别文字
• 提取 EXIF 元数据
• 保存为 TXT

音频文件：

• markitdown 自动转录语音为文字
• 提取音频元数据
• 保存为 TXT

ZIP 压缩包：

• 自动解压到临时目录
• 遍历所有支持的文件
• 批量使用 markitdown 转换
• 合并为单个 TXT 或多个 Source

搜索关键词：

• 使用 WebSearch 工具搜索关键词
• 汇总前 3-5 条结果
• 保存为 TXT：/tmp/search_{keyword}_{timestamp}.txt

Step 3: 上传到 NotebookLM

调用 notebooklm skill：

notebooklm create "{title}"  # 创建新笔记本
notebooklm source add /tmp/weixin_xxx.txt --title "{title}"  # 上传文件

注意：NotebookLM 会自动处理上传的文件，无需手动等待。

Step 4: 深度分析模式（可选）

如果用户指定了"深度分析"、"递归提问"等意图，自动执行：

# 仅深度分析
python ~/.claude/skills/qiaomu-anything-to-notebooklm/main.py \
  /path/to/file.epub --deep-analysis

# 深度分析 + 自动创建飞书文档
python ~/.claude/skills/qiaomu-anything-to-notebooklm/main.py \
  /path/to/file.epub --deep-analysis --to-feishu

深度分析流程：

1. 上传内容到 NotebookLM
2. 根据内容类型自动生成 10 个深度问题
3. 依次向 NotebookLM 提问并收集答案
4. 返回结构化 JSON 数据（包含问题、答案、统计信息）
5. （可选）如果指定 --to-feishu，自动创建飞书文档并写入问答内容

问题类型：

• 书籍/文档：核心观点、金句、论证逻辑、实践建议、局限性等
• 视频：目标受众、关键数据、叙事结构、精华版内容等
• 文章/网页：写作目的、数据支撑、作者立场、个人启发等

输出格式：

{
  "status": "success",
  "title": "书名/标题",
  "content_type": "epub/document/url",
  "questions": ["问题1", "问题2", ...],
  "answers": ["答案1", "答案2", ...],
  "total_questions": 10,
  "answered": 10
}

Step 5: 根据意图生成内容（可选）

如果用户指定了处理意图，自动调用对应命令：

生成流程：

1. 发起生成请求（返回 task_id）
2. 等待生成完成（artifact wait <task_id>）
3. 下载生成的文件到本地
4. 告知用户文件路径

完整示例

示例 1：微信公众号文章 → 播客

用户输入：

把这篇文章生成播客 https://mp.weixin.qq.com/s/abc123xyz

执行流程：

1. 识别为微信公众号链接
2. MCP 工具抓取文章内容
3. 创建 TXT 文件
4. 上传到 NotebookLM
5. 生成播客（generate audio）
6. 下载播客到本地

输出：

✅ 微信文章已转换为播客！

📄 文章：深度学习的未来趋势
👤 作者：张三
📅 发布：2026-01-20

🎙️ 播客已生成：
📁 文件：/tmp/weixin_深度学习的未来趋势_podcast.mp3
⏱️ 时长：约 8 分钟
📊 大小：12.3 MB

示例 2：YouTube 视频 → 思维导图

用户输入：

这个视频帮我画个思维导图 https://www.youtube.com/watch?v=abc123

执行流程：

1. 识别为 YouTube 链接
2. 直接传递给 NotebookLM（自动提取字幕）
3. 生成思维导图（generate mind-map）
4. 下载思维导图

输出：

✅ YouTube 视频已转换为思维导图！

🎬 视频：Understanding Quantum Computing
⏱️ 时长：23 分钟

🗺️ 思维导图已生成：
📁 文件：/tmp/youtube_quantum_computing_mindmap.json
📊 节点数：45 个

示例 3：搜索关键词 → 报告

用户输入：

搜索 'AI发展趋势 2026' 并生成报告

执行流程：

1. 识别为搜索查询
2. WebSearch 搜索关键词
3. 汇总前 5 条结果
4. 创建 TXT 文件
5. 上传到 NotebookLM
6. 生成报告（generate report）

输出：

✅ 搜索结果已生成报告！

🔍 关键词：AI发展趋势 2026
📊 来源：5 篇文章

📄 报告已生成：
📁 文件：/tmp/search_AI发展趋势2026_report.md
📝 章节：7 个
📊 大小：15.2 KB

示例 4：混合多源 → PPT

用户输入：

把这篇文章、这个视频和这个PDF一起做成PPT：
- https://example.com/article
- https://youtube.com/watch?v=xyz
- /Users/joe/Documents/research.pdf

执行流程：

1. 创建新 Notebook
2. 依次添加 3 个 Source
3. 基于所有 Source 生成 PPT

输出：

✅ 多源内容已整合为PPT！

📚 内容源：
  1. 网页文章：AI in 2026
  2. YouTube：Future of AI
  3. PDF：Research Notes (12 页)

📊 PPT 已生成：
📁 文件：/tmp/multi_source_slides.pdf
📄 页数：25 页
📦 大小：3.8 MB

示例 5: EPUB 电子书 → 播客

用户输入：

把这本电子书做成播客 /Users/joe/Books/sapiens.epub

执行流程：

1. 识别为 EPUB 文件
2. markitdown 转换为 Markdown
3. 保存为 TXT
4. 上传到 NotebookLM
5. 生成播客

输出：

✅ EPUB 电子书已转换为播客！

📚 电子书：Sapiens: A Brief History of Humankind
📄 页数：约 450 页
📊 字数：约 15 万字

🎙️ 播客已生成：
📁 文件：/tmp/sapiens_podcast.mp3
⏱️ 时长：约 45 分钟（精华版）
📊 大小：48.2 MB

示例 6：Word 文档 → Quiz

用户输入：

这个Markdown生成Quiz /Users/joe/notes/machine_learning.md

执行流程：

1. 识别为本地 Markdown 文件
2. 直接上传到 NotebookLM
3. 生成 Quiz（generate quiz）

输出：

✅ Markdown 已转换为Quiz！

📄 文件：machine_learning.md
📊 大小：8.5 KB

📝 Quiz 已生成：
📁 文件：/tmp/machine_learning_quiz.md
❓ 题目：15 道（10选择 + 5简答）

错误处理

URL 格式错误

❌ 错误：URL 格式不正确

必须是微信公众号文章链接：
https://mp.weixin.qq.com/s/xxx

你提供的链接：https://example.com

文章获取失败

❌ 错误：无法获取文章内容

可能原因：
1. 文章已被删除
2. 文章需要登录查看（暂不支持）
3. 网络连接问题
4. 微信反爬虫拦截（请稍后重试）

建议：
- 检查链接是否正确
- 等待 2-3 秒后重试
- 或手动复制文章内容

NotebookLM 认证失败

❌ 错误：NotebookLM 认证失败

请运行以下命令重新登录：
  notebooklm login

然后验证：
  notebooklm list

生成任务失败

❌ 错误：播客生成失败

可能原因：
1. 文章内容太短（< 100 字）
2. 文章内容太长（> 50万字）
3. NotebookLM 服务异常

建议：
- 检查文章长度是否适中
- 稍后重试
- 或尝试其他格式（如生成报告）

高级功能

1. 多意图处理

用户可以一次性指定多个处理任务：

这篇文章帮我生成播客和PPT https://mp.weixin.qq.com/s/abc123

Skill 会依次执行：

1. 生成播客
2. 生成 PPT

2. 自定义 Notebook

默认每篇文章创建新 Notebook，也可以指定已有 Notebook：

把这篇文章加到我的【AI研究】笔记本 https://mp.weixin.qq.com/s/abc123

Skill 会：

1. 搜索名为"AI研究"的 Notebook
2. 将文章添加为新 Source
3. 基于所有 Sources 生成内容

3. 自定义生成指令

为生成任务添加具体要求：

这篇文章生成播客，要求：轻松幽默的风格，时长控制在5分钟

Skill 会将要求作为 instructions 传给 NotebookLM。

注意事项

1. 频率限制：

   • 每次请求间隔 > 2 秒，避免被微信封禁
   • NotebookLM 生成任务有并发限制（最多 3 个同时进行）

2. 内容长度：

   • 微信文章通常 1000-5000 字，适合生成播客（3-8 分钟）
   • 超过 10000 字的长文可能需要更长生成时间
   • 少于 500 字的短文可能生成效果不佳

3. 版权遵守：

   • 仅用于个人学习研究
   • 遵守微信公众号的版权规定
   • 生成的内容不得用于商业用途

4. 生成时间：

   • 播客：2-5 分钟
   • 视频：3-8 分钟
   • PPT：1-3 分钟
   • 思维导图：1-2 分钟
   • Quiz/闪卡：1-2 分钟

5. 文件清理：

   • TXT 源文件保存在 /tmp/，系统重启后自动清理
   • 生成的文件（MP3/PDF/MD 等）默认保存在 /tmp/
   • 可以指定自定义保存路径

相关 Skills

• notebooklm - NotebookLM 核心功能
• notebooklm-deep-analyzer - 深度分析 NotebookLM 内容
• markitdown - 转换其他格式文档

配置 MCP（重要）

⚠️ 第一次使用前必须配置

编辑 ~/.claude/config.json：

{
  "primaryApiKey": "any",
  "mcpServers": {
    "weixin-reader": {
      "command": "python",
      "args": [
        "/Users/joe/.claude/skills/qiaomu-anything-to-notebooklm/wexin-read-mcp/src/server.py"
      ]
    }
  }
}

配置后重启 Claude Code！

故障排查

1. MCP 工具未找到

# 测试 MCP 服务器
python ~/.claude/skills/qiaomu-anything-to-notebooklm/wexin-read-mcp/src/server.py

# 如果报错，检查依赖
cd ~/.claude/skills/qiaomu-anything-to-notebooklm/wexin-read-mcp
pip install -r requirements.txt
playwright install chromium

2. NotebookLM 命令失败

# 检查认证状态
notebooklm status

# 重新登录
notebooklm login

# 验证
notebooklm list

3. 文件权限问题

# 确保临时目录可写
chmod 755 /tmp

# 测试写入
touch /tmp/test.txt && rm /tmp/test.txt

4. 生成任务卡住

# 检查任务状态
notebooklm artifact list

# 如果显示 "pending" 超过 10 分钟，取消重试
# （目前 CLI 不支持取消，需要在网页端操作）

典型使用场景

场景 1：快速学习

我想学习这篇文章，帮我生成播客，上下班路上听
链接：https://mp.weixin.qq.com/s/abc123

→ 生成 8 分钟播客，通勤时间听完

场景 2：分享给团队

这篇文章不错，做成PPT分享给团队
https://mp.weixin.qq.com/s/abc123

→ 生成 15 页 PPT，直接用于团队分享

场景 3：复习巩固

这篇技术文章帮我出题，想测试一下掌握程度
https://mp.weixin.qq.com/s/abc123

→ 生成 10 道选择题 + 5 道简答题

场景 4：可视化理解

这篇文章概念比较多，画个思维导图帮我理清结构
https://mp.weixin.qq.com/s/abc123

→ 生成思维导图，一目了然

Skill 创建时间：2026-01-25 最后更新：2026-01-25 版本：v1.0.0