NotebookLM + Claude Code：让AI精准回答专业文档问题

TL;DR

一个Claude Code技能插件，把Google NotebookLM变成你的专属知识库助手。上传API文档、技术手册后，直接在编辑器里问问题，答案只来自你的文档，不会胡编乱造。

一、问题：AI为什么总在专业问题上瞎说

1.1 幻觉是AI的原罪

你问GPT：”高仙机器人怎么获取状态？”

AI可能回答：

调用 /api/v1/robot/status 接口，传入设备ID...

看起来很专业。但实际API文档里根本没这个接口。

为什么：大语言模型基于概率生成文本，没见过的文档会”合理推测”。结果就是一本正经地胡说八道。

1.2 传统方案的困境

本质矛盾：既要AI的理解能力，又要限定答案来源。

二、方案：NotebookLM限定知识边界

2.1 NotebookLM是什么

Google出品的”文档问答机器人”。你上传PDF、网页、文本，它只根据这些材料回答问题。

核心能力：
– ✅ 只答文档里有的内容，没有就说”文档未提及”
– ✅ 支持50+个文件，自动关联信息
– ✅ 答案带引用，可追溯原文出处
– ✅ Gemini后端，理解能力强

生活比喻：像给AI配了一个只能看指定书籍的图书馆管理员。你问的问题，他只翻这些书，找不到就不会瞎编。

2.2 NotebookLM Skill做了什么

把NotebookLM集成到Claude Code里，免去手动切换浏览器的麻烦。

工作流程：

1. 你在编辑器里问："高仙机器人有哪些API？"
2. Skill自动打开Chrome → 登录NotebookLM → 提交问题
3. NotebookLM从你上传的文档里找答案
4. Skill把结果返回编辑器 → Chrome自动关闭

技术实现：
– 浏览器自动化（Patchright，Playwright魔改版）
– 本地Python环境（独立.venv，不污染系统）
– 持久化认证（登录一次，永久有效）

三、实战案例：查询高仙机器人API文档

3.1 准备工作

我把 https://developer.gs-robot.com/ 的所有API文档上传到NotebookLM，然后在Claude Code里直接提问。

注意：案例中的API调用地址应为 https://openapi.gs-robot.com

3.2 第一个问题：有哪些API？

输入：

高仙机器人平台有哪些api？

Skill自动执行：

python3 scripts/run.py ask_question.py \
  --question "高仙机器人平台提供了哪些 API？请按功能分类详细列出..." \
  --notebook-id [已屏蔽]

NotebookLM返回（60秒内完成）：

按功能分类的完整API列表：

1. 任务管理
– /openapi/v2/robotCommand/submitTempTaskHasSite – 提交站点临时任务
– /openapi/v2/robotCommand/submitTempTaskNoSite – 提交无站点任务
– /v1alpha1/robots/*/commands/ – 获取指令队列

2. 状态监测
– /v1alpha1/robots/{robot}/status – V1通用状态
– /openapi/v2alpha1/s/robots/{robot}/status – V2 S系列专用
– :batchGet – 批量获取多机器人状态

3. 地图服务
– /openapi/v1/map/robotMap/list – 地图列表
– /openapi/v1/map/subareas/get – 分区信息

4. 事件推送
– Webhook机制，推送异常告警、任务状态、导航信息

5. 设备管理
– /v1alpha1/robots – 机器人列表（SN、MAC、硬件版本）

6. 认证安全
– OAuth 2.0：/v1alpha1/oauth/token – 获取访问令牌

3.3 第二个问题：如何获取状态？

输入：

能告诉我如何获取 GSxx-xxx-xxx-xx 机器人的状态的过程是如何的么？

NotebookLM返回完整流程代码：

import requests

# ========== 步骤1：OAuth认证 ==========
auth_url = "https://openapi.gs-robot.com/v1alpha1/oauth/token"
auth_payload = {
    "grant_type": "client_credentials",
    "client_id": "YOUR_APP_ID",
    "client_secret": "YOUR_APP_SECRET"
}

auth_response = requests.post(auth_url, data=auth_payload)
access_token = auth_response.json().get("access_token")

# ========== 步骤2：查询机器人状态 ==========
robot_sn = "GSxx-xxx-xxx-xx"
status_url = f"https://openapi.gs-robot.com/openapi/v2alpha1/s/robots/{robot_sn}/status"

headers = {
    "Authorization": f"Bearer {access_token}",
    "Content-Type": "application/json"
}

response = requests.get(status_url, headers=headers)

# ========== 步骤3：解析响应 ==========
if response.status_code == 200:
    data = response.json()

    # 电池信息
    print(f"电量: {data['battery']['percentage']}%")
    print(f"电压: {data['battery']['voltage']}V")

    # 导航与状态
    print(f"导航状态: {data['navStatus']}")
    print(f"急停状态: {data['emergencyStop']}")

    # 清洁系统
    print(f"清水箱: {data['cleanWaterLevel']}")
    print(f"污水箱: {data['dirtyWaterLevel']}")

    # 耗材寿命
    print(f"滚刷寿命: {data['consumables']['rollerBrush']}%")
    print(f"盘刷寿命: {data['consumables']['diskBrush']}%")

响应数据结构：

{
  "navStatus": "NAVIGATING",
  "emergencyStop": false,
  "battery": {
    "percentage": 85,
    "voltage": 48.2,
    "current": 5.3,
    "temperature": 32.5
  },
  "cleanWaterLevel": "MEDIUM",
  "dirtyWaterLevel": "LOW",
  "consumables": {
    "rollerBrush": 68,
    "diskBrush": 72,
    "filter": 45
  }
}

3.4 效果对比

四、安装使用指南

4.1 三步安装

# 1. 创建技能目录
mkdir -p ~/.claude/skills

# 2. 克隆仓库
cd ~/.claude/skills
git clone https://github.com/PleasePrompto/notebooklm-skill notebooklm

# 3. 首次使用自动安装依赖（包括Chrome）
# 无需手动操作

4.2 首次配置

在Claude Code里说：

Set up NotebookLM authentication

自动流程：
1. Chrome浏览器自动打开
2. 跳转到Google登录页
3. 手动完成登录（建议用独立账号，避免主账号被检测）
4. 认证信息保存到本地 ~/.claude/skills/notebooklm/data/

重要：这个data目录包含登录凭证，不要提交到Git。

4.3 添加知识库

# 1. 在 https://notebooklm.google.com 上传文档
#    支持PDF、网页、Markdown等50+个文件

# 2. 点击"分享" → 设置为公开访问 → 复制链接

# 3. 在Claude Code里说：
Add https://notebooklm.google.com/notebook/xxx to my library

系统会要求你输入描述（如”高仙机器人API文档”），方便后续自动选择。

4.4 提问

# 直接问问题，Skill自动选择相关知识库
"高仙机器人如何提交临时任务？"
"状态监测API的响应数据结构是什么？"
"V1和V2接口有什么区别？"

4.5 常用命令

五、核心优势与限制

5.1 为什么不直接喂给Claude？

5.2 适用场景

✅ 适合：
– API文档查询（如高仙机器人案例）
– 技术手册问答（操作流程、参数说明）
– 产品规格对比（从多个PDF提取信息）
– 学术论文研究（关联多篇文献）

❌ 不适合：
– 实时数据查询（NotebookLM不联网）
– 需要推理的复杂任务（它只检索文档）
– 隐私敏感内容（数据上传到Google）

5.3 技术限制

六、实现原理剖析

6.1 技术栈

Claude Code Skill（前端）
    ↓ 调用 Python 脚本
浏览器自动化（Patchright）
    ↓ 模拟人类操作
NotebookLM（后端）
    ↓ Gemini处理
返回文档限定答案

核心依赖：
– patchright==1.55.2 – Playwright魔改版，绕过自动化检测
– python-dotenv==1.0.0 – 环境变量管理

6.2 会话模型

无状态设计：

# 每次提问的生命周期
1. 启动Chrome → 加载认证信息
2. 打开NotebookLM → 选择知识库
3. 提交问题 → 等待响应
4. 提取答案 → 关闭浏览器

为什么不保持会话：
– 避免浏览器长时间运行被检测
– 降低内存占用
– 每次问题独立，不依赖上下文

6.3 数据存储

所有数据在本地 ~/.claude/skills/notebooklm/data/：

data/
├── auth_state.json       # Google登录凭证
├── library.json          # 知识库列表
└── .env                  # 环境变量

安全提醒：.gitignore已配置忽略data目录，但仍需注意：
– 定期备份library.json
– 使用独立Google账号
– 不要在公共电脑上使用

七、进阶技巧

7.1 优化提问方式

糟糕的提问：

高仙机器人API怎么用？

（太宽泛，NotebookLM可能返回概述）

好的提问：

高仙机器人提交临时任务的API接口是什么？请给出完整的请求格式、参数说明和响应示例。

（具体、结构化，答案更精准）

7.2 多知识库组织

按项目分类：

我的NotebookLM库：
- "高仙机器人API" → 所有developer.gs-robot.com文档
- "普渡机器人API" → 普渡开放平台文档
- "React官方文档" → React Hooks、Context等

提问时自动选择：

# Skill根据问题关键词匹配库
"高仙机器人状态API" → 自动选"高仙机器人API"库
"React useEffect用法" → 自动选"React官方文档"库

7.3 配合Claude Code其他功能

典型工作流：

1. NotebookLM查API文档 → 获取接口定义
2. Claude Code生成调用代码 → 自动补全参数
3. 本地测试 → 调试错误
4. 再问NotebookLM → 查错误码含义

八、小结

8.1 核心价值

NotebookLM + Claude Code = 零幻觉的专业文档助手

三个关键能力：
1. 限定知识边界 – 答案只来自你的文档
2. 自动化集成 – 编辑器里直接提问，无需切换
3. 深度理解 – Gemini后端，能关联多文档信息

8.2 适用人群

8.3 最佳实践

✅ 推荐：
– 用独立Google账号避免主账号被检测
– 定期备份library.json
– 提问时明确要求”给出代码示例”或”列出所有参数”

❌ 避免：
– 上传隐私敏感文档（数据在Google服务器）
– 期待它回答文档外的问题（会直接说”未提及”）
– 用于实时数据查询

参考链接
– GitHub仓库：https://github.com/PleasePrompto/notebooklm-skill
– NotebookLM官网：https://notebooklm.google.com
– 高仙机器人开放平台：https://developer.gs-robot.com
– API调用地址：https://openapi.gs-robot.com